在这里，您将找到用于混沌时间序列预测任务的径向基函数神经网络 (RBF-NN) 的两种变体。 特别是，我以常规方式实施了RBF，并将其性能与时空RBF-NN进行了Mackey-Glass时间序列预测。 * 对于引文，请参阅 [引用为] 部分

我所撰写的该文档里介绍了三种混沌映射的改进思路，分别为：耦合型混沌映射的设计原理，分数型混沌映射的设计原理以及离散分数阶混沌映射的设计原理。

针对粒子群算法（Particle Swarm Optimization，PSO）易陷入局部极值的缺陷，提出了一种新的自适应惯性权重混沌PSO算法（a New Chaos Particle Swarm Optimization based on Adaptive Inertia Weight，CPSO-NAIW）。首先采用新的惯性权重自适应方法，很好地平衡粒子的搜索行为，减少算法陷入局部极值的概率，然后在算法陷入局部极值时，引入混沌优化策略，对群体极值位置进行调整，以使粒子搜索新的邻域和路径，增加算法摆脱局部极值的可能。最后，实验结果表明，CPSO-NAIW算法能有效避免陷入局部极值，提高算法性能。

构建基于改进灰狼优化算法的神经网络数据预测模型(IGWO-BPNN)，目的在于用改进的灰狼优化算法优化神经网络模型，利用神经网络的反向传播优势，改善神经网络算法易于陷入局部最小值的缺陷，提高神经网络模型的预测精度。

混沌时间序列分析及其应用 吕金虎 武汉大学出版社

对混沌通信相关的仿真，对DCSK系统进行仿真，通过调制和解调，分析DCSK在高斯信道下的误码性能，运用MATLAB仿真出来

2021混沌工程技术沙龙（金融行业精品专场）PPT汇总，共6份。 1、混沌工程实践经验分享 2、如何做好混沌工程的行业化落地 3、混沌工程成熟度模型(CEMM)标准解读 4、混沌工程助力金融行业业务连续性管理 5、混沌工程应用实践 6、PingCAP 混沌工程探索与实践

很好的一本非线性的入门书,比较直观,浅显易懂

【主要内容】基于Python语言的非嵌入式混沌多项式展开方法软件 【适合人群】Python语言开发 【质量保障】任何问题私信我

【主要内容】针对随机不确定性问题的多项式混沌展开PCE工具箱（Matlab) 服务对象比如百度、阿里、腾讯等，诺伯特·维纳（Norbert Wiener）于1938年提出的多项式混沌扩展（PCE）。直观地，可以将PCE视为在不确定模型参数下以高维多项式形式构造和获得模型响应面的数学最优方法。 【适合人群】研发设计 【质量保障】任何问题私信我