混沌神经网络的应用和简介(1).ppt

* 混沌神经网络简介及其主要应用 * 1.引言 2.混沌理论简介 3.混沌问题举例 4.混沌神经网络的构造 5.混沌神经元的性质 6. SLF 混沌神经网络及其应用 目录 * 混沌神经网络具有丰富的非线性动力学行为，它具有高的潜在应用价值，生物学家已证明人脑的思维是在混沌与有序的边界上演化，因此研究混沌神经网络和获得类脑信息处理系统具有重大的学科前沿性意义。 1. 引言 * Evolution Computing Chaotic Dynamics Neural Network Fuzzy System Brain and Cognition Neurocomputing Science Brain-like Information System Thinking and Consciousness Subsystem Video and Audio Subsystem Intelligent Control Subsystem Information Science Large-scale Combinatory Optimization Information Theory Evolution Quantum Computing Software Dynamic Neural Networks Brain-like Computing Quantum Mechanics DNA Computing * 研究与生物神经元密切相关的混沌神经网络模型及动力学行为的成果，为探索人脑信息处理机制，特别是思维意识问题，提供坚实基础。 混沌神经网络具有无限个互不重叠的不稳定周期轨道，如每个轨道上寄存一个信息矢量，将可以实现动态海量存储器； 混沌预测、优化方法，如用在自然灾害、天气变化、金融工程等非平稳复杂现象分析，将起到不可估量的经济及社会效益； 项目成果在信息安全、通信、生物医学工程的具体应用，将为信息科学中许多新出现或传统方法难以解决甚至不能解决的问题探索一类崭新的解决途径。 1. 引言 * 2. 混沌理论简介 混沌的概念： 混沌（chaos）又称浑沌，人们通常用它来描述混乱、杂乱无章、乱七八糟的状态，在这个意义上它与无序的概念是相同的。 * 1961年美国气象学家洛伦兹根据他导出的描述气象演变的非线性动力学方程进行长期气象预报的模拟数值计算，探讨准确进行长期天气预报的可能性。 洛伦兹进行了两次计算，一个计算结果预报几个月后的某天是晴空万里，而另一个计算结果则告诉你这一天将电闪雷鸣！ 后来洛伦兹发现两次计算的差别只是第二次输入数据时将原来的0.506127省略为0.506。洛伦兹意识到，因为他的方程是非线性的，非线性方程不同于线性方程，线性方程对初值的依赖不敏感，而非线性方程对初值的依赖极其敏感。 2. 混沌理论简介 * 2. 混沌理论简介 方程是非随机的 不含任何随机项 确定性 非线性 初值依赖性 系统未来状态由 初始值和演化规则唯一确定 混沌由非线性产生 混沌一定是非线性 但非线性却不一定 产生混沌 多数问题不能通过 线性化进行解决 初值的微小变化 会引起结果剧变 即存在所谓的 “蝴蝶效应” * 2. 混沌理论简介 确定性 非线性 初值依赖性 混沌到底是什么？ 混沌问题 * 3. 混沌问题举例 蔡国梁等人于2007年提出了如下混沌系统: 其中a，b，c，h 为系统参数，当a=20，b=14，c=10.6，h = 2.8 时，系统的混沌吸引子如图所示： * 3. 混沌问题举例 * 4. 混沌神经网络的构造 * SLF模型：一种新暂态混沌的神经元模型， 模型中取激励函数为 Legendre 函数与 Sigmoid 函数的组合（此处取3阶），模型如下： 4. 混沌神经网络的构造 利用上述暂态混沌神经元模型， 可以建立暂态混沌神经网络模型： 选取以下优化函数： 函数 f 的最小值为 0，最小值点为（0.7,0.5）；局部极小点为（0.6, 0.4）与（0.6,0.5）。 4. 混沌神经网络的构造 * 4. 混沌神经网络的构造 神经元的暂态混沌动力学行为可以通过倒分岔图和最大Lyapunov指数时间演化图来考察，选取参数ε0=0.02，y(1)= 0.1，z(1)= 0.98，k =1，Io= 0.56，β = 0.001，λ = 1/3时神经元的倒分岔图和最大 Lyapunov指数时间演化图： 5. 混沌神经元的性质 5. 混沌神经元的性质 通过倒分岔图和最大Lyapunov指数时间演化图不难看出：该神经元模型具有暂态混沌动力学行为，由于混沌搜索具有内随机性和轨道遍历性，故此神经元模型能使网络尽可能地避免收敛到局部最小值；激励函数中参数λ的取值影响网络退出混沌状态的速度，由λ 分别取值1/3，1/2 和2/3