混沌神經網路
混沌神經網路
混沌神經網路是由於神經網路是高度非線性動力學系統，而混沌又具有上述的特性，因此神經網路與混沌密切相關，所以混沌神經網路被認為是可實現其真實世界計算的智能信息處理系統之一。
目前對混沌神經網路的研究還處於初始階段，其研究主要限於認識單個神經元的混沌特性和對簡單混沌神經網路的行為分析。1990年，Aihara等在前人推導和動物實驗的基礎上，給出了一個混沌神經網路模型。大量的生物實驗表明，腦神經系統具有分岔、混沌和奇怪吸引子動力學行為，然而，神經網路作為一個極其複雜的非線性系統是否也具有類似的動力學行為呢？下面先介紹兩種混沌神經元的基本模型，並對神經元模型特性進行分析，進而引出了混沌神經網路模型。
目前廣泛研究的混沌神經網路模型是在Hopfield神經網路中引入了一個具有混沌特性的負反饋項，進而得到了混沌神經網路模型，因此在深入研究混沌神經網路之前，有必要先介紹一下Hopfield神經網路。美國物理學家J.J.Hopfield首先提出一種單層反饋網路系統，這種單層反饋網路就稱為Hopfield網路。反饋神經網路的非線性和高維數，使得現有工具難以確定其狀態軌跡，甚至可能出現混沌現象。由於具有混沌特性的神經網路其動力學特性十分複雜，因此獲得了廣泛研究