一种基于惯性忆阻竞争神经网络的保密通信方法技术

本发明专利技术公开了一种基于惯性忆阻竞争神经网络的保密通信方法，该方法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；设定反同步误差，设计反同步控制器；响应系统在反同步控制器的作用下，实现响应系统与驱动系统的反同步，进而实现保密通信方法。本发明专利技术解决了具有反应扩散的惯性忆阻竞争神经网络难以实现反同步的问题，显著提升保密通信的复杂性和安全性。显著提升保密通信的复杂性和安全性。显著提升保密通信的复杂性和安全性。

【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]为实现上述目的，本专利技术提供如下技术方案：一种基于惯性忆阻竞争神经网络的保密通信方法，包括以下步骤：
[0007]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；
[0008]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；
[0009]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。
[0010]进一步地，步骤S1具体包括以下步骤：
[0011]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：
[0012][0013]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μ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：
[0014][0015]其中，切换界值T
i
＞0，和是常数，设是常数，设
[0016]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：
[0017][0018]其中，
[0019]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：
[0020][0021]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，τ1和μ为正常数，表示所述响应系统的第j个神经元不含时滞的激活函数且满足利普希茨条件，其利普希茨常数为其利普希茨常数为表示所述响应系统的第j个神经元含有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表示响应系统突触个数，l＝1，2，...，q，表示响应系统突触效率，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，u
1i
(t，r)和u
2i
(t，r)为反同步控制器，和表示忆阻器连接权值且满足：
[0022][0023]令其中P＝(p1，p2，...，p
q
)
T
，进而将响应系统改写为：
[0024][0025]其中，
[0026]进一步地，步骤S2具体包括以下步骤：
[0027]步骤S21：设定改写后的驱动系统与改写后的响应系统的反同步误差为：
[0028]步骤S22：根据步骤S21设定的改写后的驱动系统与改写后的响应系统的反同步误差，设计反同步控制器为：
[0029][0030]式中，β
1i
、β
2i
、γ
1i
和γ
2i
表示控制增益参数，控制增益参数β
1i
和γ
1i
需满足不等式和其中
[0031][0032]控制增益参数β
2i
和γ
2i
需满足不等式A
i
＜0和其中
[0033][0034]并且，ε为一个足够小的正常数；
[0035]将所述反同步控制器作用于所述响应系统，使得所述响应系统反同步于所述驱动系统。
[0036]进一步地，步骤S3具体包括以下步骤：
[0037]步骤S31：所述响应系统在所述反同步控制器的作用下，所述响应系统与所述驱动系统实现本文档来自技高网...

【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：