混沌神经网络学习笔记五

雅可比（Jacobian）矩阵：它是一阶偏导数以一定方式排列成的矩阵，行列式称为雅可比矩阵。它体现了一个可微方程与给出点的最优线性逼近。

汉明距离：表示两个（相同长度）的字对应位不同的数量，我们用d(x,y)来表示两个字x,y的汉明距离。对两个字符串进行异或运算，再统计结果是1的个数，那么这个数就是汉明距离。

：不应性反馈常数，一般为正值。：反馈衰减因子。:不应性衰减因子。a:外部激励参数。

Adachi神经网络：它作为一种混沌神经网络，和其他各种神经网络模型有显著不同的特点。当设置不一样的参数时，Adachi网络体现出不同的动力学特性。不同参数改变的情况如下：

1、设置参数，，，a都是0的时候，网络就是稳定的。2、当，，逐渐增大，并让a=2，网络先经过一个短暂的过渡状态以后就稳定在某个未知的状态。3、当，，继续增大时，网络经过一个较长的过渡状态就达到了稳定，这个稳定态就是训练集里的4个已知模式。因此训练集的4个已知模式就是网络的4个平凡吸引子。4、令，，不变，让训练集中的某个模式作为外部激励，网络就立刻体现出来周期性行为。训练集的4个模式仍旧是网络的4个平凡吸引子。5、令，，不变，让某个未知模式作为外部激励，系统就表现出了混沌状态，具有高维奇怪吸引子。

Adachi神经网络：每个神经元下一时刻的状态与三个因素有关，分别是：自身的当前状态，当前输出还有当前净输入。

经典的模式识别算法包括：模板匹配、统计分类、基于结构特征和人工神经网络。

Calitoiu-Oommen模型：用于实现模式识别，虽然该网络利用了混沌模型，但在适当参数控制下，网络的实际输出为周期轨道。它的输出由外部激励决定，和初始状态无关，类似于人脑进行模式识别的方法。如果外部激励是训练集中的某个模式，网络的输出就会和外部激励产生“共鸣”。具体表现是周期性出现Hamming距离为0的毛刺。如果外部激励不是训练集中的某个模式，虽然网络的输出仍然是周期性的，但是没有Hamming距离为0的毛刺出现。为了让Calitoiu-Oommen网络自动报告其输出的模式，可以采取频谱分析的手段来检测输出模式与哪个模式产生了“共鸣”，从而可以正确分类。