复杂值神经网络的固定时间同步用于图像保护和3D点云信息保护

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
• 信息安全 信息安全

背景情况:

• 复杂值神经网络 (CVNNs) 对同步提出了独特的挑战.
• 现有的同步方法可能无法保证快速融合或国家独立.
• 安全保护数字数据,包括图像和3D点云,至关重要.

研究的目的:

• 开发一种新的量子间歇控制 (QIC) 策略,用于在CVNN中实现固定时间同步 (FDTS).
• 将CVNN的FDTS应用于图像和3D点云信息的安全保护.
• 设计一个控制器,确保融合时间独立于初始状态.

主要方法:

• 将CVNN分解为两个实值系统.
• 使用Lyapunov方法框架来建立FDTS标准.
• 基于量子化间歇控制的新控制器的开发.
• 应用同步错误用于图像加密/解密和3D点云重建.

主要成果:

• 拟议的QIC控制器成功实现了CVNN的FDTS.
• 收时间估计独立于神经网络的初始状态.
• 基于同步质量的有效图像加密和解密.
• 通过深度图像加密和重建验证了3D点云信息的保护.

结论:

• 开发的控制器和同步标准对于CVNN中的FDTS是有效的.
• 拟议的方法为图像和3D点云信息保护提供了一个强大的方法.
• 通过QIC的CVNN的FDTS为安全的数据处理应用提供了可行的解决方案.