摘要
基于组合电路测试生成的Hopfield神经网络模型 ,提出了一种利用混沌神经网络的全局搜索能力进行测试生成的有效算法。该算法综合了随机性和确定性算法的优点 ,通过对有关参数的调节 ,使网络逐渐由混沌神经网络向Hopfield神经网络过渡。实验结果验证了该测试生成算法的有效性与相关性能。
Based on a Hopfield neural network model for combinational circuit test generation, a test generation algorithm using global searching ability of chaotic neural networks is proposed. The algorithm combines the advantages of stochastic algorithm and deterministic algorithm. By altering some parameters, make the chaotic neural network transit gradually to Hopfield network. The experimental results confirm the effectiveness and performance of the algorithm.
出处
《电子测量与仪器学报》
CSCD
2002年第3期56-60,共5页
Journal of Electronic Measurement and Instrumentation
基金
国防科技预研基金资助项目 (课题代号 :JKA40 0 1 0 0J1 7-1 -5 -DZ0 2 2 6)
关键词
混沌
神经网络
组合电路
测试生成
优化算法
Chaos, neural network, combinational circuit, test generation, optimization algorithm.
