Chua devresinin yapay sinir ağı ile modellenmesi
Bu makalede, kaos tabanlı çalışmalarda temel olarak kullanılan Chua devresinin yapay sinir ağı ile modellenmesi yapılmıştır. Gerçekleştirilen model yapısı, üç girişe ve üç çıkışa sahiptir. Girişler, Chua devresinin durum değişkeleri olup, çıkışlar ise bu durum değişkenlerinin bir sonraki durumu olarak ele alınmıştır. Chua devresi ile ilgili klasik modelleme çalışmalarında, matematiksel denklemler kullanılarak durum değişkenleri tanımlanmaktadır. Bu durumda, elde edilen matematiksel modellerin karmaşıklığı yapılacak olan analiz çalışmalarını güçleştirmektedir. Bu çalışmada ise, elde edilen model yapay sinir ağı tabanlı olduğundan, karmaşık yapıların analizine kolaylık getirmektedir. İstendiğinde farklı giriş-çıkış ilişkileri yeniden eğitim yapılarak modele öğretilebilmektedir. Bu sayede uyarlamalı bir Chua modeli elde edilmektedir. Çok katmanlı ileri beslemeli yapay sinir ağı kullanılarak elde edilen Chua devresi modeli test edilerek modelin başarımı grafiksel olarak sunulmuştur.
Modeling Chua's circuit by using artificial neural network
In this paper, Chua's circuit which is basically used in chaos studies modeled based on Artificial Neural Network. The realized model has three inputs and three outputs. The model inputs are state variables of Chua's circuit and the model outputs are iterative version of these inputs. In traditional studies related to modeling of Chua's circuit, state variables are described by mathematical equations. In this case, analysis studies become harder because of these mathematical models. The realized model is based on neural network so it is getting easier to analysis complex systems. Different input-output relations can be teaching to the model by new training. An adaptive Chua's circuit model is obtained by this proposed method. The computational efficiency and accuracy of multi layer feed forward neural network of Chua's circuit model is tested and these results are shown graphically.
___
- 1. Hanbay, D., Türkoğlu, İ., ve Demir, Y., (2006). Varikap Diyotun Uyarlamalı Ağ Tabanlı Bulanık Çıkarım Sistemi İle Modellenmesi, ASYU-Akıllı Şist. Yenilikler ve Uyg. Smp., İstanbul, 19-21.
- 2. Türk, M., (2004). Çok Modlu Kaotik Davranışların Benzetimi, Doktara Tezi, Fırat Üniversitesi Fen Bilimleri Enstitüsü, 83s.
- 3. Gülten, A., Türk M., (2003). Examination of chaotic behaviours using bond graph model, Journal of the Franklin Institute, 340 (6-7), 415- 422.
- 4. Kennedy, M.P., (1993). Three Steps to Chaos- Part I: Evolution, IEEE Transaction on Circuits and Systems, 40(10), 640-656.
- 5. Elwakil, A.S., and Kennedy, M.P., (2000). Improved Implementation of Chua's Chaotic Oscillator Using Current Feedback Op Amp, IEEE Trans. Circuits Syst., 47(1), 76-79.
- 6. Chua, L. O., Roska Tarnas, (2002). Cellular neural networks and visual computing, Cambridge University Press, ISBN: 0-521- 65247-2
- 7. Cannas, B., Cincotti S., Marchesi M., Pilo F., (2001). Learning of Chua's circuit attractors by locally recurrent neural networks, Chaos, Solitons, & Fractals, 12 (11), 2109-2115.
- 8. Özkurt, N., Savacı, F.A., (2006). The implementation of nonlinear dynamical systems with wavelet network AEU - International Journal of Electronics and Communications, 60 (5), 338-344.
- 9. Tao Yang, Lin-Bao Yang and Chun-Mei Yang, (1998). Application of neural networks to unmasking chaotic secure communication, Physica D: Nonlinear Phenomena, 124 (1- 3),248-257.
- 10. Kiliç, R., (2006). Experimental study on impulsive synchronization between two modified Chua's circuits • Nonlinear Analysis: Real World x Applications, 7 (5), 1298-1303.
- 11. Hwang, C.C., Hsieh, J.Y., Lin, R.S., (1997). A linear continuous feedback control of Chua's circuit, Chaos, Solitons & Fractals, 8 (9), 1507- 1515.
- 12. Haykin, S., (1994). Neural Networks, A Comprehensive Foundation, Macmillan College Publishing Comp. Inc.