混沌神经网络的研究进展

合集下载

基于混沌优化的模糊神经网络在交流调速控制中的应用

ｒｓｏｓｆｐｅｅｕａｉｎｓｓｅｅｐｎｅｏｓｅｄｒｇｌｔｙｔｍ．ＳｍｕａｉｎａｄｅｐｒｎａｅｕｔｓｏａｅｃｎｒｌｔｏＡＣｏｉｌｔｎｘｅｍｅｔｌｓｌｈｗｔｔｏｔｈｄｏｉｒｓｈｔｈｏｍｅａｐｉｄｔｐｅｅｌｔｎｓｓｅｈｓｎｉｒｔｎ，ｈｇｅｒｃｓｏｐｌｏＡＣｓｅｄｒｇａｉｙｔｍａｏｖｂａｉｅｕｏｏｉｈｒｐｅｉｉｎ，ｓｏｇｒｂｓｎｓｎｎｉ￣ｎｏｕｔｅｓａｄａｔ —
０引言
交流调速系统由交流电动机组成，其数学模型具有强耦合、参数时变、非线性的特点，采用传统的基于对象模型的ＰＤ控制方法已经很难取得理想的控制效果，就系统控制带来了一定的难度。模糊控Ｉ这
制与神经网络控制都不依赖于控制对象和精确的数学模型，一种非线性控制方法，有良好的控制效是具果。近年来人们将模糊控制与神经网络控制结合起来，利用模糊模型将经验知识转化到神经网络中，构成模糊神经网络控制器并应用于交流调速系统。但模糊控制规则的设计和神经网络的权值往往难以确定，响系统的控制效果，以系统参数的优化问题便成为控制的关键问题。在模糊神经网络控制技术影所中常用的是ＢＰ算法，由于ＢＰ算法是基于梯度的方法，在计算量大、习周期长、存学收敛速度慢和易陷人局部极小值等缺陷。采用遗传算法优化模糊神经网络，能取得一定的控制效果。然而遗传算法也存在收敛速度较慢、法自身参数选取困难、出现 “ 熟 ” 问题，算易早等因此，要寻求一种高效优质的优化需

基于径向基函数(RBF)神经网络模型的金融混沌预警研究

Ｍｏｔｌｎｈｙ
ＨＡＮｒＡＮＦＩＡＮＮＣＥ
基于径向基函数（ＢＦ神经网络模型建设银行湖南总审计室，湖南长沙４００中１０５）
摘要：文研究了金融混沌的预警问题。用径向基函数（Ｂ）经网络模型对金融系统重构相空间中的相点本利ＲＦ神
融系统在运行过程中陷于混沌状态。关键词：融混沌；向基函数；经网络模型；警金径神预
中图分类号：８０Ｆ３文献标识码：文章编号：０３９３（０２０－０２０ＯＩ１．９９．ｓ．０ — ０１０２０．８Ａ１０ — ０１２１）６０３－４Ｄ：０６／ｉｎ１３９３．１．０－３ｊｓ０２６
是完全连接，以。常情况下取输入层节点与隐含层节所通
性系统。依赖于传统技术经济的预警方法已经越来越不含层。由于输入层只是将信号传递到隐含层，两者之间
基金项目：家自然科学基金项目ｆ８３３）湖南省社科重点项目（５Ｄ８。国７７０７、００Ｚ０）
一
、
引言
而通过神经网络可以不必事先建立主观模型对系统运行状态进行预测与预警。特别是前馈型径向基函数（Ｂ）经网络的提出，以以任意精度、局最优、ＲＦ神可全结

人工神经网络综述论文

人工神经网络的最新发展综述摘要:人工神经网络是指模拟人脑神经系统的结构和功能,运用大量的处理部件,由人工方式建立起来的网络系统。

该文首先介绍了神经网络研究动向，然后介绍了近年来几种新型神经网络的基本模型及典型应用,包括模糊神经网络、神经网络与遗传算法的结合、进化神经网络、混沌神经网络和神经网络与小波分析的结合。

