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】
本专利技术涉及网络系统同步,特别是涉及一种含有无穷分布时滞的神经网络的脉冲滞同步方法及系统。
技术介绍
1、近年来,网络系统因其在金融分析、生物种群多样性、图像识别、自然语言处理等领域的广泛应用,成为了科学研究领域的热点研究话题。同步作为一种典型的集群行为,在保密通讯等方面有重要作用,因而引发了诸多的关注。目前,针对网络系统同步,科研工作者已提出了多种控制方法,如反馈控制、采样控制等连续工作控制器。但是,连续控制器控制成本较高,并且当网络系统发生数据丢包时,连续控制器往往会失效。然而,基于网络系统同步的离散控制器的设计相关成果较少。
2、脉冲控制器作为一种不连续控制策略,仅在预设定的离散时刻,对系统状态进行控制输入,具有结构简单、成本低廉、效果显著等优点。此外,现实中许多系统的变化趋势,不仅取决于系统当前状态,还与系统过去状态相关,这种系统称为时滞系统。网络系统中传输链路的有限带宽会产生时滞。时滞往往会导致系统状态发生改变,甚至破坏系统稳定性。特别地,分布时滞作为一种特殊的时滞模型是指模型的建立依赖过去某一段时间的状态。目前,关于网络系统时滞现象的研究大多集中于固定时滞、时变时滞,很少涉及分布时滞模型。此外,关于网络系统同步的研究多集中于完全同步、广义同步、投影同步等,在驱动-响应同步过程中将时滞因素考虑在内针对滞同步的研究成果较少。
3、例如:文献impulsive controller design for exponential synchronizationof chaotic neural ne
4、因此,将分布时滞模型考虑进网络系统模型的构建过程并且在驱动-响应同步过程中考虑时滞因素,在此基础上探究脉冲控制器的设计是一个挑战。
技术实现思路
1、本专利技术的目的是提供一种含有无穷分布时滞的神经网络的脉冲滞同步方法及系统,以实现将分布时滞考虑进神经网络模型的构建过程,并且在驱动-响应同步过程中考虑时滞因素,提高控制效果。
2、为实现上述目的,本专利技术提供了如下方案:
3、一种含有无穷分布时滞的神经网络的脉冲滞同步方法,包括:
4、建立具有时变时滞与无穷分布时滞的神经网络模型;
5、设置时变时滞核函数和无穷分布时滞核函数的约束条件,并根据所述约束条件和所述神经网络模型确定驱动系统网络模型;
6、获取所述驱动系统网络模型中各节点的状态信息作为第一状态信息,并基于所述第一状态信息构建响应系统网络模型;
7、基于不连续控制理论设计脉冲控制器;
8、获取所述响应系统网络模型中各节点的状态信息作为第二状态信息,并基于所述第二状态信息构建滞后误差系统网络模型;
9、采用所述脉冲控制器对所述滞后误差系统网络模型进行控制,以实现所述驱动系统网络模型与所述响应系统网络模型之间的滞同步。
10、可选地,所述驱动系统网络模型的表达式为:
11、
12、其中,x(t)为驱动系统网络模型的神经元状态向量,为x(t)的一阶导数,φ(·)为驱动系统网络模型的初始状态,t和s均为时间,c为对角矩阵,a为连接加权矩阵,b为时滞加权矩阵,w为分布式时滞连接加权矩阵,j为外部输入,h(·)为时滞函数,τ(t)为传输时滞,f(x(·))为驱动系统网络模型的神经元激活函数。
13、可选地,所述时变时滞核函数的约束条件为:0≤τ(t)≤δ;
14、所述无穷分布时滞核函数的约束条件为:和
15、其中,为定义在[0,+∞)的非负函数,hj(t)为第j个神经元在t时刻的时滞,j为从1到n的正整数,n为驱动系统网络模型的神经元个数,δ、ε和均为正常数。
16、可选地,所述响应系统网络模型的表达式为:
17、
18、其中,y(t)为响应系统网络模型的神经元状态向量,为y(t)的一阶导数,为响应系统网络模型的初始状态,u(t)为包含驱动系统网络模型的节点信息的脉冲控制器,f(y(·))为响应系统网络模型的神经元激活函数。
