高斯非线性自反馈混沌神经网络及应用许楠1刘丽杰1徐耀群2(1.docVIP

高斯非线性自反馈混沌神经网络及应用 许楠11 徐耀群2 黑龙江八一农垦大学 信息技术学院，黑龙江 大庆 163319；2.哈尔滨商业大学 系统工程研究所，哈尔滨 150028) 摘要：’s暂态混沌神经网络模型，，。混沌神经网络，合优化问题中实验结果表明网络局部极小点并 关键词：；自反馈；: TP391 文献标识码: A 文章编号： A Novel Chaotic Neural Network with Gaussian Function Self-feedback and Its Application to TSP XU Nan1 Liu Lijie1 XU Yao-qun2 (1.College of Information Technology, Heilongjiang Bayi Agricultural University, Heilongjiang Daqing, 163319 2. Institute of System Engineering, Harbin University of Commerce, Harbin, 150028) Abstract: This novel chaotic neural network bases on the Chen’s transiently chaotic neural network. The linear Self-feedbak of the Chen’s network is changed to Gaussian nonlinear one. The dynamics behavior of the single neuron is researched by analyzing the backward bifurcation diagram and the Lyapunov exponent. A Novel Chaotic Neural Network with Gaussian Function Self-feedback is structured on the model of neuron. The new network is used to solve combinatorial optimization problem-TSP. The main parameters are researched for the capability of searching optimal path. The simulation result indicates that it can avoid the limit of being trapped into the local minima and converge to the equilibrium point with high optimal proportion. Key words：Nonlinearelf-feedback; Neuron; Gaussian function 0 引言 [2]，本人撰写的“径向基混沌神经网络及应用”[3]，这些工作使得对于深入研究有了一定的理论基础。本文继续该方向的研究，在Chen’s混沌神经网络模型的基础上，函数构成非线性自反馈，不同于线性自反馈网络。分析该神经元的动力学特性，并网络应用经典的TSP问题，能力。 暂态混沌神经元模型 ’s暂态混沌神经元模型的基础上，将其线性自反馈改为由高斯函数构成的非自反馈连接项现将单个神经元模型描述如下： (1) (2) (3) (4) 其中x(t)为神经元在时刻t的输出；y(t)为神经元在时刻t的内部状态；z(t)是自反馈连接项；f(u)为径向基函数的一种即高斯函数，在模型中与z(t)相乘构成非线性自反馈连接项；k为神经隔膜的阻尼因子，且0≤k≤1；ε0是激励函数的陡度参数；β是退火参数；I0为一正参数；δ是高斯函数的扩展常数或称宽度。NVIDIA GeForce G210M；程序运行环境选择Matlab7.0；计算机内存为2GB。 神经元的暂态混沌行为能够体现出由此构造出的混沌神经网络的搜索能力。因此首先通过该神经元的倒分岔图和最大Lyapunov指数时间演化图来分析该模型的动力学特性。 当参数选取ε0=0.8，y(1)=0.283，z(1)=0.5，k=0.1，I0=0.85，δ=0.25，c=0.0001固定不变，当分别选取β=0.0025与β=0.003时神经元的倒分岔图和最大Lyapunov指数时间演化图如图1-4所示。 图1 β=0.0025时神经元倒分叉图 图2 β=0.