神经网络中的混沌行为研究及其耦合现象探讨

发布时间：2021-03-06 11:49

　　人脑可以说是自然界中最复杂的系统,它的工作过程始终是人们渴望了解的。作为生物神经系统的简化和模拟,人工神经网络可以模拟大脑的许多基本功能,因此它激起了人们极大的研究兴趣。许多研究表明,混沌行为在大脑完成其高级信号处理过程中可能发挥着重要作用。本文就是力图将神经网络和混沌动力学结合起来进行研究的一种尝试。首先本文介绍了混沌理论的产生与发展以及人工神经网络研究的现状和意义,接着详细介绍了人工神经网络以及混沌动力学的相关内容,包括混沌的定义、判定混沌的依据以及混沌的定性特征,其中重点介绍了Lyapunov指数和Poincaré截面。其次本文介绍了一类低维连续Hopfield神经网络模型所出现的混沌现象,并运用Lyapunov指数和系统相图初步验证了此类低维连续Hopfield神经网络所产生的混沌吸引子。最后利用Matlab软件进行数值仿真对上述低维连续Hopfield神经网络模型所出现的混沌现象及其耦合进行了初步研究。发现当系统的耦合系数满足一定条件时,耦合系统的混沌现象消失,出现极限环或稳定点,并且发现系统出现同步现象,这些对探讨大脑神经元之间的信息传递、了解大脑的工作过程有一定的潜在意义... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：45 页

【学位级别】：硕士

【部分图文】：

-1神经元的结构图

图 2.1-1 神经元的结构图神经元与人工神经网络研究自身大脑的主要目的是揭示大脑神经系统的生理特征和思维活过对大脑神经网络系统的结构、功能及信息处理机理的探索，构造近的人工神经网络，并反过来用于工程或其他领域。人工神经网络这一复杂网络的简化模拟。网络是由大量的处理单元（神经元）互相连接而成的网络。为了模性，人们提出了人工神经网络的模型，它并没有完全地真正反映大对生物神经网络进行某种抽象、简化和模拟。人工神经网络的信息间的相互作用来实现；知识与信息的存储表现为网络元件互连间分；人工神经网络的学习和识别决定于各神经元连接权的动态演化过人工神经元模型如图所示。

由函数 f 表示，称为激励或响应函数。该模型的数学表达式为：,,( )i i j jji i ii i j j iju w xv uy f w xθθ = = = ∑∑函数的基本作用：①控制输入对输出的激活作用；②对输入、输出进③将可能无限域的输入变换成指定的有限范围内的输出。函数可取不同的函数，但常用的基本响应函数有以下三种：值函数数也称为阶跃函数。若响应函数为阶跃函数，则图 2.1-3(a)所示的人工为著名的 MP 模型。此时神经元的输出取 1 或 0，反映神经元的兴奋或号函数sgn 也常作为神经元的激励函数，如图 2.1-3(b)所示。

【参考文献】：
期刊论文
[1]混沌及混沌保密通讯技术[J]. 郑会永,肖田元,王新龙,韩向利.  中国图象图形学报. 1998(12)

博士论文
[1]混沌同步控制及应用研究[D]. 蒲兴成.重庆大学 2006

硕士论文
[1]利用混沌与神经网络串联的加密算法的研究与实现[D]. 柴岩.辽宁工程技术大学 2005
[2]基于神经网络的混沌控制研究[D]. 刘期烈.西南交通大学 2004



本文编号：3067049