欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021105452984
申请人: 安徽大学
专利类型:发明专利
专利状态:已下证
专利领域: 控制;调节
更新日期:2026-11-17
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种分数阶复值忆阻神经网络的投影同步方法,其用于实现所述分数阶复值忆阻神经网络系统的驱动网络和响应网络在有限时间内达到投影同步,其特征在于,所述投影同步方法包括如下步骤:

步骤S1:设计同步控制器ui(t),所述同步控制器ui(t)的设计方法包括步骤:步骤S11:定义系统的同步误差ei(t),表征所述同步误差ei(t)的函数为:ei(t)=yi(t)‑νxi(t)其中,xi(t)表示所述驱动网络的状态变量;yi(t)表示所述响应网络的状态变量;ν表示投影因子,反映的是所述驱动网络与所述响应网络之间的同步比例关系;

步骤S12:将所述同步误差ei(t)分成实部误差 和虚部误差表征所述实部误差 的函数为:

其中, 表示所述驱动网络的状态变量的实部; 表示所述响应网络的状态变量的实部;

表征所述虚部误差 的函数为:

其中, 表示所述驱动网络的状态变量的虚部; 表示所述响应网络的状态变量的虚部;

步骤S13:根据分离后的实部误差 和虚部误差 把所述同步控制器ui(t)通过两部分进行设计:实部自适应控制器 和虚部自适应控制器所述实部自适应控制器 为:

其中,ξi是跟第i个神经元相关的反馈系数;ki(t)表示实部自适应控制器的反馈增益,ki(t)通过 得到,η表示比例常值; 表示分数阶导数的标记;

所述虚部自适应控制器 为:

其中,mi(t)表示虚部自适应控制器的反馈增益,mi(t)通过 得到,γ表示比例常值;

步骤S2:将所述实部自适应控制器引入到表征所述响应网络的实部部分的模型中;将所述虚部自适应控制器引入到表征所述响应网络的虚部部分的模型中。

2.如权利要求1所述的分数阶复值忆阻神经网络的投影同步方法,其特征在于:所述驱动网络的模型为:

其中, 表示对t求α次分数阶导数的标记,α表示分数阶的阶次,0<α<1;xi(t)表示所述驱动网络的状态变量;τ(t)表示时变延迟函数,能够在t∈[0,T]上可导并且满足fj(xj(t))和gj(xj(t‑τ(t)))表示复值的激活函数;Ii表示外部输入;aij(xj(t))和bij(xj(t))表示复值的忆阻连接权重;di(xi(t))表示神经元的自反馈函数,其状态与忆阻连接权重aij(xj(t))和bij(xj(t))有关,并且满足:其中,Ri表示的是电阻;Wfij和Wgij分别是有关于忆阻器的忆阻参数。

3.如权利要求1所述的分数阶复值忆阻神经网络的投影同步方法,其特征在于:所述响应网络的模型为:

其中, 表示对t求α次分数阶导数的标记,α表示分数阶的阶次,0<α<1;yi(t)表示所述响应网络的状态变量;τ(t)表示时变延迟函数,能够在t∈[0,T]上可导并且满足是一个常数;fj(yj(t))和gj(yj(t‑τ(t)))表示复值的激活函数;Ii表示外部输入;ui(t)表示有待设计的同步控制器;aij(yj(t))和bij(yj(t))表示复值的忆阻连接权重;di(yi(t))表示神经元的自反馈函数,其状态与忆阻连接权重aij(yj(t))和bij(yj(t))有关,并且满足:

其中,Ri表示电阻;Wfij和Wgij分别表示有关于忆阻器的忆阻参数。

4.如权利要求2或3所述的分数阶复值忆阻神经网络的投影同步方法,其特征在于:所述复值的忆阻连接权重aij(yj(t))和bij(yj(t))满足如下条件:其中,Ci表示电容,signij表示符号函数。

5.如权利要求1所述的分数阶复值忆阻神经网络的投影同步方法,其特征在于:所述步骤S2的实部自适应控制器和虚部自适应控制器的引入过程中,分数阶复值忆阻神经网络系统的驱动网络被采用分离方法分为实部和虚部两个部分;分数阶复值忆阻神经网络系统的响应网络也被采用分离方法分为实部和虚部两个部分。

6.一种分数阶复值忆阻神经网络系统的构建方法,所述分数阶复值忆阻神经网络系统包括驱动网络和响应网络,其特征在于,所述构建方法在构建所述分数阶复值忆阻神经网络系统时,为了实现所述驱动网络和所述响应网络在有限时间内达到投影同步,包括步骤:步骤S1:设计同步控制器ui(t),所述同步控制器ui(t)的设计方法包括步骤:步骤S11:定义系统的同步误差ei(t),表征所述同步误差ei(t)的函数为:ei(t)=yi(t)‑νxi(t)其中,xi(t)表示所述驱动网络的状态变量;yi(t)表示所述响应网络的状态变量;ν表示投影因子,反映的是所述驱动网络与所述响应网络之间的同步比例关系;

