基于脉冲耦合神经网络的混沌控制

计算机应用 ›› 2009, Vol. 29 ›› Issue (12): 3277-3279.

基于脉冲耦合神经网络的混沌控制

王新¹,马义德²,徐志坚¹,李涟凤³

1. 兰州大学信息学院
2. 兰州大学信息科学与工程学院电路与系统研究所
3. 兰州大学

收稿日期:2009-06-22 修回日期:2009-07-31 发布日期:2009-12-10 出版日期:2009-12-01
通讯作者: 王新
基金资助:
国家自然科学基金资助项目;教育部新世纪优秀人才支持计划项目;甘肃省自然科学基金资助项目－交叉皮层模型及应用研究

Chaos control based on pulse-coupled neural networks

Received:2009-06-22 Revised:2009-07-31 Online:2009-12-10 Published:2009-12-01
Supported by:
National Natural Science Foundation of China

摘要/Abstract

摘要： 根据脉冲耦合神经网络(PCNN)能产生混沌现象,研究了对配置混沌PCNN系统的李雅普诺夫指数使其稳定于期望点的方法。根据特定期望点的情况,按需要配置负的李雅普诺夫指数,产生不同的控制序列来改变混沌PCNN系统,达到稳定控制的要求。仿真和实验结果证明了该算法的有效性,实现了混沌PCNN系统从混沌状态到稳定期望点的控制。

关键词: 脉冲耦合神经网络, 李雅普诺夫指数, 混沌, 稳定控制

Abstract: According to that the Pulse Coupling Neural Network (PCNN) can display chaotic phenomenon under certain condition, the method of configuring Lyapunov exponents of chaotic PCNN system to set the system converged to a fixed point was studied. In this method, Lyapunov exponents were configured to be negative, according to the expectations of a specific point, the corresponding control sequences were produced, which altered the chaotic system so as to achieve the goal of stable control. Simulation results demonstrate the effectiveness of the proposed method, and the chaotic PCNN systems can be controlled from chaotic state to stable expectation.

Key words: Pulse-Coupled Neural Network (PCNN), Lyapunov exponent, chaos, stable control

王新马义德徐志坚李涟凤. 基于脉冲耦合神经网络的混沌控制[J]. 计算机应用, 2009, 29(12): 3277-3279.

[1]	高健, 李智, 樊缤, 姜传贤. 基于光线投射采样和四元数正交矩的高效三维医学影像鲁棒零水印算法[J]. 《计算机应用》唯一官方网站, 2023, 43(4): 1191-1197.
[2]	张玉杰, 王帆. 基于改进麻雀搜索算法的照明控制优化[J]. 《计算机应用》唯一官方网站, 2023, 43(3): 835-841.
[3]	马英杰, 肖靖, 赵耿, 曾萍, 杨亚涛. 可控网格多涡卷混沌系统族及其硬件电路实现[J]. 《计算机应用》唯一官方网站, 2023, 43(3): 956-961.
[4]	尹聪, 胡汉平. 基于时间注意力机制的时滞混沌系统参数辨识模型[J]. 《计算机应用》唯一官方网站, 2023, 43(3): 842-847.
[5]	李大海, 刘庆腾, 艾志刚, 王振东. 基于动态D向分割和混沌扰动的阴阳对优化算法[J]. 《计算机应用》唯一官方网站, 2022, 42(9): 2788-2799.
[6]	陈亮, 汤显峰. 改进正余弦算法优化特征选择及数据分类[J]. 《计算机应用》唯一官方网站, 2022, 42(6): 1852-1861.
[7]	徐光柱, 林文杰, 陈莎, 匡婉, 雷帮军, 周军. U-Net与自适应阈值脉冲耦合神经网络相结合的眼底血管分割方法[J]. 《计算机应用》唯一官方网站, 2022, 42(3): 825-832.
[8]	李学明, 吴国豪, 周尚波, 林晓然, 谢洪斌. 基于分数阶网络和强化学习的图像实例分割模型[J]. 《计算机应用》唯一官方网站, 2022, 42(2): 574-583.
[9]	赵耿, 张森民, 马英杰, 高世蕊. 基于抗退化混沌系统的动态S盒设计与分析[J]. 《计算机应用》唯一官方网站, 2022, 42(10): 3069-3073.
[10]	徐丽云, 闫涛, 钱宇华. 基于级联混沌系统的分数域语音加密算法[J]. 计算机应用, 2021, 41(9): 2623-2630.
[11]	汤安迪, 韩统, 徐登武, 谢磊. 混沌精英哈里斯鹰优化算法[J]. 计算机应用, 2021, 41(8): 2265-2272.
[12]	汤安迪, 韩统, 徐登武, 谢磊. 基于混沌麻雀搜索算法的无人机航迹规划方法[J]. 计算机应用, 2021, 41(7): 2128-2136.
[13]	贾鹤鸣, 姜子超, 李瑶, 孙康健. 基于改进斑点鬣狗优化算法的同步优化特征选择[J]. 计算机应用, 2021, 41(5): 1290-1298.
[14]	李珊珊, 赵莉, 张红丽. 基于猫映射的图像灰度值加密[J]. 计算机应用, 2021, 41(4): 1148-1152.
[15]	沈子懿, 王卫亚, 蒋东华, 荣宪伟. 基于Hopfield混沌神经网络和压缩感知的可视化图像加密算法[J]. 计算机应用, 2021, 41(10): 2893-2899.