在欺骗攻击下,随机模糊的记忆神经网络的实际预定义时间稳定

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
• 网络安全 网络安全

背景情况:

• 模糊的记忆神经网络 (FMNNs) 对于复杂的计算至关重要.
• 在随机干扰和随机欺骗攻击 (RDA) 下确保FMNNs的稳定性是一个重大挑战.
• 现有的预定义时间稳定方法存在局限性.

研究的目的:

• 为FMNNs引入和研究实际预定义时间稳定概率 (PPDTSP) 的概念.
• 为PPDTSP开发一种新的Lyapunov型标准.
• 设计一个简化的控制方案,以在干扰和RDA下实现PPDTSP.

主要方法:

• 引入一个新型Lyapunov类型的标准,用于PPDTSP.
• 开发一个简化的,实际上预先定义的时间控制方案.
• 稳定性保证的数学分析和理论推导.
• 数字模拟用于验证.

主要成果:

• 建议为PPDTSP提出一种新的Lyapunov类型的标准,它比现有的标准更为一般.
• 一个简化的控制方案旨在在随机干扰和RDA下实现FMNN的PPDTSP.
• 拟议的方法确保在实际上预先定义的时间内稳定.
• 预定义时间稳定概率 (PDTSP) 的特殊情况得到了推导.

结论:

• 拟议的PPDTSP概念和标准有效地解决了在具有挑战性的条件下FMNNs的稳定.
• 开发的控制方案为提高FMNN的弹性提供了一个实际的解决方案.
• 数字模拟证实了理论发现的有效性和有效性.