新型模糊混沌神經(jīng)網(wǎng)絡(luò)模型及特性研究.pdf

1、近年來，人們對(duì)人腦局部功能的認(rèn)識(shí)有所提高，但是對(duì)人腦完整工作過程仍缺乏認(rèn)識(shí)。模糊邏輯和混沌動(dòng)力學(xué)都是人腦所具有的特征，將現(xiàn)有的人工神經(jīng)網(wǎng)絡(luò)、模糊邏輯和混沌動(dòng)力學(xué)相融合構(gòu)成模糊混沌神經(jīng)網(wǎng)絡(luò)是一個(gè)新的方法和思路，對(duì)于模擬人腦整體功能，處理非線性系統(tǒng)建模和聯(lián)想記憶等問題具有理論和現(xiàn)實(shí)的意義。目前模糊混沌神經(jīng)網(wǎng)絡(luò)技術(shù)的研究尚處于一個(gè)初步探索階段。本文基于幾種模糊神經(jīng)網(wǎng)絡(luò)模型和混沌神經(jīng)網(wǎng)絡(luò)模型，對(duì)模糊混沌神經(jīng)網(wǎng)絡(luò)新模型的構(gòu)成方法和實(shí)際應(yīng)用進(jìn)行研究

2、。 首先，針對(duì)模糊徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)，提出了一種新型的混合混沌BP算法。針對(duì)幾種典型的混沌映射函數(shù)進(jìn)行混沌特性和概率密度分析，為構(gòu)造混沌BP算法時(shí)混沌映射函數(shù)的選取提供了依據(jù)。給出了模糊徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)兩階段學(xué)習(xí)方法的步驟，提出一種能夠根據(jù)可調(diào)參數(shù)的值進(jìn)行自動(dòng)調(diào)節(jié)，并由退火系數(shù)控制算法收斂性的混沌BP算法。用所提出的算法對(duì)混沌時(shí)間序列建模，驗(yàn)證了算法的有效性。 其次，基于現(xiàn)有的遞歸模糊神經(jīng)網(wǎng)絡(luò)模型，構(gòu)造了一種混沌遞歸模

3、糊神經(jīng)網(wǎng)絡(luò)模型。推導(dǎo)了網(wǎng)絡(luò)的數(shù)學(xué)模型和基于動(dòng)態(tài)BP算法的權(quán)值訓(xùn)練公式。在此基礎(chǔ)上，對(duì)學(xué)習(xí)算法的收斂性進(jìn)行分析，推導(dǎo)出學(xué)習(xí)速率調(diào)整的范圍。分別用自適應(yīng)模糊推理系統(tǒng)、遞歸模糊神經(jīng)網(wǎng)絡(luò)、混沌遞歸模糊神經(jīng)網(wǎng)絡(luò)和變學(xué)習(xí)速率的混沌遞歸模糊神經(jīng)網(wǎng)絡(luò)對(duì)兩個(gè)典型的非線性混沌系統(tǒng)建模，仿真結(jié)果驗(yàn)證了所提模型和算法的有效性。 再次，分析了一種帶有微分環(huán)節(jié)的動(dòng)態(tài)模糊神經(jīng)元和動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)的混沌特性。通過對(duì)耗散性和Lyapunov特征指數(shù)的分析，推導(dǎo)出

4、了單個(gè)動(dòng)態(tài)模糊神經(jīng)元具有耗散性的必要條件、Lyapunov特征指數(shù)大于0的必要條件；以及動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)具有耗散性的充分條件、Lyapunov特征指數(shù)大于0的必要條件。 最后，根據(jù)模糊Hopfield神經(jīng)網(wǎng)絡(luò)模型的構(gòu)成方法和自發(fā)展混沌神經(jīng)網(wǎng)絡(luò)的工作原理，構(gòu)造了一個(gè)自發(fā)展模糊混沌神經(jīng)網(wǎng)絡(luò)模型。首先分析了自發(fā)展混沌神經(jīng)網(wǎng)絡(luò)的周期特性和混沌特性。然后將自發(fā)展混沌神經(jīng)網(wǎng)絡(luò)模型進(jìn)行模糊化處理，構(gòu)成了自發(fā)展模糊混沌神經(jīng)網(wǎng)絡(luò)模型。證明了該模型