共查询到17条相似文献,搜索用时 109 毫秒
1.
基于神经网络预测器的混沌海杂波弱信号检测 总被引:7,自引:1,他引:7
针对海杂波中的弱信号检测问题,借鉴杂波的混沌动态建模思想,重点讨论非线性混沌序列的神经网络建模、预测及信号检测方案。基于神经网络拟合非线性函数的能力.提出神经网络预测混沌时间序列的算法和信号检测方案。介绍了所提算法的原理和步骤,针对具体应用问题,用计算机仿真和实测数据试验验证了所提算法检测混沌噪声中弱小的暂态信号的有效性。 相似文献
2.
3.
混沌光学系统的前向神经网络系统辨识研究 总被引:2,自引:0,他引:2
为解决混沌光学系统自适应控制所需之控制参考动力学模型问题,以布拉格声光混沌系统的系统辨识为例.研究了利用前向神经网络对混沌光学系统进行系统辩识的可行性。计算机仿真实验发现.在静态BP算法支持下一结构十分简单的三层BP前向神经网络(1:4:1)即可在一定的精度范围内完成对布拉格声光混沌系统的系统辨识.此结果表明.三层前向BP神经网络在静态BP算法的支持下确是一良好的混沌光学系统辨识器,因而可用来处理混沌光学时间序列以进行混沌光学系统的动力学重构。 相似文献
4.
5.
混沌系统的动态神经网络自适应控制 总被引:1,自引:1,他引:0
针对混沌系统模型误差,该文提出一种非线性鲁棒自适应辨识和控制新方法,目标是通过下面两个步骤将混沌系统镇定到不动点:首先利用动态神经网络对系统进行辨识,然后在辨识估计基础上设计控制器将混沌状态引导至期望目标位置;并且对系统的稳定性能进行了严格数学分析;Duffing方程的数值仿真实验证明了所提出方法的有效性。 相似文献
6.
7.
《电子技术与软件工程》2016,(19)
运载火箭伺服机构由于存在刚度非线性因素的影响,在运行过程中会出现混沌振动等异常现象,这严重影响了系统运行的稳定性,本文以此为研究内容,利用BP神经网络法进行控制,并利用matlab进行仿真分析,仿真结果验证了该方法的可行性。 相似文献
8.
9.
基于神经网络的混沌信号源的设计及同步 总被引:1,自引:1,他引:0
该文应用具有全局最优的BP改进算法和神经网络的强大学习能力、逼近任意非线性能力和权值调整的灵活性来优化混沌信号源的设计,采用非线性负反馈实现了神经网络混沌信号源之间的同步。计算机仿真结果表明:由于该模型充分利用了逼近任意非线性能力和网络权值调整的灵活性,比单一混沌映射能产生更多的、具有良好相关性能的混沌信号,且易于同步。 相似文献
10.
11.
基于耦合的混沌神经网络建模方法 总被引:3,自引:0,他引:3
混沌状态下神经网络行为的研究是神经网络理论的一个新内容,由于它可能揭示脑活动的深层机制而广受重视,但是混沌网络信息处理能力进行大量和深入研究却遇到许多障碍,其问题之一是难以为网络系统选择适当的非线性参数。本文提出一种建立混沌神经网络模型的简单耦合方法,解决了选择参数的困难,计算机模拟结果表明,用该模型研究混沌状态下网络动态行为是有效的。 相似文献
12.
文章主要讨论了如何利用神经网络对宽带功放进行动态非线性行为建模的问题。首先简述了功放的动态非线性特性及行为建模的方法。然后回顾了基于实数时延前馈神经网络、径向基函数神经网络等浅层神经网络构建的功放动态非线性行为模型。在此基础上,针对5G/6G宽带功放具有更强的记忆效应的问题,重点分析了如何使用长短期记忆(LSTM)神经网络对功放的动态非线性进行精确的行为建模。最后展望了构建具有普适性的功放非线性行为模型将是5G/6G通信时代功放非线性建模的一个重要发展方向。 相似文献
13.
本文给出了一种利用线性输出神经网络实现标量混沌信号同步控制的方法。该方法利用线性输出神经网络构造被控混沌系统的模型,并基于Lyapunov理论与非线性系统控制方法,设计出神经网络权值变化规律与非线性反馈控制器,使神经网络模型的标量输出能大范围同步于给定的标量混沌信号。理论分析与计算机模拟结果都证实了这种方法的有效性。 相似文献
14.
15.
三神经元CNN不对称权重自治系统中非线性动力学性质研究 总被引:1,自引:0,他引:1
本文研究了一个含有三神经元CNN不对称权重自治系统的非线性动力学性质,用计算机模拟和电路实验的方法,全面描述了该系统在各种参数下出现的周期及混沌现象。 相似文献
16.
约束优化神经网络建模和控制策略研究 总被引:3,自引:0,他引:3
根据人工神经网络的基本优化机理,研究了基于Lagrange函数的适合于求解一般约束问题的神经网络建模方法,探讨了神经元非线性度和拉氏乘子等提高网络优化设计效率的控制策略,测试结果证明了提出的网络和控制策略的可行性和有效性。 相似文献
17.
Ibukahla M. Sombria J. Castanie F. Bershad N.J. 《Communications, IEEE Transactions on》1997,45(7):768-771
This paper presents a neural network approach for modeling nonlinear memoryless communication channels. In particular, the paper studies the approximation of the nonlinear characteristics of traveling-wave tube (TWT) amplifiers used in satellite communications. The modeling is based upon multilayer neural networks, trained by the odd and even backpropagation (BP) algorithms. Simulation results demonstrate that neural network models fit the experimental data better than classical analytical TWT models, 相似文献