一种惯性忆阻神经网络的自适应反同步方法技术

本发明专利技术提供一种惯性忆阻神经网络的自适应反同步方法，包括以下步骤：步骤S1：基于惯性忆阻神经网络，建立具有无界分布时滞的惯性忆阻神经网络的驱动系统和响应系统；步骤S2：根据步骤S1建立的具有无界分布时滞的惯性忆阻神经网络的驱动系统和响应系统，建立反同步误差系统；步骤S3：设计自适应控制器，使得驱动系统和响应系统达到反同步。本发明专利技术可以实现具有无边界分布时滞的惯性忆阻神经网络的自适应反同步。反同步。反同步。

【技术实现步骤摘要】
一种惯性忆阻神经网络的自适应反同步方法


[0001]本专利技术涉及信息和通讯科学领域，尤其涉及一种惯性忆阻神经网络的自适应反同步方法。

技术介绍

[0002]忆阻器的电阻是由流经它的电荷决定的，因此只要测量忆阻器的电阻，就能得到流经它的电荷量，这就是忆阻器的记忆功能。基于忆阻器的特性，通过替换传统神经网络电路中的电阻，构建出非常适合模拟人脑的记忆神经网络，即忆阻神经网络。近几年来，由于忆阻神经网络的优点逐渐显现出来，其一直被科学家们所高度关注。
[0003]反同步是忆阻神经网络中一种重要的动力学行为，其在人工智能的协同控制、安全通信等方面有着重要的应用前景。忆阻神经网络的反同步还可以应用到信息安全领域，例如：图像加密和联想记忆。因此，研究具有无界分布时滞的惯性忆阻神经网络的自适应反同步方法是一件有积极意义的工作。

