System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及新一代信息,具体为一种基于量化控制的模糊神经网络的保密通信方法。
技术介绍
1、忆阻器是近年来备受关注的新型纳米器件,在新一代信息
有着广泛的应用前景,其不仅具有电阻器的许多特性,如存储特性和纳米级尺寸的特性,同时也有自身高密度、低功耗、良好的记忆特性和可扩展性等特性,这些特性使它在不同的领域出现了广泛应用,如低功耗类脑计算、数据存储、非易失逻辑等新一代信息技术。忆阻器具有体积小、密度高、可扩展性好等优点。此外,忆阻器的一个重要特性是它能记忆流经它的电荷量,即忆阻器的伏安特性存在一个类似磁滞的回线,这一特性与生物神经元突触的记忆特性相似,因此忆阻器常用于模拟人工神经网络中的突触。
2、在实际生活中,由于大量不确定因素以及模糊性的存在,使得模糊理论得到了进一步发展。为了维持神经网络中细胞之间的连续性,所以在传统的神经网络中引入模糊逻辑。相比传统的神经网络,由于模糊输入和模糊输出之间除了有输出操作的总和,还加入了模糊逻辑,使得模糊神经网络在信息安全方面更为擅长。
3、由于通信信道比特率和信道宽度的限制,信号传输无法达到理想状态。随着控制系统规模不断扩大,控制信号的传输量也会相应增加,此时信号传输通道的带宽约束将成为影响控制效果的重要限制因素。所以为了减轻信号传输的负担,需在信号传输之前对其进行量化。
技术实现思路
1、本专利技术的目的是提供一种基于量化控制的模糊神经网络的保密通信方法,可以实现具有参数扰动的惯性忆阻模糊神经网络的固定时间同步,
2、为实现上述目的,本专利技术提供如下技术方案:一种基于量化控制的模糊神经网络的保密通信方法,包括以下步骤:
3、步骤s1:建立具有参数扰动的惯性忆阻模糊神经网络驱动系统和响应系统,具体包括以下步骤:
4、步骤s11:建立具有参数扰动的惯性忆阻模糊神经网络为:
5、
6、其中,时间t≥0,i=1,2,…,n,j=1,2,…,n;n表示所述惯性忆阻模糊神经网络中含有的神经元个数,xi(t)表示所述惯性忆阻模糊神经网络的第i个神经元在t时刻的状态;表示第i个神经元的阻尼系数,表示当网络与外部输入断开连接时,第i个神经元将其电位重置为静止状态的速率,和分别满足和fj(xj(t))表示所述惯性忆阻模糊神经网络的第j个神经元不含时滞的激活函数,fj(xj(qijt))表示所述惯性忆阻模糊神经网络的第j个神经元含比例时滞的激活函数,表示所述惯性忆阻模糊神经网络的第j个神经元含中立型时滞的激活函数,上述激活函数均满足利普希茨条件,即|fj(a)-fj(b)|≤lj|a-b|,其中a和b为任意实数,lj为正常数且满足|fj(.)|≤mj,其中mj为正常数;δcij(t)、δdij(t)和δwij(t)表示不确定的参数扰动,且满足其中和为正常数;qijt表示比例时滞,qij为比例时滞的比例系数,且满足0≤qij≤1,qijt=t-(1-qij)t,gij表示前馈元素;ωij和hij分别表示模糊前馈最小和模糊前馈最大模块的元素;hij和表示模糊反馈最小模块的元素、πij和表示模糊反馈最大模块的元素;mj(t)和ii(t)分别表示第j个神经元的输入和第i个神经元的偏置;∧和∨分别表示模糊与和模糊或算子,且对于任意实数中a和b满足以下条件:
7、
8、
9、cij(xi(t))、dij(xi(t))和wij(xi(t))表示忆阻器连接权值,分别满足:
10、
11、
12、
13、其中,γi是切换界值且γi>0;和都是常数;
14、由于所述惯性忆阻模糊神经网络的等号右侧是不连续的,因此所述惯性忆阻模糊神经网络的解都需要在filippov意义上考虑,则通过采用集值映射和微分包含理论,将所述惯性忆阻模糊神经网络改写为:
15、
