通过间隔矩阵方法实现惯性记忆神经网络的有限/固定时间同步,以实现安全通信
Fei Wei1, Guici Chen2, Zhigang Zeng3
1School of Science, Xihua University, Chengdu, 610039, China; Hubei Province Key Laboratory of System Science in Metallurgical Process, Wuhan University of Science and Technology, Wuhan, 430065, China.
概括
本研究提出了在有限/固定的时间内同步延迟惯性记忆神经网络 (DIMNNs) 的新方法. 与最大绝对值方法相比,区间矩阵方法提供了更快的同步和更好的性能.
科学领域:
- 控制理论 控制理论
- 神经网络的神经网络的神经网络
- 非线性动力学是一种非线性动力学.
背景情况:
- 记忆神经网络对于复杂的计算至关重要.
- 延迟系统的同步带来了重大挑战.
- 记忆控制器参数切换需要强大的控制策略.
研究的目的:
- 研究DIMNNs的有限/固定时间同步.
- 开发和比较间隔矩阵和最大绝对值方法.
- 将同步结果应用于图像加密.
主要方法:
- 利用集值映射和差异性纳入理论.
- 开发了用于有限和固定时间同步的两个控制策略.
- 使用代数形式和LMI制定了理论标准.
主要成果:
- 间隔矩阵方法在处理参数切换方面表现出卓越的性能.
- 使用间隔矩阵方法实现了更快的有限/固定时间同步.
- 将理论发现扩展到图像加密用于解密和密钥空间扩展.
结论:
- 间隔矩阵方法为DIMNN同步提供了一种有效的方法.
- 提出的方法为控制复杂的神经网络提供了一个统一的框架.
- 同步技术在像图像加密这样的安全通信系统中具有实际应用.
更多相关视频
08:09Multifunctional Setup for Studying Human Motor Control Using Transcranial Magnetic Stimulation, Electromyography, Motion Capture, and Virtual Reality
Published on: September 3, 2015
11.0K
08:08Real-time Electrophysiology: Using Closed-loop Protocols to Probe Neuronal Dynamics and Beyond
Published on: June 24, 2015
11.5K