最后,根据这几种新型神经网络的特点,展望了它们今后的发展前景。

关键词:模糊神经网络;神经网络与遗传算法的结合;进化神经网络;混沌神经网络；神经网络与小波分析。

The review of the latest developments in artificial neuralnetworksAbstract:Artificial neural network is the system that simulates the human brain’s structure and function, and uses a large number of processing elements, and is manually established by the network system. This paper firstly introduces the research trends of the neural network, and then introduces several new basic models of neural networks and typical applications in recent years, including of fuzzy neural network, the combine of neural network and genetic algorithm, evolutionary neural networks, chaotic neural networks and the combine of neural networks and wavelet analysis. Finally, their future prospects are predicted based on the characteristics of these new neural networks in the paper.Key words: Fuzzy neural network; Neural network and genetic algorithm; Evolutionary neural networks; Chaotic neural networks; Neural networks and wavelet analysis1 引言人工神经网络的研究始于20世纪40年代初。

基于混沌理论网络攻击频率预测研究

ｕｎｙｐｅｉｔｔｏａｅｎｃａｔｉｑｅｃｒｄｃｉｎｍｅｈｄｂｓｄｏｈｏｃｔｅｉｓｆｒｃｓｉｇｍｏｅ．Ｆｒｔｏｉｍｅｓｒｅｏｅａｔｄ１ｉｌｎｓｙ，ｔｅｍａｉｍｙｐｎｖｉｄｘｈｘｍｕＬａｕｏｎｅｍｅｏｓｕｅｏｄｃｄｅｎｔｏｋａｔｃｅｕｎｙｏｈｔｈｔｄｉｓｄｔｅｉｅｔｅｒｔｋｆｑｅｃｃａｉｈｗａｒｆｏｃ，ａｄｔｅｈｈｓｐｃｅｏｓｒｃｏｓｕｅｏｎｎｔｅｐａｅｓａｅｒｃｎｔｔｎｉｓｄｔｈｕｉｒｃｎｔｃｈｒｇｎｌｄｔ．Ｌｓｌｈｅｒｃｎｔｃｉｎｄｔｐｔｄｉｔｈｅｒｅｏｋｆｒｌａｎｎ．Ｔｅｐｅｅｏｓｕｔｔｅｏｉａａａａｔｒｉｙ，ｔｏｓｒｔａａｉｉｕｔｎｏｔｅｎｕａｎｔｒｒｉｇｈｒ－ｅｕｏｓｎｅｌｗｏｅｄｃｏｅｕｔｆｅａｔｃｑｅｃｒｂｍｎｄｉｌｔｎｒｓｌｈｗａｈｏｍｅｐｅｉｔｎｍｅｈｄｒｖａｓｉｔｎｒｓｌｏｔｋｆｕｎｙａｅｏｔｅ．Ｓｍｕａｉｅｕｔｓｏｔｔｃａｓｔｒｄｃｏｔｏｅｅｉｓｔｈａｅｒｏｓｈｉｉｌ
ｔｅｎｔｒｔｃｅｅｃｈａｔｒｓｃ，ｓｌｅｅｐｏｌｍｈｔｒｄｔｎｌｏｅａｔｇｍｅｈｄｃｎｎｔｅｉｔｅ－ｈｅｗｏｋａｔｋｆｑｎｙｃａｃｅｔｓｏｖｓｔｒｂｅｔａａｉｏａｒｃｉｔｏａｏｐｃｔａｒｕｒｉｉｈｔｉｆｓｎｄｎ

基于反传混沌粒子群训练的前馈神经网络研究

朱群雄，董春岩，林晓勇
（北京化工大学信息科学与技术学院，北京１０００２９）摘要：为了解决前馈神经网络训练收敛速度慢、易陷入局部极值及对初始权值依赖性强等缺点，提出了一种
基于反传的无限折叠迭代混沌粒子群优化（ＩＣＭＩＣＰＳＯ）算法训练前馈神经网络（ＦＮＮｓ）参数。该方法在充分利
ｎｅｕｒａｌｎｅｔｗｏｒｋｓ ’ｗｅｉｇｈｔｓａｎｄｔｈｒｅｓｈｏｌｄｓ．ｗｈｅｎｎｅｔｗｏｒｋｐｒａａｍｅｔｅｒｓｃｏｎｖｅｒｇｅａｒｏｕｎｄｌｇｏｂａｌｏｐｔｉｍｕｍ．Ａｎｄｉｔｕｓｅｄｇｒａｄｉｅｎｔｉｎｆｏｒ —
法明显优于其他算法。关键词：前馈神经网络；ＢＰ网络；粒子群优化；混沌映射中图分类号：ＴＰ３０１．６文献标志码：Ａ文章编号：１００１ — ３６９５（２０１４）０１ — ０１２０ — ０４
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００ｌ一３６９５．２０１４．０１．０２８
ｂａｓｅｄｏｎｔｈｅｉｔｅｒａｔｉｖｅｃｈａｏｔｉｃｍａｐｗｉｔｈｉｎｆｉｎｉｔｅｃｏｌｌａｐｓｅｓｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎｆＩＣＭＩＣＰＳＯ）ｌｇａｏｒｉｔｈｍ．Ｔｈｉｓｌｇａｏｒｉｔｈｍｍａｄｅ

