資源描述：
《傅立葉混沌神經(jīng)網(wǎng)絡模型中的模擬退火策略》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。
1、傅立葉混沌神經(jīng)網(wǎng)絡模型中的模擬退火策略徐耀群，秦峰哈爾濱商業(yè)大學系統(tǒng)工程研究所哈爾濱150028哈爾濱商業(yè)大學計算機與信息工程學院,黑龍江哈爾濱150028(E-mail:xuyq@hrbcu.edu.cnherainhe@126.com)摘要：本文分析了傅立葉混沌神經(jīng)網(wǎng)絡模型的動力學特性對自反饋連接權(quán)值的敏感性,研究了退火函數(shù)對優(yōu)化過程中的準確性和計算速度的影響。并利用暫態(tài)混沌神經(jīng)網(wǎng)絡退火過程分段的思想對傅立葉混沌神經(jīng)網(wǎng)絡模型進行改進,提出了一種具有隨機性和確定性并存的優(yōu)化算法，在保證優(yōu)化算法準確性的基礎上,加快收斂速度,并利用對經(jīng)典旅行商(TSP)的研究,表明算法具有很強的克服
2、陷入局部極小能力,較大程度提高了優(yōu)化、時間和對初值的魯棒性能,驗證了這種優(yōu)化策略的有效性，同時給出了模型參數(shù)對性能影響的一些結(jié)論.關(guān)鍵詞：傅立葉混沌神經(jīng)網(wǎng)絡；模擬退火；TSPFourierchaoticneuralnetworkmodelofsimulatedannealingstrategyYaoqunXu,FengQinInstituteofSystemEngineering,HarbinUniversityofCommerce,Harbin,150028SchoolofcomputerandInformationEngineering,HarbinUniversityofCo
3、mmerce,Harbin,150028(E-mail:xuyq@hrbcu.edu.cnherainhe@126.com)Abstract:Fourieranalysisofthechaoticneuralnetworkmodelofthedynamicsofthefeedbacksincethevalueofthesensitivityoftherighttoconnecttostudythefunctionoftheannealingprocessofoptimizingtheaccuracyandspeedofimpact.Andusingtransientchaoticn
4、euralnetworkofsub-annealingprocessofthinkingoftheFourierchaoticneuralnetworkmodeltoimprove,aco-existwithuncertaintyandrandomnessoftheoptimizationalgorithm,toensureaccuracyofoptimizationalgorithm,onthebasisofspeedingupConvergencerate,andusingtheclassictravelingsalesman(TSP)studyshowedthatthealg
5、orithmisverystrongcapacitytoovercomealocalminimum,thegreatertheincreaseoptimization,timeandtheinitialvalueofrobustperformance,thecertificationofthisoptimizationTheeffectivenessofstrategies,giventhemodelparametersontheperformanceofsomeoftheconclusions.Keywords：Fourierchaoticneuralnetwork；Simula
6、tedAnnealing；TSP0引言在過去幾年里，Hopfield神經(jīng)網(wǎng)絡已經(jīng)被證明是解決組合優(yōu)化問題的有效工具，但是由于其利用梯度下降的動力學,因此這種網(wǎng)絡在求解許多實際優(yōu)化問題時所遇到的最大困難是極易陷入局部極小點[1]。為了解決這一問題,人們將混沌動力學的全局搜索特性引入神經(jīng)網(wǎng)絡之中,提出了多種混沌神經(jīng)網(wǎng)絡模型,其中大多數(shù)是通過在Hopfield網(wǎng)絡中引入自反饋而使自身表現(xiàn)出暫態(tài)的混沌動力學行為以避免陷入組合優(yōu)化問題的局部極小點，因此網(wǎng)絡的動態(tài)特性很敏感地依賴于自反饋連接權(quán)值，類似于隨機模擬退火中的溫度,其一般按指數(shù)退火函數(shù)動態(tài)變化,對網(wǎng)絡的優(yōu)化性能和收斂速度有很大的影響。
7、有許多學者針對這一問題，提出了改進方法。例如：修等[2]通過指數(shù)遞減的自反饋提出了激勵函數(shù)由Sigmoid和Gauss函數(shù)組合的線性自反饋混沌神經(jīng)網(wǎng)絡，費等[3]通過指數(shù)遞減的自反饋提出了內(nèi)外方法結(jié)合的線性混沌神經(jīng)網(wǎng)絡，Zhou等[4]通過控制非線性函數(shù)中的參數(shù)提出了具有非線性自反饋的混沌神經(jīng)網(wǎng)絡。本文通過引入徐耀群,孫明等提出的一種傅立葉混沌神經(jīng)元模型，該混沌神經(jīng)元模型的激勵函數(shù)由Sigmoid函數(shù)和三角函數(shù)加和組成，并利用一種改進的變指數(shù)退火函數(shù),提出對自反饋權(quán)值
