85、新型混沌神经网络与线性饱和系统模型在工程中的应用

新型混沌神经网络与线性饱和系统模型在工程中的应用

1. 新型混沌神经网络在自动材料配比系统中的应用

在自动材料配比系统中，新型混沌神经网络（NCNN）展现出了独特的优势。

1.1 NCNN 神经元动力学模型

NCNN 中第 $\alpha$ 层第 $i$ 个混沌神经元的动力学模型如下：
- 当 $t > t_0$ 时：
[
\begin{align }
x_i^{(\alpha)}(t + 1) &= \psi\left(\sum_{d = 0}^{t - t_0}k_sx_i^{(\alpha)}(t - d) - \sum_{d = 0}^{t - t_0}k_m\sum_{j = 1}^{N^{(\beta)}} \omega_{ij}^{(\alpha\beta)}(t)x_j^{(\beta)}(t - d) - \sum_{d = 0}^{t - t_0}k_r\gamma_i^{(\alpha)}(t - d) + vI_i^{(\alpha)}(t) - \theta_i\right)
\end{align }
]
- 当 $t \leq t_0$ 时，在上述方程中令 $d = 0$。
其中，$x_i^{(\alpha)}(t + 1)$ 是网络的输出；$N^{(\alpha)}$ 和 $N^{(\beta)}$ 分别是第 $\alpha$ 层和第 $\beta$ 层混沌神经元的数量；$L$ 是层数；$I_i^{(\alpha)}(t)$ 是第 $\alpha$ 层第 $i$ 个混沌神经元在 $t$ 时刻的外部输入；$v$ 是从输入到神经元的连接