基于RBF网络的舰船混沌保密通信系统研究

介绍了利用RBF网络产生混沌序列的方法,无需针对每一种混沌映射设计单一的系统结构,增加了混沌序列的复杂度和抗噪声能力.同时还分析了RBF神经网络跟踪混沌序列的学习能力.仿真结果表明,利用 RBF网络输出混沌序列,不仅跟踪速度快而且精度高.对输出的混沌序列的统计特性进行检验,表明RBF网络产生的序列有良好的伪随机特性.     

基于RBF的混沌序列产生的新方法

介绍了利用RBF（Radial Basis Function）网络产生混沌序列的方法，即利用RBF网络跟踪混沌序列的模型，分析RBF神经网络对混沌序列的学习能力。最后利用最大Lyapunov指数判别法检验其序列，结果表明其序列具有较好的保密性能。     

混沌理论和神经网络相结合的舰船摇荡运动极短期预报

舰船摇荡运动具有混沌特性,因而可以应用混沌理论对其进行预报.介绍了混沌时间序列预测原理;建立了基于混沌理论相空间重构技术的RBF神经网络模型,并将其用于舰船摇荡运动预报;通过对某实船纵摇时历的预报计算,证明了采用混沌和神经网络相结合的预报方法,能有效提高预报精度和延长预报时长.     

混沌伪随机序列的产生及在网络安全中的应用

一般利用混沌产生随机序列都是用混沌迭代函数进行迭代运算产生 ,但是由于计算机的计算精度有限 ,每次迭代运算都会有舍入误差的出现。如果多次迭代 ,误差累计可能最终导致产生的序列退化为周期序列。介绍了一种混沌函数 ,利用这种函数可以直接产生混沌序列 ,并在计算机网络上进行了加解密实例验证     

基于RBF神经网络结构选择方法的Mackey-Glass与Lorenz混沌时间序列预测建模

混沌时间序列的频谱状态丰富,能在不同状态下反映信号的激励特性,所以常用作预测建模的测量序列.传统的混沌时间序列的结构选择往往依赖于经验,无法充分反映混沌系统的特性,容易导致模型的推广范围较窄.针对以上问题,提出了一种基于RBF网络的Mackey-Glass与Lorenz混沌时间序列预测模型,利用模型结构选择方法来充分反映混沌系统的时序特性,并通过模型优化等策略提高模型的泛化能力.结果表明,模型结构选择方法能有效提高混沌时间序列的预测精度,具有良好的应用前景.     

基于两层编码的进化算法及其在控制混沌中的应用

针对RBF(Radial Basis Function)网特点,提出基于两层编码的进化算法来同时确定网络结构和参数.文中分别采用两种不同的遗传算法GA(Genetic Algorithm)和进化规划EP(Evolutionary Programming)训练网络.实验结果表明,基于这三种不同进化算法的RBF网络都能有效地控制混沌系统,其中EP的训练和控制结果最优.     

基于混沌理论与RBF神经网络的船舶运动极短期预报研究

文章基于混沌动力系统相空间重构理论,利用关联维数法和最大Lyapunov指数法,对船舶运动时间序列的混沌特性进行了判定。并利用RBF神经网络较强的非线性映射功能,结合相空间重构理论建立了船舶运动极短期直接多步预报模型。实例预报结果表明,所建立的预报模型应用于船舶运动极短期预报取得了令人满意的预报精度,预报时间可达10 s。     

RBF神经网络混沌背景下微弱信号检测方法研究

船舶信号检测系统在检测水场压力值等信号时,会遇到海浪、强风等较强的噪声干扰。为了有效降低信噪比,提取微弱信号,本文提出基于RBF神经网络的混沌背景下微弱信号的检测方法。该微弱信号检测方法基于混沌动力学和静力学原理,利用RBF神经网络算法将敏感程度高的混沌振子与RBF神经网络拓扑结构相结合,构建抗干扰能力强、接收信号能力强的微弱信号检测系统。     

基于两层编码的进化算法及其在控制混沌中的应用

针对RBF（Radial Basis Function)网特点,提出基于两层编码的进化算法来同时确定网络结构和参数。文中分别采用两种不同的遗传算法GA（Genetic Algorithm）和进化规划EP（Evolutionary Programming）训练网络。实验结果表明,基于这三种不同进化算法的RBF网络都能有效地控制混沌系统,其中EP的训练和控制结果最优。     

混沌映射的保密性能分析

通过实例说明两个具有拓扑共轭关系的混沌映射具有相同的Lyapunov指数.指出了仅仅使用Lyapunov指数作为混沌映射的密码学特性描述,具有一定的局限性.并利用混沌序列的伪随机特性,通过计算映射的自相关函数、互相关函数等随机数值特性,结合Lyapunov指数,分析了混沌序列的保密性能.