时滞惯性神经网络的同步控制及应用.pdf

摘要

惯性神经网络是一类特殊的神经网络，不仅具有实际工程和生物背景，还具

有更复杂的系统动态特性。同步作为神经网络的基本动力学行为，深入研究同步

控制在一定程度上可以加深对人脑运行机制的理解，也可以作为图像加密、安全

通信等领域的理论支撑。在生物神经网络和人工神经网络的电路模拟中，信号传

递的过程中时滞是常见现象，时滞会导致系统震荡并威胁到整体稳定性，因此，

时滞被视为网络中的一个关键因素。综上，本文针对时滞惯性神经网络，研究其

同步控制并将其应用到图像加密中。主要研究内容如下：

（1）研究了基于非周期间歇控制的时滞复值惯性神经网络的指数同步问题。

首先提出一类同时具有时变离散时滞和时变有限分布时滞的复值惯性神经网络模

型，其次通过变量替换以及实部虚部分离方法，将二阶复值神经网络降为一阶微

分系统。然后通过矩阵测度理论和应用非周期间歇控制策略，从而获得确保复值

惯性神经网络的驱动系统与响应系统实现指数同步的充分条件。最后通过仿真实

验验证了本章所获得理论结果和该控制策略的有效性。

（2）研究了基于量化控制的时滞模糊惯性忆阻神经网络的固定时间同步问

题。首先考虑到一类特殊的时滞比例时滞，以及外界扰动对连接权值的影响，从

而建立了更为实际的模糊惯性忆阻神经网络模型。其次通过变量替换，二阶模糊

忆阻神经网络降为两个一阶系统，通过考虑量化器和抑制控制器中符号函数引起

的抖振，设计了不含有符号函数的量化控制器，从而实现模糊惯性忆阻神经网络

的固定时间同步。然后利用Lyapunov泛函等方法获得网络实现同步的条件，最后

数值仿真验证了所获得理论结果和该控制策略的有效性。

（3）研究了基于非周期间歇调整控制的时滞模糊惯性忆阻神经网络同步问

题。首先，考虑混合时滞和外界未知扰动对系统的影响，建立了一类具有混合时

滞和外界未知扰动的模糊惯性忆阻神经网络模型。其次，在非周期间歇调整策略

下，设计两种不同的反馈控制器。然后，通过非降阶法、构造合适Lyapunov泛函、

结合不等式分析技巧和微分包含理论，获得了代数不等式形式的有限时间和固定

时间同步的充分条件，最后通过两个仿真例子说明了本章所获得理论结果的正确

性。

（4）研究了在时滞模糊惯性忆阻神经网络的固定时间同步控制理论基础上，

提出了一种图像加密方案，在其加解密过程中同时引入置换和置乱两种方法，并

且通过直方图、相邻像素相关性、信息熵等方法对图像加密方案的安全性进行验

证。同时，将本文所提出的图像加密方案与其它文献中的图像加密方案进行了对

比，表明该图像加密方案具有很强的安全性。

关键词：时滞；惯性神经网络；模糊惯性忆阻神经网络；同步；图像加密

Abstract

Inertialneuralnetworks,asthespecializedtypeofneuralnetworks,notonlyhave

thepracticalengineeringandbiologicalbackground,butalsoexhibitmoreintricate

dynamiccharacteristicsofthesystem.Synchronization,asthefundamentaldynamic

behaviorofneuralnetworks,playsacrucialroleindeepeningourunderstandingofthe

operationalmechanismsofthehumanbraintosomeextent.Additionally,

Synchronizationcanserveastheoreticalsupportforvariousfieldssuchasimage

encryptionandsecurecommunication.Inthecircuitsimulationofartificialneural

networksandbiologicalneuralnetworks,timedelaysareacommonpheno