16、式中,co[cij(xi(t))]、co[dij(xi(t))]和co[wij(xi(t))]分别满足:
17、
18、
19、
20、其中,是由实数和生成的凸闭包,是由实数和生成的凸闭包,是由实数和生成的凸闭包,并且,如果满足和则和
21、根据可测选择定理,存在和则可进一步得到:
22、
23、步骤s12:建立具有参数扰动的惯性忆阻模糊神经网络驱动系统为:
24、将步骤s11建立的具有参数扰动的惯性忆阻模糊神经网络进行变量替换降阶处理,建立具有参数扰动的惯性忆阻模糊神经网络驱动系统为:
25、
26、其中,ξi和γi为常数,且γi≠0;
27、步骤s13:根据步骤s12建立的驱动系统,建立与其相对应的响应系统为:
28、
29、其中,时间t≥0,i=1,2,…,n,j=1,2,…,n;n表示所述响应系统中含有的神经元个数,yi(t)表示所述响应系统的第i个神经元在t时刻的状态;fj(yj(t))表示所述响应系统的第j个神经元不含时滞的激活函数,fj(yj(qijt))表示所述响应系统的第j个神经元含比例时滞的激活函数,表示所述响应系统的第j个神经元含中立型时滞的激活函数,上述激活函数均满足利普希茨条件,即|fj(a)-fj(b)|≤lj|a-b|,其中a和b为任意实数,lj为正常数且满足|fj(.)|≤mj,其中mj为正常数;δηij(t)、δμij(t)和δτij(t)表示不确定的参数扰动,且满足其中和为正常数;u1i(t)和u2i(t)为量化同步控制器;和表示忆阻器连接权值,和co[wij(yi(t))],co[cij(yi(t))]、co[dij(yi(t))]和co[wij(yi(t))]分别满足:
30、
31、
32、
33、其中,γi是切换界值且γi>0;和都是常数;
34、步骤s2:根据步骤s1建立的具有参数扰动的惯性忆阻模糊神经网络驱动系统和响应系统,设定同步误差;
35、步骤s3:所述响应系统在所述量化同步控制器的作用下,固定时间同步于所述驱动系统,进而实现保密通信方法。
36、进一步地,步骤s2具体为:
37、根据步骤s1建立的建立具有参数扰动的惯性忆阻模糊神经网络驱动系统和响应系统,设定所述驱动系统和响应系统的同步误差为:
38、
39、进一步地,步骤s3具体包括以下步骤:
40、步骤s31:根据步骤s2设定的同步误差,设计量化同步控制器为:
41、
42、
43、其中,k1i、k2i、k3i、k4i和k5i为正的控制器增益;q(e1i(t))为误差e1i(t)的量化值,q(e1i(t))=(1+δ)e1i(t),δ为量化误差,为扇形边界,q(e2i(t))为误差e2i(t)的量化值,本文档来自技高网...
【技术保护点】
1.一种基于量化控制的模糊神经网络的保密通信方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于量化控制的模糊神经网络的保密通信方法,其特征在于,步骤S2具体为:
3.根据权利要求2所述的一种基于量化控制的模糊神经网络的保密通信方法,其特征在于,步骤S3具体包括以下步骤:
4.根据权利要求3所述的一种基于量化控制的模糊神经网络的保密通信方法,其特征在于,所述响应系统固定时间同步于所述驱动系统,且所述固定时间的上界T为:
【技术特征摘要】
1.一种基于量化控制的模糊神经网络的保密通信方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于量化控制的模糊神经网络的保密通信方法,其特征在于,步骤s2具体为:
3.根据权利要求2所述的一种基于量...
【专利技术属性】
技术研发人员:李小凡,黄鑫,李慧媛,王一舟,朱昊冬,唐庆华,
申请(专利权)人:盐城工学院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。