基于轨道空间压缩的混沌神经网络控制.pdfVIP

绑 26 卷粥 1 期 电子与信息学报 Vol. 26No.l 2004 年 1 月 Journal of Electronics Inforrna.tion Technology .Jall. 2004 基于轨道盟问压缩的混沌神经网络始制 l 何凶光 曹志彤 陈*平 最萍 (浙江大学物理羁杭州 310028) 擒 喜= 谣:立挺出了基于轨i草空间压缩的?且吨神经网络控制方法，利用该万浩对槌沌神经网络进行拽 制，使神绕网络的输出稳定地收i由于与问铺路始模式有最小汉明距离的存储模式或其反相梢式上. i:生控制方 除简单揭衍，物磁盘且明确. 关键i可 锵f电控制， 1盟内神经问锚，轨道空间压缩 中回骨樊唔 TN-052 文献辙识码 A 文撒编号 1009-5896(2004)01-0142-04 Controlling Chaos in a Neural Network Based on the Orbit Space Compression He Guo-guang Cao Zhi-tong Chcn Hong-ping Zhu Ping (Department 0/ P问sics， Zhejiang U.咄咄rsit日j Hangzh(J 也 311日。、 China) Abstract In thìs paper , a cOlltrollìng chaos method of the orbit 叩ace comprc8sìon is proposed for a Chaotic Neural Network(CNN)ιThe cùmput盯 simulatìon of thc chaotic behaviors of the CNN proves that eacb pattern can be cOlltrolled 11.iog the orbit space compressìon , Starting from any initial state the CNN can converge in a stored pattern 01 its inversc patte lIl, which has the smallest Hamming distance with the inìtial state. The controllillg method of the orbit spaceωmpression shows clear phy嗣ca1 meaning and can ue easily carried out. Key words Controlling chaos , Chaotic neural network , Orbit space compression 1 召|宵- 1昆沁神经网络由于其复杂的动力学特傲，与日opfield 等神辈在网络相比.具有较大的记忆辛辛 续匀较强的翁精性等特恢ll] ，因而核动态联想记忆、系统优化、{商息处理 [1-3[ ，将领域咐受到l 人 们极大的关注.由j自沌神经元组成的i 国沌神经网络，具有非周期的动态耳其想记忆功能，似由于 1击:5联想记忆是在闷络的;自1屯运动中得以实现事网络的输出沟连续改变的非周期状态，不能隐 定在某个已存储的模式上 [4[ 使得说沌神级网络的联想、ì.i3tz功能夜实际问题巾娘以得到底用e 要实现记忆模式的检索与朋忆，必须改变混沌运动的非周期状态，这就要对说沌神级网络泼行 饺制.我们已将何lL控制方法成功地应用于1昆沌神经网络控制中 [5[ 取得了较好的控制效巢， 倪该方法需要华先指定控制隧栋，使得t衷方法在实际mJlJ中受到j 限制.本文中，很搅斗目沌运动 的特性 i撞主主压缩说沌运动的轨道l!i旬，达到