一种基于深度信念网络的混沌追踪控制方法

摘要

本发明公开了一种基于深度信念网络（DBN）的混沌追踪控制方法。它包括以下步骤：选取样本数据采样时间；采用四阶龙格‑库塔法获取超混沌系统样本数据；将训练数据送进深度信念网络，训练第一个受限玻尔兹曼机（RBM）；固定好第一个受限玻尔兹曼机的权重和偏移量，然后使用其隐性神经元的状态，作为第二个受限玻尔兹曼机的输入向量，训练好第二个受限玻尔兹曼机；计算实际输出和理论输出的误差，采用梯度下降法进行优化；将输出的拟合函数和追踪参考信号组合成一个控制器对混沌系统进行控制。本发明消除了进行混沌控制时系统数学模型必须已知的局限性，可以对任意信号进行追踪，同时也适用于高维度的混沌系统。