修春波，劉玉霞，陸麗芬
天津工業大學自動化系，天津

山東水利職業學院機電工程系，山東日照

摘　　　要：提出了一種同時具有遲滯和混沌特性的神經元模型，并利用該模型構造出神經網絡，用于求解優化計算等問題。通過在神經元中引入自反饋，使得神經元具有混沌特性。將神經元的激勵函數改為具有上升分支和下降分支的遲滯函數，從而將遲滯特性引入神經元和神經網絡中。結合模擬退火機制，在優化計算初期，利用混沌特性可提高網絡的遍歷尋優能力，利用遲滯特性可在一定程度上克服假飽和現象，提高網絡的尋優速度。在優化計算末期，網絡蛻變為普通的Ｈｏｐｆｉｌｅｄ型神經網絡，按照梯度尋優方式收斂到某局部較優解。可通過構造能量函數的方法，將圖像識別中的特征點匹配等問題轉化為優化計算問題，從而可采用該神經網絡進行問題求解。仿真結果驗證了該方法的有效性。

關　鍵　詞：混沌；遲滯；神經元；神經網絡

１　引　言
“遲滯”和“混沌”現象存在于自然生物的神經網絡中，并且在生物信息處理中起著重要的作用。據此，人們提出了各種混沌神經網絡［１�玻玻莺瓦t滯神經網絡［３�玻罚荩�并分別利用混沌和遲滯特性來改善現有神經網絡的性能，從而提高神經網絡的信息處理能力。但目前，同時具有遲滯和混沌這兩種特性的神經網絡模型卻較少出現。本文提出了一種同時具有遲滯和混沌兩種特性的神經網絡模型，遲滯和混沌兩種特性在神經元中同時存在，可豐富神經元的動力學行為，從而可增強網絡的信息處理能力。通過實驗表明，該神經網絡在解決優化計算以及實際工程等問題中表現出良好的性能。

登錄網站后可下載文件