混沌神经网络的智能信息处理方法与应用研究

混沌神经网络的智能信息处理方法与应用研究

ID:37040104

大小:3.79 MB

页数:139页

时间:2019-05-20

混沌神经网络的智能信息处理方法与应用研究_第1页
混沌神经网络的智能信息处理方法与应用研究_第2页
混沌神经网络的智能信息处理方法与应用研究_第3页
混沌神经网络的智能信息处理方法与应用研究_第4页
混沌神经网络的智能信息处理方法与应用研究_第5页
资源描述:

《混沌神经网络的智能信息处理方法与应用研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、湖南大学博士学位论文摘要利用神经网络和复杂的混沌动力系统来解决智能信息处理中的有关问题,已成为当今国内外智能自动化领域研究的前沿课题之一。由于神经网络具有快速分布处理、自学习、自组织、自适应和鲁棒性等能力,混沌却具有非周期性、对初始条件的敏感依赖性、长期不可预测性、正Lyapunov指数和分形等特性,因此,将两者融合起来形成含有混沌动力的神经网络用于智能信息处理中,可提高信息处理的效率和柔性。为衄本文针对几种类型的神经网络模型进行了一系列理论分析,探讨了这些模型的智能信息处理的机理,提出了联想记忆的混沌神经网络的混沌控制方法、振

2、荡型混沌神经网络的学习算法、映射函数直接控制法以及类噪声索引产生的一般方法,其内容涉及到混沌神经网络的动力学分析、稳定性分析、Hopf分支和功率谱密度分析等理论分析以及网络模型在联想记忆、容错性、记忆容量、模式识别和奇异滤波中的应用研究。为了验证理论的正确性和所提方法的有效性,进行了实验验证。i本文开展了以下几个方面的主要创新研究工作:1.论述了混沌的判别方法,对自身响应的混沌神经网络和自组织映射的混沌神经网络这两种网络进行了动力学分析。2.针对联想记忆的混沌神经网络的连接权值设计,提出了奇异值分解和广义逆矩阵两种方法;讨论了联

3、想记忆的混沌神经网络在联想记忆中的应用,将混沌控制理论与联想记忆神经网络相结合,提出了一种具有时空混沌控制的联想记忆网络,其记忆搜索性能和记忆容量明显优于Hopfield网;同时研究了自组织映射的混沌神经网络在模式识别中的应用。3.在振荡型混沌神经网络的稳定性和Hopf分支的理论分析基础上,进一步研究了该网络的智能信息处理的机理,通过空间的轨迹和功率谱密度的分析,得到了一系列重要结论;在此研究基础上,提出了网络的学习算法,并将该网络模型应用于手写体字识别中。4.在详细阐明数字序列和字母序列的l-D映射函数设计方法的基础上,利用构

4、造出的1.D映射的稳定周期环和不稳定极限环完成了存储和联想记忆功能,为了识别有关的输入信息,提出了映射函数直接控制的方法:在此基础上,提出了一种1-D映射型混沌神经网络模型,该网络本身不当作一个“黑/余群明:混沌神经网络的智能信息处理方法与应用研究箱”处理,网络的参数值由网络中实现的映射函数来确定,该网络模型具有联想记忆、容错性、模式识别和奇异滤波等一系列智能信息处理的基本功能。5.提出了类噪声索引(Noise.1ikeKey)产生的方法,利用帐篷函数的混沌过程作为类噪声索引的确定性生成器,以代数的形式完成了图像信息的存储和恢复

5、;建立了类噪声混沌编码记忆的数学模型,说明了循环卷积和循环相关运算在图像信息存储和恢复中的基本机理;在此基础上,更进一步地描述了索引生成的一般方法,应用伪随机方法到相关的输入模式的每一位上,通过确定的方法,并利用混沌过程具有对初始条件敏感的依赖性的特点,得到了不相关的伪随机结果。通过仿真实验验证了所提方法的有效性,并成功地将该方法应用在图像识别中。l关键词:混沌神经网络;智能信息处理;蓬嚣国混沌动力学:混沌控制Ⅱ湖南大学博士学位论文ABSTRACTIthasbecomeoneofforwardsupersinintelligen

6、tautomationfieldresearchesathomeandabroadthatusingneuralnetworksandcomplicatedchanticdynamicssystemssolveproblemsassociatedwithintelligentinformationprocessing.Neuralnetworkshaveacapacityoffastdistributedprocessing,self-learning,self-organization,self-adaptationandro

7、bustness,butchaoshavecharacteristicofaperiodic,sensitivedependenceoninitialconditions,long-termunpredicatability,positiveLyapunovexponentsandfractal.thereforeneuralnetworksandchaoscombinetoformneuralnetworkswithchaoticdynamics,whichapplyinintelligentinformationproces

8、sing,andCanimproveinformationprocessingeffectivenessandflexibility.Inthisdissertation。aseriesoftheoreticalanalysisareperformedtOsom

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。