تئوری آشوب(Chaos(

[azizkhany]

مدل های نورونی سیستم های آشوبگونه دلخواه

چکیده
در این مقاله یک روش ساده جهت بنای یک شبکه عصبی تکرارشونده به منظور تقلید از سری های زمانی آشوبگونه ، ارائه شده است. در این روش از تست Γ برای شناسایی جاسازی مناسب سری های زمانی استفاده شده و سپس مدل پیش بینی یک پله به صورت یک شبکه عصبی feedforward ساخته می شود. بعد از آن این شبکه تکرار می شود تا تقریبی نزدیک به دینامیک آشوبگونه واقعی تولید نماید.
پس از آن نشان می دهیم که چگونه دینامیک های آشوبگونه به وسیله فیدبک تاخیری پایدار می شوند. فیدبک تاخیری یک روش جذب کننده در کنترل است چرا که محاسبات آن کم بوده و به راحتی در سیستم های سخت افزاری قابل پیاده سازیمی باشد.
ما به طور خلاصه پایداری روش کنترلی مورد نظر را مورد بررسی قرار داده و نشان داده ایم که چگونه دو نسخه مستقل یک شبکه آشوبگونه با تغییر متغیرهای فیدبک سنکرون می شوند.

نویسنده مقاله: نسرین شعوری


دریافت مقاله:
http://azizkhany.persiangig.com/document/eca/ch-ch.doc

[azizkhany]

شناسایی سیستم های آشوبگونه با استفاده از شبکه های برگشتی خودسازنده

چکیده

این مقاله یک شبکه برگشتی خودسازنده (SCRNN) را ارائه می دهد که قادر است خود را به شکل یک ساختار فشرده جهت شناسایی سیستم های آشوبگونه، در بیاورد. شبکه مورد نظر از یک شبکه استاتیک غیرخطی و یک شبکه دینامیک خطی ، تشکیل شده است. الگوریتم آموزش آن شامل دو مکانیسم می شود : یکی وزن دهی اولیه هیبرید و دیگری یک روش بهینه سازی پارامتر. شبیه سازی های کامپیوتری بر روی سیستم های آشوبگونه گسسته که شامل نگاشت های logistic و Henon می باشند ، توانایی SCRNN را در شناسایی رفتار دینامیک این شبکه ها ،نشان می دهند.

نسرین شعوری
نویسنده مقاله:


دریافت مقاله:
http://azizkhany.persiangig.com/document/eca/ch1.doc