神经网络在混沌保密通信中的应用

收稿日期：０７０一ｌ２０ — ８９作者简介：慧杰（１７刘９９一）女。南新乡人。师．要从事光混沌保密通信研究．。河讲主
维普资讯
１８０
东莞理
工学院
学报
２０￣０７
控制。高度互联的、非线性的神经网络还具有混沌行为，能产生无法预测的序列轨迹，可设计成安
全可靠的快速密码算法。有反馈的神经网络是一个非线性动力学系统，非线性系统运动的一个复杂现象就是混沌。对于个非线性系统的某个吸引子，若从具有相近的初始条件开始的运动轨道随着时间越来越分开，则此时的系统就处于混沌状态。例如一个简单的非线性映射：Ｘ＋，（）ｆ（＝Ｘ１）ｎｌ，＝）Ｕ（一
神经网络在混沌保密通信中的应用
刘慧杰
（莞理工学院电子工程系，广东东莞５３０）东２８８
摘要：简述了神经网络的特点及其与混沌的内在联系，重点从神经网络在预测、产生混沌信号、形成混沌扩频序列、混沌系统的信道均衡、混沌同步和混沌通信中信息的加密与解密等几个角度阐述了神经网
维普资讯
第ｌ卷第５４期２０年ｌ０７Ｏ月
Ｊ０ＩＲＮＡＬ０ＦＤ０ＮＧＧＵＡＮｎＶＥＲＳＴＹＩＩ０ＦＴＥＣＨＮ０Ｌ０ＧＹ
东莞理工学院学报

一种混沌神经网络的混沌时间序列预测

ｓｉｓｉｉａｅｔａｈｒｓｎｅｅｗｏｋｍｏｅａｋａｉｎｄａｃｒｔｒｄｃｉｎｏｈｈｏｉｅｉｓｎｕｔｎｄｃｔｈｔｔｅｐｅｅｔｄｎｔｒｄｌｃｎｍａｅａｒｐｄａｃｕａｅｐｅｉｔｏｆｔｅｃａｔｃｓｒｅ，ａｄ
ｒｃｎｔｃｔｅｏｉｉａｆｔｒｓａｅｈｃｈｗａｔｅｍｄｌａｅｕｅｔｅｓｒｓｔｊｃｒ．Ｆｒｅｒｅｏｓｕｔｈｒｎｌｅｕｅｐｃ，ｗｉｓｏｓｔｔｈｏｅｃｎｒｓｍｈｅｉｒｅｔｙｕｔｒｒｇａｈｈｅａｏｈｍｏｅ
（ａｏａＫｙＬｂｏＣｍｍｎａｉ，ＥＴ，Ｃｅｇｕ６０５，Ｃｉ）ＮｔｎｌｅａｆｏｕｉｔｎＵＳＣｈｎｄ１０４ｈｎｉｃｏａ
ＡｂｔａｔＣｈａｓｉｏｌｎａｙａＣｂｈｖｏｘｓｅｅｒｌｙＡｉｉｇａｈｏｉｉｅｉｓｐｅｉｔｎ，ｓｒｃ：ｏｓａｎｎｉｅｒｄｎｍｉｅａｉｒｅｉｔｄｇｎｅａｌ．ｍｎｔｃａｔｃｔｍｅｓｒｅｒｄｃｉｏｔｅｐｐｒｐｅｅｓａｎｖｌｃｏｉｉｇｎｌｅｕｒｎｕａｅｗｏｋａｐｏｃｎｄａｓｒｓｎｓａｍｏｅｔｍｒ — ｈａｅｒｓｎｔｏｅｈａｔｄａｏａｌｒｃｒｅｔｎｅｒｌｎｔｒｐｒａｈａｌｏｐｅｅｔｍｎｕｇａｃｙｄｅｔｂａｋｐｏａａｉｎｔａｎｎｌｏｉｈ，ｗｈｃａｅｉｌｍｅｔｄｅｆｃｉｅｙＩｒｅｏｅａｕａｅｔｅｐｒｄｃｉｎｉｎｃ — ｒｐｇｔｒｉｉｇａｇｒｔｍｏｉｈｃｎｂｍｐｅｎｅｆｅｔｖｌ．ｎｏｄｒｔｖｌｔｈｅｉｔｏ

