一种具有暂态混沌和时变增益的神经网络及其在优化计算中的应用

• 作者: 何振亚 王保云 谭营 邓超
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 神经网络 暂态混沌 时变增益 非线性优化 混沌退火 ML方向估计
• 年，卷（期）: 1998,（7）
• 所属期刊栏目: 学术论文与技术报告
• 页码范围: 123-127
• 分类号: TP3
• 语种: 中文
• DOI: 10.3321/j.issn:0372-2112.1998.07.019

摘要

本文提出了一种具有暂态混沌和时变增益的神经网络.通过引入暂态混沌和时变增益,该网络比Hopfield型网络具有更加丰富和更为灵活的动力学特征,从而具有更强的搜索全局最优解或近似全局最优解的能力.网络经过一个短暂的倒分叉过程逐渐趋近一个常规的Hopfield神经网络,并为其提供了一个在全局最优解附近的初值.它可以用于求解各种复杂的优化问题.大量的数字模拟表明网络能很好地解决Hopfield型网络的局部极值问题.最后我们已将这种神经网络成功地应用于空间信号源的最大似然方向估计.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何振亚	东南大学无线电工程系	81	1227	19.0	33.0
2	王保云	东南大学无线电工程系	8	46	3.0	6.0
3	谭营	东南大学无线电工程系	1	36	1.0	1.0
4	邓超	中国科技大学计算机科学系	2	47	2.0	2.0