忆阻神经网络的同步控制及在信息安全中的应用研究
发布时间：2021-04-04 21:52
忆阻器被认为是模拟神经突触的完美器件,利用忆阻器来模拟神经突触的人工神经网络被称为忆阻神经网络。同步是神经网络中一种重要的动力学行为,在合适控制器的作用下神经网络可以实现各种类型的同步。忆阻神经网络及其同步控制在智能机器人的协同控制、精神疾病（如癫痫）的预防与防治、联想记忆和对人脑的认知等领域有着重要应用。因为忆阻器特有的捏滞回线特性,忆阻神经网络往往呈现出独特的动力学行为,并能生成一些新型的混沌系统。基于忆阻神经网络的动力学行为,忆阻神经网络及其同步控制还可以被应用于安全通信、图像加密和伪随机数生成器等信息安全领域。本文研究了忆阻神经网络的自适应同步、忆阻神经网络的有限时间同步、忆阻神经网络的固定时间同步,以及忆阻神经网络在安全通信和图像加密中的应用。主要工作和创新成果如下:1.忆阻神经网络的自适应同步,这部分包括我们所做的三个工作。在第一个工作中,通过设计一个自适应控制器,证明了既带混合时延又带随机扰动的耦合忆阻神经网络可在这个控制器的作用下实现均方渐近同步,在证明的过程中还用到了 Ito公式和LaSalle不变原理等。在第二个工作中,通过设计两个双层自适应控制器,证明了带混合时延...
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：165 页
【学位级别】：博士
【部分图文】：
图１－２?（ａ）包含电荷控制型忆阻器的电路及炉一ｇ曲线；（ｂ）捏滞回线；??（ｃ）?／（／）和ｇ⑴的演化曲线；（ｄ）?ｖ（？）和０？）的演化曲线??前面介绍的两种理想忆阻器虽然简单，但是并没有人能够提出相应的物理模??型
忆祖种经阿络的电路实现
假设矣（Ｘ１?（０，?Ｘ２?（０，?Ｘ３?（〇，?Ｘ４?（〇）满足??ｈｔ?（ｘ，?（／），?ｘ２?（〇，?ｘ３?（ｔ），?ｘ４?（／））?＝?０．?＼ｄｉａｇ（ｘｎ?（ｔ）?－?ｘ／＋１，?（〇，?ｘ，２?（ｔ）?－?ｘｌ＋ｌ２?（〇），??／?＝?１，２，３，４，其中丨（〇＝七（？）。图２－２和图２－３分别给出了不加控制器时??｜｜ｅ，（／）｜｜，／?＝?ｌ，２，３，４?的演化轨迹。??由?｜／７，?（Ｘ】（０，?ｘ２?⑴，ｘ３（／），＆（．０）?－／（（：⑴??可得丨丨／７，．?（Ａ?（／），ｘ２?（／），ｘ３?（〇，?ｘ４?（，））?－?ｚ（／），?ｚ（〇，?ｚ（／））｜｜?Ｓ?０．１?ＶＩ（｜｜ｅ，．?（，）｜?＋??ｆ?＝?ｌ，２，３，４，所以假定２．３成立。??选择Ａ?＝?％?＝?１，〖＝Ｕ，?３，４，?Ｘ?２，图２－４和图２－５分别表示在控制器（２－７）??作用下｜｜＾（／）｜｜，／?＝?１，２，３，４的演化轨迹，可以看出系统（２－９）和系统（２－８）实现了??均方渐近同步。图２－６和图２－７分别给出了控制增益￥⑴，；７，“？），；；，２（〇，?／?＝?１，２，３，４??的演化轨迹。??３０??■?１??２０??．■?Ｚ２⑴??１０?（??ｏ＇ＡＭＭ／ｉＭＪｖＶＷ??：：
【参考文献】：
期刊论文
[1]Synchronization criteria for multiple memristor-based neural networks with time delay and inertial term[J]. LI Ning,CAO JinDe. Science China（Technological Sciences）. 2018(04)
[2]Fixed-time synchronization of delayed memristor-based recurrent neural networks[J]. Jinde CAO,Ruoxia LI. Science China（Information Sciences）. 2017(03)
本文编号：3118556
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：165 页
【学位级别】：博士
【部分图文】：
图１－２?（ａ）包含电荷控制型忆阻器的电路及炉一ｇ曲线；（ｂ）捏滞回线；??（ｃ）?／（／）和ｇ⑴的演化曲线；（ｄ）?ｖ（？）和０？）的演化曲线??前面介绍的两种理想忆阻器虽然简单，但是并没有人能够提出相应的物理模??型
忆祖种经阿络的电路实现
假设矣（Ｘ１?（０，?Ｘ２?（０，?Ｘ３?（〇，?Ｘ４?（〇）满足??ｈｔ?（ｘ，?（／），?ｘ２?（〇，?ｘ３?（ｔ），?ｘ４?（／））?＝?０．?＼ｄｉａｇ（ｘｎ?（ｔ）?－?ｘ／＋１，?（〇，?ｘ，２?（ｔ）?－?ｘｌ＋ｌ２?（〇），??／?＝?１，２，３，４，其中丨（〇＝七（？）。图２－２和图２－３分别给出了不加控制器时??｜｜ｅ，（／）｜｜，／?＝?ｌ，２，３，４?的演化轨迹。??由?｜／７，?（Ｘ】（０，?ｘ２?⑴，ｘ３（／），＆（．０）?－／（（：⑴??可得丨丨／７，．?（Ａ?（／），ｘ２?（／），ｘ３?（〇，?ｘ４?（，））?－?ｚ（／），?ｚ（〇，?ｚ（／））｜｜?Ｓ?０．１?ＶＩ（｜｜ｅ，．?（，）｜?＋??ｆ?＝?ｌ，２，３，４，所以假定２．３成立。??选择Ａ?＝?％?＝?１，〖＝Ｕ，?３，４，?Ｘ?２，图２－４和图２－５分别表示在控制器（２－７）??作用下｜｜＾（／）｜｜，／?＝?１，２，３，４的演化轨迹，可以看出系统（２－９）和系统（２－８）实现了??均方渐近同步。图２－６和图２－７分别给出了控制增益￥⑴，；７，“？），；；，２（〇，?／?＝?１，２，３，４??的演化轨迹。??３０??■?１??２０??．■?Ｚ２⑴??１０?（??ｏ＇ＡＭＭ／ｉＭＪｖＶＷ??：：
【参考文献】：
期刊论文
[1]Synchronization criteria for multiple memristor-based neural networks with time delay and inertial term[J]. LI Ning,CAO JinDe. Science China（Technological Sciences）. 2018(04)
[2]Fixed-time synchronization of delayed memristor-based recurrent neural networks[J]. Jinde CAO,Ruoxia LI. Science China（Information Sciences）. 2017(03)
本文编号：3118556
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3118556.html
