混沌神經(jīng)網(wǎng)絡(luò)的關(guān)鍵技術(shù)及應(yīng)用研究.pdf

1、混沌神經(jīng)網(wǎng)絡(luò)具有混沌、分岔、吸引子等豐富的動(dòng)力學(xué)特性，是可實(shí)現(xiàn)真實(shí)世界計(jì)算的智能信息處理系統(tǒng)之一，在人工智能、信息安全、智能搜索、最優(yōu)化計(jì)算等領(lǐng)域具有重要的應(yīng)用價(jià)值，引起了學(xué)者的研究熱情。但是，關(guān)于混沌神經(jīng)網(wǎng)絡(luò)模型的設(shè)計(jì)原理涉及較少，網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和權(quán)值學(xué)習(xí)算法是研究的難點(diǎn)和熱點(diǎn)，應(yīng)用方面的研究還有待深入拓展。因此，本文圍繞混沌神經(jīng)網(wǎng)絡(luò)的神經(jīng)元、學(xué)習(xí)算法和應(yīng)用三個(gè)領(lǐng)域，結(jié)合混沌神經(jīng)網(wǎng)絡(luò)統(tǒng)一框架理論、Hebb學(xué)習(xí)規(guī)則、自動(dòng)學(xué)習(xí)機(jī)算法和核函數(shù)

2、等，在混沌神經(jīng)網(wǎng)絡(luò)的通用設(shè)計(jì)模型、優(yōu)化權(quán)值矩陣以及在軟件缺陷預(yù)測(cè)和信息安全領(lǐng)域的應(yīng)用等方面開展研究，主要取得了如下研究成果：
　　1.探索和研究混沌神經(jīng)網(wǎng)絡(luò)統(tǒng)一框架理論和通用設(shè)計(jì)模型，對(duì)混沌神經(jīng)網(wǎng)絡(luò)的構(gòu)建具有理論指導(dǎo)意義
　　分析了 Kwork-Smith統(tǒng)一框架理論，介紹了連續(xù)時(shí)滯混沌神經(jīng)網(wǎng)絡(luò)以及離散時(shí)滯混沌神經(jīng)網(wǎng)絡(luò)模型；提出一種離散混沌神經(jīng)網(wǎng)絡(luò)通用模型設(shè)計(jì)算法，通過選擇恰當(dāng)?shù)淖苑答來?xiàng)、耦合函數(shù)和外部激勵(lì)，強(qiáng)制神經(jīng)網(wǎng)絡(luò)產(chǎn)生

3、預(yù)期的混沌特性，并能實(shí)現(xiàn)模式識(shí)別或動(dòng)態(tài)聯(lián)想記憶等功能，并通過嚴(yán)格的雅可比矩陣、對(duì)角占優(yōu)矩陣和李雅普諾夫指數(shù)等分析了網(wǎng)絡(luò)產(chǎn)生混沌特性的充分條件。
　　2.提出基于instar規(guī)則和自動(dòng)學(xué)習(xí)機(jī)（Learning Automata）的混沌神經(jīng)網(wǎng)絡(luò)權(quán)值學(xué)習(xí)算法，豐富了學(xué)習(xí)算法的研究
　　通過對(duì)傳統(tǒng)的Hebb規(guī)則學(xué)習(xí)算法深入分析，指出其作為混沌神經(jīng)網(wǎng)絡(luò)的權(quán)值學(xué)習(xí)算法的缺陷；利用instar規(guī)則改進(jìn)無監(jiān)督Hebb學(xué)習(xí)算法，使混沌神經(jīng)網(wǎng)絡(luò)

4、具有更強(qiáng)的聯(lián)想記憶和模式識(shí)別能力；鑒于Adachi混沌神經(jīng)網(wǎng)絡(luò)的神經(jīng)元突觸權(quán)值矩陣是一個(gè)傳統(tǒng)的自動(dòng)關(guān)聯(lián)矩陣，根據(jù)Learning Automata原理提出了新的混沌神經(jīng)網(wǎng)絡(luò)權(quán)值學(xué)習(xí)算法，通過混沌特性的分析和模式識(shí)別性能的比較，證明了該學(xué)習(xí)算法的優(yōu)越性。
　　3.引入混沌神經(jīng)網(wǎng)絡(luò)解決軟件缺陷預(yù)測(cè)的類不平衡問題，為軟件缺陷預(yù)測(cè)拓展了新的研究方向
　　利用混沌神經(jīng)網(wǎng)絡(luò)在處理非線性問題上的優(yōu)勢(shì)，結(jié)合 Kernel函數(shù)將非線性不可分?jǐn)?shù)

5、據(jù)映射到高維特征空間實(shí)現(xiàn)線性可分從而降低計(jì)算量的特點(diǎn)，提出了Asymmetric Kernel Partial Least Squares Classifier（AKPLSC）和 Asymmetric Kernel Principal Compo-nent Analysis Classifier（AKPCAC）的方法，并利用混沌神經(jīng)網(wǎng)絡(luò)通用模型設(shè)計(jì)算法，建立了預(yù)測(cè)模型，解決軟件缺陷預(yù)測(cè)中的類不平衡問題。最后，使用NASA和SOFTLAB

6、的數(shù)據(jù)通過F-measure與Friedman測(cè)試方法，表明提出的算法性能良好，從而為軟件缺陷預(yù)測(cè)拓展了新的研究方向。
　　4.研究了混沌神經(jīng)網(wǎng)絡(luò)在密碼系統(tǒng)方面的應(yīng)用，提出新的混沌神經(jīng)網(wǎng)絡(luò)加密算法
　　針對(duì)當(dāng)前混沌神經(jīng)網(wǎng)絡(luò)加密系統(tǒng)的缺陷，提出了基于多混沌級(jí)聯(lián)系統(tǒng)的加密算法，具有良好的安全性和較高的計(jì)算效率，可應(yīng)用于快速圖像加密；利用時(shí)滯混沌神經(jīng)網(wǎng)絡(luò)的同步，基于退火控制策略，提出了一種非對(duì)稱密鑰加密系統(tǒng)，通過自適應(yīng)控制器利用參