【技术实现步骤摘要】
一种基于惯性忆阻竞争神经网络的保密通信方法
[0001]本专利技术涉及竞争神经网络和保密通信
,具体为一种基于惯性忆阻竞争神经网络的保密通信方法。
技术介绍
[0002]忆阻器具有体积小、密度高、可扩展性好等优点。与电阻不同,当电路断开时,忆阻器可以记住最后通过的电荷值。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。这种带有忆阻器的神经网络称为忆阻神经网络。就目前的研究而言,许多不同领域的研究者对忆阻神经网络的动力学行为进行了研究,并取得了显著的成果。分析忆阻神经网络的动力学行为在实际应用中具有重要作用。这些领域包括机器学习,信号处理,图像处理等。
[0003]竞争神经网络是一种经典的神经网络。与一般神经网络不同,竞争神经网络有两种形式的状态变量,一种表示短期记忆,模拟神经激励层的动力学行为;另一种表示长期记忆,模拟神经突触变化的动力学行为。由于竞争神经网络模型具有双层结构,因此其动力学行为较复杂。
[0004]在实际应用中,非线性神经网络往往处于弱阻尼情况中。弱阻尼也被称为惯性,是神经网络中产生混沌和分岔的关键工具。因此,为了使研究更接近实际情况,非常有必要将惯性项引入神经网络,实现惯性复值忆阻神经网络的反同步,对于提升保密通信的复杂性和安全性有明显效果。
技术实现思路
[0005]本专利技术的目的是解决惯性忆阻竞争神经网络的反同步问题,并提供一种基于惯性忆阻竞争神经网络的保密通信方法,从而提高保密通信的安全性。
[0006]为实现上 ...
【技术保护点】
【技术特征摘要】
1.一种基于惯性忆阻竞争神经网络的保密通信方法,其特征在于,包括以下步骤:步骤S1、基于惯性忆阻竞争神经网络,建立具有反应扩散的惯性忆阻竞争神经网络驱动系统和响应系统;步骤S2、根据步骤S1建立的具有反应扩散的惯性忆阻竞争神经网络驱动系统与响应系统,设定反同步误差,设计反同步控制器;步骤S3、所述响应系统在所述反同步控制器的作用下,实现所述响应系统与所述驱动系统的反同步,进而实现保密通信方法。2.根据权利要求1所述的一种基于惯性忆阻竞争神经网络的保密通信方法,其特征在于,步骤S1具体包括以下步骤:步骤S11:建立具有反应扩散的惯性忆阻竞争神经网络驱动系统为:其中,时间t≥0,n表示所述驱动系统中神经元的个数,i,j=1,2,
…
,n,K表示所述驱动系统空间维数,k=1,2,
…
,K,空间变量r=(r1,r2,
…
,r
K
)
T
且满足|r
k
|<σ
k
,σ
k
为正常数,x
i
(t,r)表示所述驱动系统中第i个神经元在时间t和空间r的状态变量,α
ik
≥0表示传输扩散参数,τ(t)表示离散时滞且满足0≤τ(t)≤τ1,τ1和为正常数,f
j
(x
j
(t,r))表示所述驱动系统的第j个神经元不含时滞的激活函数且满足利普希茨条件,其利普希茨常数为g
j
(x
j
(t
‑
τ(t),r))表示所述驱动系统的第j个神经元含有离散时滞的激活函数且满足利普希茨条件,其利普希茨常数为q表示突触个数,l=1,2,
…
,q,m
il
(t,r)表示突触效率,p
l
表示恒定外部刺激且满足ζ
i
表示外部刺激强度,a
i
和b
i
均为正常数,c
ij
(x
i
(t,r))和d
ij
(x
i
(t,r))表示忆阻器连接权值,且满足:其中,切换界值T
i
>0,和是常数,设是常数,设是常数,设令其中P=(p1,p2,
…
,p
q
)
T
,m
i
(t,r)=(m
i1
(t,r),m
i2
(t,r),
…
,m
iq
(t,r))
T
,进而将驱动系统改写为:
其中,步骤S12:建立具有反应扩散的惯性忆阻竞争神经网络响应系统为:其中,时间t≥0,n表示所述响应系统中神经元的个数,i,j=1,2,
…
,n,K表示所述响应系统空间维数,k=1,2,
…
,K,空间变量r=(r1,r2,
…
,r
K
)
T
且满足|r
k
|<σ
k
,σ
k
为正常数,表示所述响应系统中第i个神经元在时间t和空间r的状态变量,α
ik
≥0表示传输扩散参数,τ(t)表示离散时滞且满足0≤τ(t)≤τ1,τ...
【专利技术属性】
技术研发人员:李小凡,姚金泽,李慧媛,张春富,何佳昊,黄鑫,
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。