应用遗传演算法与类神经网路於混沌系统之辨识.pdfVIP

應用遺傳演算法與類神經網路於混沌系統之辨識 IDENTIFICATION OF CHAOTIC SYSTEMS USING NEURAL NETWORKS AND GENETIC ALGORITHMS 余國瑞 吳東軒 高雄縣大樹鄉學城路一段一號 義守大學電機工程研究所 Email :gwoyu@isu.edu.tw 摘要 混沌狀態存在於許多系統中，如氣象預測、通訊安 本文結合類神經網路與遺傳演算法 ，應用於混沌系 全、半導體雷射等，故混沌系統之辨識為重要研究課 統之辨識。經由遺傳演算法搜尋網路之全域最佳權重與 題。以氣象預測為例，天氣變化受到許多變數影響，如 偏壓值，使混沌系統於辨識上無需大量資料。後勤映射 溫度、濕度、氣壓等，由於起始值稍有變化即影響天氣 系統之電腦模擬結果顯示，遺傳演算法演化類神經網路 預測準確度，可知混沌系統具有 “初始值敏感依賴的特” 具有優異之辨識能力。 性[2] ，因此混沌系統之辨識非常不易。而類神經網路具 關鍵字 ：混沌系統，遺傳演算法，類神經網路。 有學習能力，且網路是由許多類神經元非線性轉換函數 架構而成，適合辨識高度非線性之混沌系統 [3][4] 。 ABSTRACT 類神經網路由許多高度連結的人工神經元所構 Chaotic systems are identified using neural networks 成，用於模仿生物神經組織。類神經網路具有學習複雜 and genetic algorithms in this paper. The globally optimal 非線性函數的能力，藉由訓練進行權重和偏壓值的更 weighting and bias of networks are searched by means of 新。由於網路以平行處理方式運作，每個學習樣本同時 genetic algorithms, such that the identification of chaos 進行運算，有少許誤差不會影響網路輸出結果，所以類 doesn’t need large data. Computer simulations of the 神經網路具有極佳容錯能力，因此廣泛應用於樣本識 logistic map demonstrate that neural networks based on 別、分類和叢聚問題 [5] 。本文首先採用倒傳遞類神經網 genetic algorithms own the excellent capability of 路辨識混沌系統，經由梯度下降法，沿著性能函數之負 identification. 梯度方向搜尋網路的權重和偏壓值。使倒傳遞類神經網 Keywords ：Chaotic Systems, Genetic Algorithms, Neural 路可將誤差函數收斂至特定範圍內，但空間中若存在局 Networks. 部最小值時，梯度下降法將不易有效求出，全域空間中 網路最佳權重和偏壓值。 1. 緒論 基於傳統倒傳遞類神經網路易陷於局部最小值之 在真實世界中，存在許多高度非線性的動態系統。 缺點，本文應用遺傳演算法加以改進。遺傳演算法於 某些系