全球多项式神经网络同步,通过自适应固定控制实现双向比例延迟,并在其图像加密中的应用

科学领域:

• 控制理论 控制理论
• 计算神经科学是一种神经科学.
• 应用数学 应用数学 应用数学

背景情况:

• 神经网络 (NN) 表现出复杂的动态,经常受到时间延迟的影响.
• 在NN中实现全球多项式同步 (GPS) 对于可靠的操作和应用至关重要.
• 现有的同步方法可能面临数值稳定性和能源效率方面的挑战.

研究的目的:

• 调查具有双向比例延迟的神经网络的自适应性全球多项式同步 (GPS).
• 开发新的自适应控制器,以提高同步性能和能源效率.
• 在图像加密中探索衍生同步标准的应用.

主要方法:

• 为神经网络中的所有节点设计自适应控制器.
• 构建一个新的Lyapunov函数来导出GPS标准.
• 为提高能源效率制定适应性固定控制策略.
• 基于激活函数属性的控制器设计分析,而不仅仅是同步错误.

主要成果:

• 导出了具有双向比例延迟的神经网络的自适应性全球多项式同步 (GPS) 的标准.
• 提出了一种适应性固定控制策略,产生了相应的GPS标准.
• 与激活功能相关的新型控制器设计显示了更顺的同步和减少了数值爆炸.
• 通过数值示例和模拟的验证证实了衍生标准的有效性.

结论:

• 拟议的自适应控制策略有效地实现神经网络中具有延迟的全球多项式同步.
• 创新的控制器设计在同步流性和数值稳定性方面具有优势.
• 衍生的同步标准具有实际意义,通过它们在图像加密中的应用来证明.