混沌神经网络的研究及其应用综合分析说明.docVIP

上海大学 2010 ～2011 学年冬季学期研究生课程论文 课程名称： 《动力系统基础》 课程编号： 011201907 论文题目: 混沌神经网络的研究及其应用 作者姓名: 王敏瑞 学 号: 成 绩: 论文评语: 评阅人签名: 批阅日期: 混沌神经网络的研究及其应用 王敏瑞 （上海大学 理学院，上海200444） 摘要：本文通过保持暂态混沌神经元的混沌搜索机制，产生了一类新的混沌动力学系统。首先分析了该混沌动力系统的参数对系统的影响；其次分析了其混沌时间序列的Lyapunov指数、关联维、熵等动力学特性。举例通过试验分析验证了该混沌动力系统在密码学上应用。 关键词：混沌动力系统 混沌神经元 Lyapunov指数 The Research And Application Of Chaotic Neural Network Wang Minrui (College of science, Shanghai University, Shanghai 200444. China) Abstract：This paper presents a kind of novel chaotic dynamic system by maintaining the chaotic searching mechanism of TCNN. First, we make an analysis of the parameters’ effects to the system; second, we make an analysis of the Lyapunov exponent, correlation dimension, entropy of the chaotic time series. The test proves that the chaotic dynamic system in encrypt is valid. Key Words: chaotic dynamic system chaotic neural unit Lyapunov exponent 引言 目前广泛研究的混沌神经网络模型是在Hopfield神经网络中引入了一个具有混沌特性的负反馈项，进而得到了混沌神经网络模型，因此在深入研究混沌神经网络之前，有必要先介绍一下Hopfield神经网络。美国物理学家J.J.Hopfield首先提出一种单层反馈网络系统，这种单层反馈网络就称为Hopfield网络。反馈神经网络的非线性和高维数，使得现有工具难以确定其状态轨迹，甚至可能出现混沌现象。由于具有混沌特性的神经网络其动力学特性十分复杂，因此获得了广泛研究。 暂态混沌神经网络利用混沌的遍历性搜索对解决例如TSP(旅行商)等NP问题有很好的效果，这是因为混沌神经网络是一非线性巨复杂动力系统。如果消除混沌神经网络的暂态混沌而使混沌一直存在，那么被改进的系统就是一个非线性巨复杂的混沌动力系统。 1.混沌神经网络及混沌神经元模型 暂态混沌神经网络模型如下： (1) (2) (3) 其中，式(1) —神经元的激励函数(activation function)；—第神经元的输出； —第神经元的输入；—从第神经元到第神经元的连接权值；—第神经元的偏置；— 正常数；—神经元之间的联接强度，也称耦合因子；k神经隔膜的阻尼因子，0≤k≤1；β(0≤β≤1)— 模拟退火参数，(t)模拟退火的初始值，式(3)类似于模拟退火算法函数,随着迭代次数的增加，该式会逐渐趋于0。 式(1)作为激励函数不是固定不变的，它可以是Sigmoid函数，也可以是其它与Sigmoid相合的函数。 本文采用Sigmoid函数，该模型就是Chen和Aihara提出的模型[1]，Sigmoid函数如下式所示 (4) 其中—增益参数。 当=0时，以上三个方程就演化为混沌神经元模型： (5) (6) (7) 2.混沌神经元的动力学研究 首先，暂态混沌神经元之所以出现暂态混沌现象，与式(7)模拟退火参数β的关系很大。取=0.