搜索

文章查询

x

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

迟滞混沌神经元/网络的控制策略及应用研究

修春波 刘畅 郭富慧 成怡 罗菁

迟滞混沌神经元/网络的控制策略及应用研究

修春波, 刘畅, 郭富慧, 成怡, 罗菁
PDF
导出引用
导出核心图
  • 为了保持神经网络在优化计算求解过程中结构不被改变, 以迟滞混沌神经元和迟滞混沌神经网络为研究对象, 提出了一种基于滤波跟踪误差的控制策略来实现神经元/网络的稳定控制. 采用该控制策略, 在不改变非线性特性发生机理的情况下, 神经元/网络可实现函数优化计算问题的求解. 所设计的控制律包含两部分: 一部分是系统进入滤波跟踪误差面时的等效控制部分, 另一部分为确保系统快速进入滤波跟踪误差面的控制部分. 采用Lyapunov方法对神经元/网络的控制进行了稳定性证明. 根据待寻优函数直接求得神经元的控制律, 在该控制律的作用下, 神经元/网络可逐渐稳定到优化函数的极值点, 从而实现优化问题的求解, 仿真实验结果验证了该控制方法在优化计算中的可行性和有效性.
    • 基金项目: 国家自然科学基金(批准号: 61203302)和天津市应用基础与前沿技术研究计划(批准号: 14JCYBJC18900)资助的课题.
    [1]

    Bosque G, Campo I D, Echanobe J 2014 Eng. Appl. Artif. Intel. 32 283

    [2]

    Liu X D, Xiu C B 2007 Neurocomputing 70 2561

    [3]

    Xia J W, Park J H, Zeng H B, Shen H 2014 Neurocomputing 140 210

    [4]

    Wang X, Li C D, Huang T W 2014 Neurocomputing 140 155

    [5]

    Lang J, Hao Z C 2014 Opt. Laser Eng. 52 91

    [6]

    Yu S J, Huan R S, Zhang Y, Feng D 2014 Acta Phys. Sin. 63 060701 (in Chinese) [于舒娟, 宦如松, 张昀, 冯迪 2014 物理学报 63 060701]

    [7]

    Wang X Y, Bao X M 2013 Chin. Phys. B 22 050508

    [8]

    Kalpana M, Balasubramaniam P 2013 Chin. Phys. B 22 078401

    [9]

    Kwon O M, Park M J, Park J H, Lee S M, Cha E J 2013 Chin. Phys. B 22 110504

    [10]

    Zeng Z Z 2013 Acta Phys. Sin. 62 030504 (in Chinese) [曾喆昭 2013 物理学报 62 030504]

    [11]

    Cao J D, Lu J 2006 Chaos 16 013133

    [12]

    Huang X, Cao J D 2006 Nonlinearity 19 2797

    [13]

    He W L, Cao J D 2009 Nonlinear Dynam. 55 55

    [14]

    Zhu Q X, Cao J D 2010 Nonlinear Dynam. 61 517

    [15]

    Cao J D, Alofi A, Al-Mazrooei A, Elaiw A 2013 Abstr. Appl. Anal. 2013 940573

    [16]

    Liu X D, Xiu C B 2008 Neural Comput. Appl. 17 579

    [17]

    Sun M, Zhao L, Ding J C, Zao X 2010 Syst. Eng. Electron. 32 396 (in Chinese) [孙明, 赵琳, 丁继成, 赵欣 2010 系统工程与电子技术 32 396]

    [18]

    Xiu C B, Liu Y X, Lu L F 2010 Control Eng. China 17 300 (in Chinese) [修春波, 刘玉霞, 陆丽芬 2010 控制工程 17 300]

    [19]

    Yang G, Yi J Y 2014 Neurocomputing 127 114

    [20]

    Ding Z, Leung H, Zhu Z W 2002 Math. Comput. Model. 36 1007

    [21]

    Zhang Q H Y, Xie X P, Zhu P, Chen H P, He G G 2014 Commun. Nonlinear Sci. 19 2793

    [22]

    Li X D, Song S J 2014 Commun. Nonlinear Sci. 19 3892

    [23]

    Zhang X D, Zhu P, Xie X P, He G G 2013 Acta Phys. Sin. 62 210506 (in Chinese) [张旭东, 朱萍, 谢小平, 何国光 2013 物理学报 62 210506]

    [24]

    Jagannathan S, Vandegrift M W, Lewis F L 2000 Automatica 36 229

    [25]

    Jagannathan S, Lewis F L 2000 Inform. Sci. 123 223

  • [1]

    Bosque G, Campo I D, Echanobe J 2014 Eng. Appl. Artif. Intel. 32 283

    [2]

    Liu X D, Xiu C B 2007 Neurocomputing 70 2561

    [3]

    Xia J W, Park J H, Zeng H B, Shen H 2014 Neurocomputing 140 210

    [4]

    Wang X, Li C D, Huang T W 2014 Neurocomputing 140 155

    [5]

