多脉冲控制的暂态混沌神经网络及其应用

针对多极值情况下暂态混沌神经网络(TCNN)只进行一次混沌动力施加而导致的部分极值点漏检问题,发展研究了一种名为脉冲暂态混沌神经网络(PICNN)的新型神经网络。PICNN通过对混沌动力控制因子z(t)和神经元输出陡度ε(l)两个参数的调制,将混沌动力以脉冲方式进行控制,施加于神经网络上,形成具有多频次跳出局部极小点功能的脉冲暂态混沌神经网络。PTCNN包含若干可调参数,可以控制整个系统呈现丰富多样的动力特性。随着混沌动力脉冲的间歇加入,系统交替进入混沌状态和稳定状态,因此既可以不断地跳出极小点的局域范围,又可以在局部区域内向此区域的极小点不断靠近,进而稳定到此极小点,使系统可以更有效地进行问题的全局寻优。算例表明,PTCNN比TCNN在全局寻优方面更具优势。PTCNN实际是TCNN的推广和延伸,比TCNN更具有一般性和更强的优化搜索能力,因此应用空间更为广泛。