混沌神经网络学习笔记四

首次提出混沌神经网络的概念：Adachi神经网络

Adachi神经网络结构图：假设外部激励函数为常数a，神经元的内部状态变量为y(t),神经元在时刻t的输出为x(t)，不应性反馈常数为（通常为正值），不应性衰减因子为k。则可表示为：

                                                              

单个神经元的模型为下图：                                 

                                   

Adachi神经元模型和Nagumo-Sato神经元模型的重要区别是，Nagumo-Sato模型传输函数为阶跃函数，Adachi模型传输函数为Sigmoid函数。平均激活率的定义为：

                                                                   

超越方程：是指包含超越函数（指的是变量之间不能用有限次加、减、乘、除、乘方、开方运算表示的函数，如三角函数、对数函数、反三角函数、指数函数等等就是超越函数）的方程。

lyapunov（李雅普诺夫）指数：用来描述系统对初始值的极端敏感性。两个相差无几的初值所产生的轨迹，随着时间的推移按照指数方式进行分离，lyapunov指数就是用来定量描述这个现象的量。lyapunov指数可以衡量系统是否存在动力学混沌，正的lyapunov指数意味着在系统相空间中不管初始两条轨线的间距多么小，其差别都能随时间的演化成指数率增加而达到无法预测，这就是混沌现象。