19、可选地,所述脉冲控制器的表达式为:
20、
21、其中,h为控制增益,δ(·)为狄拉克δ函数,σ为驱动系统网络模型与响应系统网络模型之间由于信息传递产生的时滞,tk为第k个脉冲时刻,k为正整数。
22、可选地,所述滞后误差系统网络模型的表达式为:
23、
24、其中,e(t)为滞后误差系统网络模型的神经元状态向量,为e(t)的一阶导数,为滞后误差系统网络模型的初始状态,δe(tk)为误差向量在时刻tk与处的变化量,为脉冲跳变发生的前一时刻,g(e(·))为以误差向量e(·)为自变量的非线性函数,具体形式为g(e(·))=f(e(·)+x(·))-f(x(·))。
25、可选地,采用所述脉冲控制器对所述滞后误差系统网络模型进行控制,以实现所述驱动系统网络模型与所述响应系统网络模型之间的滞同步,具体包括:
26、利用微分方程稳定性理论以及razumkhin技巧,对所述滞后误差系统网络模型在连续区间的状态进行约束;
27、利用线性矩阵不等式技术,对所述滞后误差系统网络模型在离散脉冲点处的状态进行约束;
28、迭代计算所述滞后误差系统网络模型的状态,以确定所述脉冲控制器的控制增益;
29、根据所述控制增益对所述滞后误差系统网络模型进行控制,以实现所述驱动系统网络模型与所述响应系统网络模型之间的滞同步。
30、可选地,利用微分方程稳定性理论以及razumkhin技巧,对所述滞后误差系统网络模型在连续区间的状态进行约束,具体公式为:
31、
本文档来自技高网...
【技术保护点】
1.一种含有无穷分布时滞的神经网络的脉冲滞同步方法,其特征在于,包括:
2.根据权利要求1所述的含有无穷分布时滞的神经网络的脉冲滞同步方法,其特征在于,所述驱动系统网络模型的表达式为:
3.根据权利要求2所述的含有无穷分布时滞的神经网络的脉冲滞同步方法,其特征在于,所述时变时滞核函数的约束条件为:0≤τ(t)≤δ;
4.根据权利要求3所述的含有无穷分布时滞的神经网络的脉冲滞同步方法,其特征在于,所述响应系统网络模型的表达式为:
5.根据权利要求4所述的含有无穷分布时滞的神经网络的脉冲滞同步方法,其特征在于,所述脉冲控制器的表达式为:
6.根据权利要求5所述的含有无穷分布时滞的神经网络的脉冲滞同步方法,其特征在于,所述滞后误差系统网络模型的表达式为:
7.根据权利要求6所述的含有无穷分布时滞的神经网络的脉冲滞同步方法,其特征在于,采用所述脉冲控制器对所述滞后误差系统网络模型进行控制,以实现所述驱动系统网络模型与所述响应系统网络模型之间的滞同步,具体包括:
8.根据权利要求7所述的含有无穷分布时滞的神
9.根据权利要求8所述的含有无穷分布时滞的神经网络的脉冲滞同步方法,其特征在于,利用线性矩阵不等式技术,对所述滞后误差系统网络模型在离散脉冲点处的状态进行约束,具体公式为:
10.一种含有无穷分布时滞的神经网络的脉冲滞同步系统,其特征在于,包括:
...【技术特征摘要】
1.一种含有无穷分布时滞的神经网络的脉冲滞同步方法,其特征在于,包括:
2.根据权利要求1所述的含有无穷分布时滞的神经网络的脉冲滞同步方法,其特征在于,所述驱动系统网络模型的表达式为:
3.根据权利要求2所述的含有无穷分布时滞的神经网络的脉冲滞同步方法,其特征在于,所述时变时滞核函数的约束条件为:0≤τ(t)≤δ;
4.根据权利要求3所述的含有无穷分布时滞的神经网络的脉冲滞同步方法,其特征在于,所述响应系统网络模型的表达式为:
5.根据权利要求4所述的含有无穷分布时滞的神经网络的脉冲滞同步方法,其特征在于,所述脉冲控制器的表达式为:
6.根据权利要求5所述的含有无穷分布时滞的神经网络的脉冲滞同步方法,其特征在于,所述滞后误差系统网络模型的表...
【专利技术属性】
技术研发人员:张小雨,李洪飞,徐静,杨冠三,何林巧,
申请(专利权)人:北京外国语大学,
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。