    Lang J, Hao Z C 2014 Opt. Laser Eng. 52 91

    [6]

    Yu S J, Huan R S, Zhang Y, Feng D 2014 Acta Phys. Sin. 63 060701 (in Chinese) [于舒娟, 宦如松, 张昀, 冯迪 2014 物理学报 63 060701]

    [7]

    Wang X Y, Bao X M 2013 Chin. Phys. B 22 050508

    [8]

    Kalpana M, Balasubramaniam P 2013 Chin. Phys. B 22 078401

    [9]

    Kwon O M, Park M J, Park J H, Lee S M, Cha E J 2013 Chin. Phys. B 22 110504

    [10]

    Zeng Z Z 2013 Acta Phys. Sin. 62 030504 (in Chinese) [曾喆昭 2013 物理学报 62 030504]

    [11]

    Cao J D, Lu J 2006 Chaos 16 013133

    [12]

    Huang X, Cao J D 2006 Nonlinearity 19 2797

    [13]

    He W L, Cao J D 2009 Nonlinear Dynam. 55 55

    [14]

    Zhu Q X, Cao J D 2010 Nonlinear Dynam. 61 517

    [15]

    Cao J D, Alofi A, Al-Mazrooei A, Elaiw A 2013 Abstr. Appl. Anal. 2013 940573

    [16]

    Liu X D, Xiu C B 2008 Neural Comput. Appl. 17 579

    [17]

    Sun M, Zhao L, Ding J C, Zao X 2010 Syst. Eng. Electron. 32 396 (in Chinese) [孙明, 赵琳, 丁继成, 赵欣 2010 系统工程与电子技术 32 396]

    [18]

    Xiu C B, Liu Y X, Lu L F 2010 Control Eng. China 17 300 (in Chinese) [修春波, 刘玉霞, 陆丽芬 2010 控制工程 17 300]

    [19]

    Yang G, Yi J Y 2014 Neurocomputing 127 114

    [20]

    Ding Z, Leung H, Zhu Z W 2002 Math. Comput. Model. 36 1007

    [21]

    Zhang Q H Y, Xie X P, Zhu P, Chen H P, He G G 2014 Commun. Nonlinear Sci. 19 2793

    [22]

    Li X D, Song S J 2014 Commun. Nonlinear Sci. 19 3892

    [23]

    Zhang X D, Zhu P, Xie X P, He G G 2013 Acta Phys. Sin. 62 210506 (in Chinese) [张旭东, 朱萍, 谢小平, 何国光 2013 物理学报 62 210506]

    [24]

    Jagannathan S, Vandegrift M W, Lewis F L 2000 Automatica 36 229

    [25]

    Jagannathan S, Lewis F L 2000 Inform. Sci. 123 223

  • [1] 庄志本, 李军, 刘静漪, 陈世强. 基于新的五维多环多翼超混沌系统的图像加密算法. 物理学报, 2020, 69(4): 040502. doi: 10.7498/aps.69.20191342
    [2] 王培良. 蚁群元胞优化模型在路径规划中的应用. 物理学报, 2020, (): . doi: 10.7498/aps.69.20191774
    [3] 王晓雷, 赵洁惠, 李淼, 姜光科, 胡晓雪, 张楠, 翟宏琛, 刘伟伟. 基于人工表面等离激元的厚度渐变镀银条带探针实现太赫兹波的紧聚焦和场增强. 物理学报, 2020, 69(5): 054201. doi: 10.7498/aps.69.20191531
  • 引用本文:
    Citation:
计量
  • 文章访问数:  435
  • PDF下载量:  230
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-06-30
  • 修回日期:  2014-10-28
  • 刊出日期:  2015-03-20

迟滞混沌神经元/网络的控制策略及应用研究

  • 1. 天津工业大学, 电工电能新技术天津市重点实验室, 天津 300387;
  • 2. 天津工业大学电气工程与自动化学院, 天津 300387
    基金项目: 

    国家自然科学基金(批准号: 61203302)和天津市应用基础与前沿技术研究计划(批准号: 14JCYBJC18900)资助的课题.

摘要: 为了保持神经网络在优化计算求解过程中结构不被改变, 以迟滞混沌神经元和迟滞混沌神经网络为研究对象, 提出了一种基于滤波跟踪误差的控制策略来实现神经元/网络的稳定控制. 采用该控制策略, 在不改变非线性特性发生机理的情况下, 神经元/网络可实现函数优化计算问题的求解. 所设计的控制律包含两部分: 一部分是系统进入滤波跟踪误差面时的等效控制部分, 另一部分为确保系统快速进入滤波跟踪误差面的控制部分. 采用Lyapunov方法对神经元/网络的控制进行了稳定性证明. 根据待寻优函数直接求得神经元的控制律, 在该控制律的作用下, 神经元/网络可逐渐稳定到优化函数的极值点, 从而实现优化问题的求解, 仿真实验结果验证了该控制方法在优化计算中的可行性和有效性.

English Abstract

参考文献 (25)

目录

    /

    返回文章
    返回