技术实现思路

[0004]有鉴于此，本专利技术的目的是提出一种惯性忆阻神经网络的自适应反同步方法，可以实现具有无界分布时滞的惯性忆阻神经网络的自适应反同步。
[0005]本专利技术采用以下方案实现：一种惯性忆阻神经网络的自适应反同步方法，包括以下步骤：
[0006]步骤S1：基于惯性忆阻神经网络，建立具有无界分布时滞的惯性忆阻神经网络的驱动系统和响应系统；
[0007]步骤S2：根据步骤S1建立的具有无界分布时滞的惯性忆阻神经网络的驱动系统和响应系统，建立反同步误差系统；
[0008]步骤S3：设计自适应控制器，使得驱动系统和响应系统达到自适应反同步。
[0009]进一步地，步骤S1具体为：
[0010]步骤S11：建立具有无界分布时滞的惯性忆阻神经网络的驱动系统的状态方程：
[0011][0012]步骤S12：建立具有无界分布时滞的惯性忆阻神经网络的响应系统的状态方程：
[0013][0014]其中，x
i
(t)和y
i
(t)表示对第i个神经元在t时刻的状态变量，α
i
，β
i
是常数并且满足α
i
>0，β
i
>0，f
j
(x
j
(t))和f
j
(y
j
(t))表示第j个神经元的激活函数，τ
j
(t)为时滞，K
pq
(t)：是关于无界分布时滞的非负延迟核心实值函数，驱动系统(1)的初始值满足x
i
(s)＝φ
i
(s)，响应系统(2)的初始值满足其中a
ij
(x
i
(t))，b
ij
(x
i
(t))，c
ij
(x
i
(t))，a
ij
(y
i
(t))，b
ij
(y
i
(t))，c
ij
(y
i
(t))表示忆阻器权重，分别满足：
[0015][0016]其中，是切换界值且
[0017]进一步地，步骤S2具体为：
[0018]步骤S21：将驱动系统与响应系统的反同步误差设定为：
[0019]e
i
(t)＝y
i
(t)+x
i
(t)
ꢀꢀꢀ
(4)
[0020]得到反同步误差系统(5)：
[0021][0022]进一步地，步骤S3具体为：
[0023]步骤S31：构造的自适应控制器表达式为：
[0024][0025]其中，γ
i
(t)和ξ
i
(t)是控制增益，ρ
i
>0，m
i
(t)具体为：
[0026][0027]将自适应控制器(6)带入到反同步误差系统(5)中，得到反同步误差系统(5)的两种情况：
[0028](1)当或得到反同步误差系统(7)：
[0029][0030](2)当或得到反同步误差系统(8)：
[0031][0032]根据上述情况(1)和(2)，得到反同步误差系统(9)：
[0033][0034]式中，f
j
(e
j
(t))＝f
j
(x
j
(t))+f
j
(y
j
(t))，f
j
(e
j
(t
‑
τ
j
(t)))＝f
j
(x
j
(t
‑
τ
j
(t))+f
j
(y
j
(t
‑
τ
j
())))。
[0035]本专利技术基于Lyapunov稳定性理论，结合自适应控制器，对驱动系统和响应系统进行反同步进行证明，具体为：
[0036]构建Lyapunov泛函数具体为：
[0037][0038]对Lyapunov泛函数进行求导，并且将误差系统(9)带入Lyapunov泛函数的导数得：
[0039][0040]其中，如果存在常数α
i
>0，β
i
>0，并且使得下列不等式成立
[0041][0042]那么系统(11)进一步得到如下形式：
[0043][0044]与本专利技术的假设相符，所以证明得到本专利技术的自适应反同步稳定性理论是有效的。
[0045]与现有技术相比，本专利技术有以下有益效果：
[0046]1.在相同的系统参数和控制器增益下，与现有的方法相比，本专利技术驱动
‑
响应系统的反同步过程更加简洁、易于理解；
[0047]2.本专利技术设计的一种自适应控制器，可以有效的使得驱动系统和响应系统达到反同步，使本专利技术有更广泛的应用场景，提高系统的稳定性。
附图说明
[0048]图1为本专利技术一种惯性忆阻神经网络的自适应反同步方法的流程图；
[0049]图2为本专利技术具体实施例1中，无控制器下反同步误差e1(t)、e2(t)的曲线；
[0050]图3为本专利技术具体实施例1中，有自适应控制器下反同步误差e1(t)、e2(t)的曲线；
[0051]图4为本专利技术具体实施例1中，自适应控制器控制增益γ1(t)、γ2(t)、ξ1(t)、ξ2(t)
的曲线；
[0052]图5为本专利技术具体实施例1中，在自适应控制器控制下驱动系统和响应系统状态x1(t)和y1(t)的反同步曲线；
[0053]图6为本专利技术具体实施例1中，在自适应控制器控制下驱动系统和响应系统状态x2(t)和y2(t)的反同步曲线。
具体实施方式
[0054]为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种惯性忆阻神经网络的自适应反同步方法，其特征在于，包括以下步骤：步骤S1：基于惯性忆阻神经网络，建立具有无界分布时滞的惯性忆阻神经网络的驱动系统和响应系统；步骤S2：根据步骤S1建立的具有无界分布时滞的惯性忆阻神经网络的驱动系统和响应系统，建立反同步误差系统；步骤S3：设计自适应控制器，使得驱动系统和响应系统达到反同步。2.根据权利要求1所述的一种惯性忆阻神经网络的自适应反同步方法，其特征在于，步骤S1具体为：步骤S11：建立具有无界分布时滞的惯性忆阻神经网络的驱动系统的状态方程：步骤S12：建立具有无界分布时滞的惯性忆阻神经网络的响应系统的状态方程：其中，x
i
(t)和y
i
(t)表示对第i个神经元在t时刻的状态变量，α
i
，β
i
是常数并且满足α
i
＞0，β
i
＞0，f
j
(x
j
(t))和y
j
(y
j
(t))表示第j个神经元的激活函数，τ
j
(t)为时滞，K
pq
(t)：是关于无界分布时滞的非负延迟核心实值函数，驱动系统的初始值满足x
i
(s)＝φ
i
(s)，(s)，s∈[
‑
∞，0]，φ
i
(s)，响应系统的初始值满足足s∈[
‑
∞，0]，其中a
ij
(x
i
(t))，b
ij
(x
i
(t))，c
ij
(x
i
(t))，a
ij
(y
i
(t))，b
ij
(y
i
(t))，c
ij
(y
i
(t))表示忆阻器权重，分别满足：足：足：其中，γ
i
是切换界值且γ
i
＞0。3.根据权利要求1所述的一种惯性忆阻神经网络的自适应反同步方法，其特征在于，步骤S2具体为...

【专利技术属性】
技术研发人员：李小凡，何佳昊，李慧媛，姚金泽，阚加荣，
申请(专利权)人：盐城工学院，
类型：发明
国别省市：