步骤S12:将所述同步误差ei(t)分成实部误差 和虚部误差表征所述实部误差 的函数为:

其中, 表示所述驱动网络的状态变量的实部; 表示所述响应网络的状态变量的实部;

表征所述虚部误差 的函数为:

其中, 表示所述驱动网络的状态变量的虚部; 表示所述响应网络的状态变量的虚部;

步骤S13:根据分离后的实部误差 和虚部误差 把所述同步控制器ui(t)通过两部分进行设计:实部自适应控制器 和虚部自适应控制器所述实部自适应控制器 为:

其中,ξi是跟第i个神经元相关的反馈系数;ki(t)表示实部自适应控制器的反馈增益,ki(t)通过 得到,η表示比例常值;

所述虚部自适应控制器 为:

其中,mi(t)表示虚部自适应控制器的反馈增益,mi(t)通过 得到,γ表示比例常值;

步骤S2:将所述实部自适应控制器引入到表征所述响应网络的模型的实部部分中;将所述虚部自适应控制器引入到表征所述响应网络的模型的虚部部分中。

7.如权利要求6所述的分数阶复值忆阻神经网络系统的构建方法,其特征在于:对于构建的分数阶复值忆阻神经网络系统,所述系统的投影同步时间t的范围通过如下公式计算:其中,α表示分数阶的阶次;ξ0表示ξ集合中取最小的数,Γ表示伽马函数的标记;V1(0)表示 的初值; 表示实部误差 的初值; 表示虚部误差的初值。

8.一种分数阶复值忆阻神经网络的投影同步装置,其用于实现所述分数阶复值忆阻神经网络系统的驱动网络和响应网络在有限时间内达到投影同步,其特征在于,所述投影同步装置包括:

同步误差定义模块,其用于定义所述分数阶复值忆阻神经网络系统的驱动网络和响应网络间的同步误差ei(t);表征同步误差ei(t)的函数为:ei(t)=yi(t)‑νxi(t)其中,xi(t)表示所述驱动网络的状态变量;yi(t)表示所述响应网络的状态变量;ν表示投影因子,反映的是所述驱动网络与所述响应网络之间的同步比例关系;

同步误差分离模块,其用于将所述同步误差定义模块定义的所述同步误差ei(t)分成实部误差 和虚部误差

表征所述实部误差 的函数为:

其中, 表示所述驱动网络的状态变量的实部; 表示所述响应网络的状态变量的实部;

表征所述虚部误差 的函数为:

其中, 表示所述驱动网络的状态变量的虚部; 表示所述响应网络的状态变量的虚部;

同步控制器,其包括实部自适应控制器和虚部自适应控制器;所述实部自适应控制器和虚部自适应控制器分别根据分离后的实部误差 和虚部误差 设计;所述实部自适应控制器 为:

其中,ξi是跟第i个神经元相关的反馈系数;ki(t)表示实部自适应控制器的反馈增益,ki(t)通过 得到,η表示比例常值;

所述虚部自适应控制器 为:

其中,mi(t)表示虚部自适应控制器的反馈增益,mi(t)通过 得到,γ表示比例常值;

修正模块,其用于将所述实部自适应控制器和所述虚部自适应控制器分别引入到表征所述响应网络的实部部分的模型和虚部部分的模型中;以及投影同步时间计算模块,其用于对所述分数阶复值忆阻神经网络系统达到投影同步的时间进行计算,所述系统的投影同步时间t的范围通过如下公式计算:其中,α表示分数阶的阶次;ξ0表示ξ集合中取最小的数,Γ表示伽马函数的标记;V1(0)表示 的初值; 表示实部误差 的初值; 表示虚部误差的初值。

9.一种分数阶复值忆阻神经网络的投影同步终端,其包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至5中任意一项所述的分数阶复值忆阻神经网络的投影同步方法的步骤。

10.一种分数阶复值忆阻神经网络的投影同步方法的应用,其特征在于,采用如权利要求1至5中任意一项所述的分数阶复值忆阻神经网络的投影同步方法,可以实现所述分数阶复值忆阻神经网络系统的驱动网络和响应网络在有限时间内达到投影同步;应用达到投影同步状态的所述分数阶复值忆阻神经网络系统中的所述驱动网络和所述响应网络可以实现保密通信;

在一个具有信号发送端、信号接收端和信道的通信系统中,应用所述分数阶复值忆阻神经网络系统实现保密通信的方法如下:(1)所述信号发送端通过所述分数阶复值忆阻神经网络系统的驱动网络产生加密信号;并将包含有用信息的待发送的明文信号与所述加密信号进行加密运算得到密文信号;

(2)所述信号发送端通过信号发送所述密文信号,所述信号接收端通过所述信道接收所述密文信号;

(3)所述信号接收端通过所述分数阶复值忆阻神经网络系统的响应网络产生解密信号;并将密文信号与所述解密信号进行解密运算得到包含有用信息的所述明文信号;

其中,所述加密信号和所述解密信号为完全同步的混沌信号;所述解密运算为所述加密运算的逆运算。