基于混沌理论的网络数据流RBF神经网络预测

维普资讯
第３卷第２期２３
３２Ｎｏ２．３
计
算机
工程
２０年１０６２月
Ｄｅｅｂｒ２０ｃｍｅＯ６
ＣｏｐｔｒＥｎｉｅｒｎｍｕｅｇｎｅｉｇ
・Ｉ网童与通信・｝
基于混沌理论的ＲＦ神经网络预测方法学习速度快，预测精度高。Ｂ
关ｔ诃：混沌理论；重构相空间；网络数据流；ＲＦＢ神经网络
ＳｕｙｏｎｅｎｅｒｆｃＤａａＦｌｗｒｃｓｆＲＢＦＮｅｔａｔｄｆｔｒｔａＩＴｉｔｏＦｏｅａｔｏｕｒｌ
ＮｅｗｏｋＢａｅｎＣｈｏｅｒｔｒｓｄｏａｓＴｈｏｙ
ＬｉｊｎＷＡＮＧＺｉｕｎＵＪｎｕ．ｈｑａ
（．ｃｏｌｆｕｍａｏ，ａｊｇｎｅｓｙｆｃｎｅｎｅｈｏｇ，ａｊｇ１０４１ｈｏｏＡｔｔｎＮｎｉｉｒｔｏＳｉｃｄｃｎｌｙＮｉ０９；ＳｏｉｎＵｖｉｅａＴｏｎｎ２
文一・帅 — ４（０２＿１＿４文标码・章号ｌｏ３８ｏ）＿ｏｏｏ２２６３ｏ＿＿献识Ａ
中分号ｔＰ８圈娄ｌＴ３
基于混沌理论的网络数据流ＲＦ神经网络预测Ｂ
陆锦军．壬执幢
（．１南京理工大学自动化学院，南京２０９；２１０４．南通职业大学现代教育技术中心，南通２６０）２０７
２ＣｅｔｒｆｄｃｔｎａｄＴｃｎｌｇ，ｎｏｇＶｃｔｎｌｌｇ，ａｔｎ２０７．ｎｅｕａｉｅｈｏｏｙＮａｔｎｏａｉａＣｏｌｅＮｏｇ２６０）ｏＥｏｎｏｅｎ

