申请/专利权人：盐城工学院

申请日：2024-01-10

公开（公告）日：2024-04-12

公开（公告）号：CN117879941A

主分类号：H04L9/40

分类号：H04L9/40;G06N3/043;G06N3/0495;G06N3/048;G06N3/063;G06N3/08;H04L9/00;H04J3/06

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明属于新一代信息技术领域，具体涉及一种基于量化控制的模糊神经网络的保密通信方法，该方法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；设定同步误差；设计量化同步控制器，响应系统在量化同步控制器的作用下，实现响应系统与驱动系统的固定时间同步，进而实现保密通信的方法。本发明将参数扰动引入惯性忆阻模糊神经网络，并设计量化同步控制器，解决了具有参数扰动的惯性忆阻模糊神经网络的固定时间同步的问题，进而提出的保密通信方法显著提升了保密通信的复杂性和安全性。

主权项：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：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：步骤S11：建立具有参数扰动的惯性忆阻模糊神经网络为： 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，xit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fjxjt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，fjxjqijt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|fja-fjb|≤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；Δcijt、Δdijt和Δwijt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-qijt，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；mjt和Iit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： cijxit、dijxit和wijxit表示忆阻器连接权值，分别满足： 其中，Γi是切换界值且Γi0；和都是常数；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： 式中，co[cijxit]、co[dijxit]和co[wijxit]分别满足： 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，如果满足和则和根据可测选择定理，存在和则可进一步得到： 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：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： 其中，ξi和γi为常数，且γi≠0；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： 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，yit表示所述响应系统的第i个神经元在t时刻的状态；fjyjt表示所述响应系统的第j个神经元不含时滞的激活函数，fjyjqijt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|fja-fjb|≤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；Δηijt、Δμijt和Δτijt表示不确定的参数扰动，且满足其中和为正常数；u1it和u2it为量化同步控制器；和表示忆阻器连接权值，和co[cijyit]、co[dijyit]和co[wijyit]分别满足： 其中，Γi是切换界值且Γi0；和都是常数；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；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。

全文数据：

权利要求：

百度查询： 盐城工学院 一种基于量化控制的模糊神经网络的保密通信方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD