混沌理論及其在神經(jīng)網(wǎng)絡權值優(yōu)化中的應用研究.pdf

1、該文在長期的理論和應用研究的基礎上,系統(tǒng)地總結了混沌學的相關理論以及近幾年來的應用研究成果,涉及混沌及超混沌同步、混沌與超混沌控制、混沌優(yōu)化方法以及混沌理論的相關應用等方面,并在此基礎之上對混沌優(yōu)化進行了進一步的理論研究和實際應用研究,取得了大量的研究成果.在實際應用中,神經(jīng)網(wǎng)絡控制器的性能在很大程度上依賴于網(wǎng)絡的學習算法.常用的學習算法如Hebb學習算法、BP算法等等,其中Hebb算法的運行的效果與可調(diào)參數(shù)的選取有很大的關系,較難具體

2、確定.面常用地BP算法存在收斂速度慢,易陷于局部極小的缺點.在此,我們將混沌優(yōu)化應用于神經(jīng)網(wǎng)絡的權值學習過程,充分利用混沌變量自身的固有特點,提出組合混沌優(yōu)化方法,能大大加速算法的收斂,有效克服其中的避部極小問題,并取得了預期的理想效果和性能,給神經(jīng)網(wǎng)絡權值學習提供了一種新的解決方法.最后,該文結合混沌神經(jīng)網(wǎng)絡PID控制系統(tǒng),詳細論證了該算法的具體實現(xiàn)過程,大量的仿真實驗結果充分表明了該算法的高效性和穩(wěn)定性,克服了PID控制器參數(shù)不易在