一种新型暂态混沌神经网络及其在函数优化中的应用

摘要

本文提出了一种新颖的混沌神经元模型,其激励函数由Gauss函数和Sigmoid函数组成,分叉图和Lyapunov指数的计算表明其具有复杂的混沌动力学特性.在此基础上构成一种暂态混沌神经网络,将大范围的倍周期倒分叉过程的混沌搜索和最优解邻域内的类似Hopfield网络的梯度搜索相结合,应用于函数优化计算问题的求解.实验证明,它具有较强的全局寻优能力和较快的收敛速度.