細胞非線性網(wǎng)絡(luò)模型定態(tài)解映射的拓撲熵.pdf

1、細胞非線性網(wǎng)絡(luò)(Cellular Nonlinear Networks)又稱細胞神經(jīng)網(wǎng)絡(luò)(Cellular Neural Networks),簡稱CNN,是Chua和Yang于1988年提出的一種新的神經(jīng)網(wǎng)絡(luò)模型,它是將全局連接神經(jīng)網(wǎng)絡(luò)的部分特點與元胞自動機局部相互作用的特點結(jié)合起來,構(gòu)成局部直接連接的動力系統(tǒng).由于非線性神經(jīng)網(wǎng)絡(luò)的連接特點使得它易于硬件化,它廣泛用于信號處理、圖像分析、機器人、高維大腦活動等領(lǐng)域,有著巨大的應(yīng)用前景.隨

2、著研究的深入,細胞非線性網(wǎng)絡(luò)中的混沌和分叉現(xiàn)象及其應(yīng)用研究得到飛速的發(fā)展,但由于其復雜的動力學性質(zhì),至今還有許多問題遠未解決.拓撲熵作為一種拓撲共軛不變量,它對動力系統(tǒng)的混亂程度有著極好的數(shù)量描述,因此在動力系統(tǒng)的研究中占據(jù)著十分重要的位置.在該文我們將用拓撲熵來研究細胞非線性網(wǎng)絡(luò)的動力學性質(zhì),特別是由CNN的定態(tài)解誘導出的迭代映射的動力學性質(zhì).在該文第三部分,我們在閾值非零的情況下,重新對其定態(tài)解誘導的一維迭代映射進行了細致分析,得知