混沌稳定性分析及应用研究

混沌稳定性分析及应用研究第一章引言混沌理论作为一种新的动力学理论，在短短的几十年里就得到了广泛的应用，尤其是对于非线性系统的分析和控制方面有着重要的影响。

混沌是指一种复杂的非周期运动模式，它的运动是不可预测的，但时间上有一定的规律性。

混沌的数据具有很高的随机性和复杂性，其具有的分形、自相似、自组织等特征也被广泛研究和应用。

在混沌理论的基础上，混沌稳定性分析也是一个重要的方向。

本文将围绕混沌稳定性分析及应用展开论述。

首先介绍混沌的基本特征和分形等基础理论，随后详细讲解混沌系统的稳定性分析方法，包括李雅普诺夫指数法和分岔分析法，并且结合实例进行说明。

接着将介绍混沌控制方面的最新进展，包括开环控制、闭环控制和混沌同步控制等，最后将探讨混沌稳定性分析在现代科技中的广泛应用。

第二章混沌的基础理论2.1 混沌的定义与基本特征混沌是一个相对于周期运动和随机运动介于两者之间的动力学模式。

具体地，混沌的运动是非周期且具有确定的统计规律性，但是由于其敏感依赖于初始条件的特性，在长时间内其运动是不可预测的。

混沌现象的出现是由于非线性动力学系统的普遍性质，由此产生的混沌现象通常来源于系统参数的变化。

混沌数据具有分形、自相似、自组织等基本特征，同时其系统的规模、拓扑结构、耦合方式等都能影响混沌运动的特性。

在混沌理论的基础上，深入研究系统的拓扑结构和耦合方式等，可以实现对非线性系统的控制和优化等，具有重要的理论和实践意义。

2.2 分形与自相似混沌现象中最显著的特征之一就是其分形特性。

分形是指在不同尺度下具有相似结构的物体形态，例如树枝、云朵等。

分形是一种在几何形态上表现出层次性、自相似性、比例不变性、无限可再性等性质的图形。

混沌系统中的分形性与自相似也具有相似性，其非线性动力学方程正好代表了一种此类分形模型，例如Lorenz模型、Henon映射等。

分形和自相似的出现不仅在于此类系统的特性，更重要的是其应用于许多自然系统中，例如天气系统、经济系统、生态系统等，这些系统的结构和行为与分形有着密切的关系。

基于混沌优化的多层前馈神经网络

关键词：沌优化算法；经网络；次载１
文献标识码：Ａ
文章编号：０１４５（００１１０ — ５１２１）０—０００１９— ３
Ｍｕｔ—ａｅｅｄ－ｒｒｅｒｌｎｔｒａｅｎｃａｓｏｔｚｔｏｇｒｔｍｌ－ｙｒｆｅ－ｏｗａｄｎｕａｅｗｏｋｂｓｄｏｈｏｐｉｉｌｆｍｉａｉｎａｏｈｌｉ
最优解的方法训练神经网络，以布尔函数识别、曲线逼近、模式识别３个典型应用对算法进行验证。研究结果表明，算法具有较好
的泛化能力和快速全局收敛的性能，别是针对中小规模的网络，沌优化算法在训练时间、局收敛率等指标方面优于Ｂ特混全Ｐ算法。
ｎｕａｔｒｓｄｏ “ｍｕｔｐｅｃｒｉｒｔｃｎｏｏｙｗａｒｐｓｄ．Ｕｓｎｈｅａｐｒｘｍａｅｏｔｍａｅｕｌｈａｅｎｆｕｎｎｈｕｓｉｅｒｈｅｒｌｎｅｗｏｋｂａｅｎｌｉｌ — ａｒｅ ” ｅｈｌｇｓｐｏｏｅｉｇｔｐｏｉｔｐｉｌｒｓｔｓｂｅｏｄｉｅｒｔｃｓａｃｉ
第２７卷第１０期２１００年ｌ０月
机
电
工
程
Ｖ１２ｏ１ｏ．７Ｎ．０
ＪｕｎｌｆＭｅｈｎｃｌ＆ＥｌｃｒｃｌＥｇｎｅｉｇｏｒａｃａｉａｏｅｔａｎｉｅｒｉｎ
０ｃ．２１ｔ００

