变频正弦混沌神经网络及其应用∗

胡志强 李文静 乔俊飞

1)(北京工业大学信息学部,北京 100124)

2)(计算智能与智能系统北京市重点实验室,北京 100124)

变频正弦混沌神经网络及其应用∗

胡志强1)2)†李文静1)2)乔俊飞1)2)

1)(北京工业大学信息学部,北京 100124)

2)(计算智能与智能系统北京市重点实验室,北京 100124)

(2017年1月4日收到;2017年2月7日收到修改稿)

针对暂态混沌神经网络全局寻优能力受限的问题,提出了一种基于脑电波生物机制的新型混沌神经网络模型——变频正弦混沌神经网络.该模型将变频正弦函数和Sigmoid函数组合作为非单调激励函数,本文给出了该混沌神经元的倒分岔图及Lyapunov指数的时间演化图,分析了其动力学特性.进一步将该模型应用到非线性函数优化和组合优化问题上,并分析了参数的变化规律.仿真实验证明变频正弦混沌神经网络比暂态混沌神经网络及其他相关模型具有更好的全局寻优能力.

混沌神经网络,脑电图,变频正弦混沌神经网络,组合优化

1 引 言

Hopfield神经网络(Hopfield neural network,HNN)已被证明是解决优化问题的有力工具［1].HNN采用梯度下降法进行寻优,极易陷入局部极小点或出现不可行解［2].Aihara等［3]在HNN结构的基础上引入负的自反馈,使其表现出混沌行为,提出混沌神经网络(chaotic neural network,CNN),利用混沌遍历性、伪随机性的特性实现不重复的全局搜索.但由于网络参数固定,导致网络无法稳定,文献[4]在Aihara等［3]研究的基础上引入混沌模拟退火机制,使网络的混沌行为呈指数衰减形式,最后退化为HNN,提出了暂态混沌神经网络(transiently chaotic neural network,TCNN),既利用了……