| 【中文题名】 | 混沌神经网络及其应用研究 |
| 【英文题名】 | Research on Chaotic Neural Network and Its Applications |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-6-1 |
| 【中关键词】 | 混沌,混沌神经网络,变初值的混沌神经网络方法,TSP问题,图像分割, |
| 【英关键词】 | Chaos,Chaotic neural network,Transient chaotic neural network with varying initial value,Travel salesman problem （TSP）,Image segmentation, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
本文主要研究了现有的几种混沌神经网络模型和混沌神经网络的应用,并采用变初值方法改善了混沌神经网络的性能。
混沌神经网络是人工智能研究的一个新领域。暂态混沌神经网络(TCNN)第一次把混沌机制引入神经网络,是目前混沌神经网络研究中提出的一个典型模型。
TCNN模型利用初始阶段网络中混沌的各态遍历性寻找全局最优解,随着混沌控制参数的减小,混沌逐渐消失,网络退化成Hopfield神经网络(HNN),在其梯度下降机制的作用下收敛于可能的全局最优解。TCNN利用混沌各态遍历性减小了HNN陷入局部极小的概率。而且初始阶段混沌持续的时间越长,TCNN得到全局最优的几率越大。因此,延长退火时间和改变初始阶段网络的混沌程度成为现有TCNN改进模型的两个出发点。指数退火混沌神经网络(EACNN)和噪声混沌神经网络(NCNN)正是基于这两个方面进行改进的。
研究发现:如果混沌神经网络的初始值距离网络全局最优收敛域在轨道意义上很远,则需要混沌持续的时间非常长,才能够保证在混沌状态结束后HNN能找到全局最优解。但是这将使效率变得非常低,甚至不可能实现。因此本文中提出了变初值暂态神经网络,在常规方法选择... |
| 【论文题纲】 |
|
摘要 |
3-5 |
|
ABSTRACT |
5-9 |
|
1 绪论 |
9-13 |
|
1.1 引言 |
9-10 |
|
1.2 混沌神经网络的研究现状 |
10-11 |
|
1.3 本文的主要工作 |
11-13 |
|
2 混沌动力学基础 |
13-23 |
|
2.1 混沌及其性质 |
13-16 |
|
2.1.1 Logistic 映射 |
13-15 |
|
2.1.2 混沌的基本性质 |
15-16 |
|
2.2 混沌神经网络模型 |
16-22 |
|
2.2.1 混沌神经元模型 |
17-21 |
|
2.2.2 混沌神经网络模型 |
21-22 |
|
2.3 小结 |
22-23 |
|
3 混沌神经网络研究 |
23-39 |
|
3.1 Hopfield 神经网络研究 |
23-25 |
|
3.1.1 离散时间Hopfield 神经网络 |
23-25 |
|
3.1.2 连续时间Hopfield 神经网络 |
25 |
|
3.2 暂态混沌神经网络及其优化性能分析 |
25-29 |
|
3.2.1 暂态混沌神经网络模型 |
26 |
|
3.2.2 暂态混沌神经网络的动力学过程 |
26-28 |
|
3.2.3 暂态混沌神经网络优化存在的问题 |
28-29 |
|
3.3 现有的几种TCNN 模型的改进方法 |
29-30 |
|
3.3.1 指数退火混沌神经网络（EACNN）模型 |
29 |
|
3.3.2 噪声混沌神经网络（NCNN）模型 |
29-30 |
|
3.4 旅行商问题及混沌神经网络求解方法 |
30-34 |
|
3.4.1 组合优化问题 |
30 |
|
3.4.2 旅行商问题与计算复杂性 |
30-31 |
|
3.4.3 旅行商问题数学模型 |
31-32 |
|
3.4.4 旅行商问题的神经网络方法 |
32-34 |
|
3.4.5 基于混沌神经网络的旅行商问题研究 |
34 |
|
3.5 利用现有几种混沌神经网络求解TSP 问题 |
34-38 |
|
3.5.1 常规混沌神经网络方法的优化应用算法流程 |
34-35 |
|
3.5.2 TCNN 方法在TSP 问题中的应用 |
35-36 |
|
3.5.3 EACNN 在TSP 问题中的应用 |
36-37 |
|
3.5.4 NCNN 在TSP 问题中的应用 |
37-38 |
|
3.6 小结 |
38-39 |
|
4 变初值暂态混沌神经网络 |
39-46 |
|
4.1 变初值的改进方法 |
39-41 |
|
4.1.1 变初值方法的基本原理 |
39-40 |
|
4.1.2 算法流程 |
40-41 |
|
4.2 仿真研究 |
41-43 |
|
4.2.1 10 个城市的仿真研究 |
41-42 |
|
4.2.2 20 个城市的仿真研究 |
42-43 |
|
4.3 几种方法的仿真结果对比 |
43 |
|
4.4 变初值方法在HNN 中的应用 |
43-45 |
|
4.4.1 HNN 的缺陷 |
43-44 |
|
4.4.2 仿真结果 |
44 |
|
4.4.3 结果分析 |
44-45 |
|
4.5 小结 |
45-46 |
|
5 混沌神经网络在图像分割中的应用 |
46-50 |
|
5.1 可变形状的区域分割算法简介 |
46-47 |
|
5.2 应用于图像分割的混沌神经网络模型 |
47 |
|
5.3 混沌动力学在图像分割中的应用 |
47-48 |
|
5.4 模拟退火策略在图像分割中的实现 |
48-49 |
|
5.5 仿真结果 |
49 |
|
5.6 小结 |
49-50 |
|
6 结论 |
50-51 |
|
致谢 |
51-52 |
|
参考文献 |
52-55 |
|
作者在攻读硕士期间所发表的论文 |
55 |
|
| 【DOI】 | LunWen.ID:2.2008.388564 |