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

法等【ｌ４。
混沌现象是非线性确定性系统的一种内在随机过
程的表现，普遍存在于自然界及人类社会中。近年来。越来越多的实验表明人脑中存在混沌现象【２。沌１】混，
理论可用来理解脑中某些不规则的活动，而。沌动从混
ｎｔｏｐｉｉｔｎａｉｎｏｔｚｉｍａｏ
中围分类号：Ｐ８Ｔ１３
文献标识码：Ａ
对于高维映射，１中映射函数的导数要推广成式（）
演化算子的导算子，计算进人每个点的切空间【Ｉ使３。
１引
言
其他的识别混沌的方法还有Ｐｉｃｒｏａｅ截面法、率谱ｎ功
和深入研究的必要性。本文旨在对当今混沌神经网络
的研究作一简要回顾。
２混沌的识别
对于混沌的概念。前尚无统一的严格的定义。目
一
下面。已构造出的三种混沌神经元模型作一介将
绍：
３１全局耦合映射（Ｃ模型．ＧＭ）该模型是由Ｋａｅ０５提出的。个神经元满足ｎｋ【１每Ｌｇｔ映射，ｏｉｉｓｃ由许多个这样的混沌单元所构成的系
维普资讯
２００２年第６期
微
机
发
展文章编号：０５７１２０）６—０３１０ —３５（０２００３—０３
混沌神经网络的研究进展
ＲｅｅｒｈＰｒｇｅｓｏｓａｃｏｒｓｆＣｈａｔｃＮｅｒｌＮｅｗｏｋｏｉｕａｔｒｓ
薹（ｌＩｎＩ／
（１）
一
ａｔｒｓｉｓａｄａｐｃｔｎｏｈｈｏｉｅａｅｗｏｋ．ｃｅｌｔｃｎｐｆａｉｆｔｅｃａｔｎｕｌｎｔｒｓＴｈｅｒ．ｉｏｃｒｅｓａｃｅｕｔｈｗｈｔｔｅｃａｔｅｒｌｎｔｒｓａｅｍｏｅｅ．ｅｒｈｒｓｌｓｓｏｔａｈｈｏｉｎｕａｅｗｏｋｒｒｆｃｆｃｉｅｔａｔｅｘｉｔｎｅｒｔｒｓｔｏｖｓｏｉｔｅｅｔｖｈｎｏｈｒｅｓｉｇｎｕａｎｅｗｏｋＯｓｌｅａ沌神经网络在求解复杂优化问题和联想记忆等方面比现有网络有着更好的性能。关键词：混沌神经网络；联想记忆；组合优化
ＡｂｔａｔＲｅｉｗｓｔｅｒｓａｃｒｇｅｓｏｈｏｉｅｒｎｍｏｅｓｒｃ：ｖｅｈｅｅｒｈｐｏｒｓｆｃａｔｎｕｏｄｌｃａｈｏｉｅａｅｗｏｋｎｒｃｎｅｒ，ｎｒｄｃｓｔｅｃａ．ｎｄｃａｔｎｕｌｎｔｒｓｉｅｅｔｙａｓｉｔｏｕｅｈｈｒｃｒ
石园丁，王建华（东船舶工业学院电子与信息系，华江苏镇江２２０）１０３
Ｓｕｎｄｎ，ＨＩＹａ－ｉＷＡＮｉ－ｕＤｐ．ｆｌｔｎｃｄＩｆｒｔｎＥｓＣｉａＳｉｂｉｉｇＩｓｉｔ，ｈｎｉｇＪｇＧＪｎｈａ（ｅｔｏｅｒｉａｏｍａｏ，ａｔｈｎｈｕｌｎｎｔｕｅＺｅｊｎａＥｃｏｓｎｎｉｐｄｔａＳ２２０，ｈｎ）１０３Ｃｉａ
３混沌神经元模型及混沌神经网络通常，构造混沌神经网络的方法主要有以下两种：１）构造混沌神经元模型，并基于该模型构造混沌神经网络。２）利用已有的神经网络模型研究它们发生混沌
的条件。
力学为人们研究神经网络提供了新的契机。虽然到目前为止，科学家们还不能全面阐明混沌在脑信息处理中的作用。但生物系统惊人的完善性使他们相信混沌在神经电活动中起着重要作用。充分意识到进行大量
维映射只有一个Ｌａｕｏｙｐｎｖ指数，它可能大于、
等于或小于零。正的Ｌａｕｏｙｐｎｖ指数表明系统的运动轨道在每个局部都不稳定，相邻轨道指数分离。系统处于混沌状态；负的Ｌａｕｏｙｐｎｖ指数则表明轨道在局部也是稳定的，对应系统的周期运动。由负变正，明运表
摘要：回顾了近年来几种主要混沌神经元模型及混沌神经
方程直接得到的具有随机性的运动状态称为混沌。对
网络的研究进展．绍了其特点及主要的应用。已有的研究介
于混沌现象的识别主要依据Ｌａｕｏｙｐｎｖ指数。对于一维映射ｘｌ：ｆｘ）其Ｌａｕｏ指数定＋（，ｙｐｎｖ
动向混沌转变。
ｍｅｒｎｏｌｐｉｚｔｎｐｏｌｍｓ．ｍｏｙａｄｃｍｐｅｏｔｍｉａｉｒｂｅｘｏ
Ｋｅｒｓｃａｔｃｎｕａｅｗｏｋａｓｃａｉｅｍｅｙ；ｏｂ．ｙｗｏｄ：ｈｏｉｅｌｎｔｒｓ；ｓｏｉｔｍｏｒｃｍｉｒｖ