CN117031962B - 一种时滞忆阻细胞神经网络的固定时间同步控制方法 - Google Patents
一种时滞忆阻细胞神经网络的固定时间同步控制方法 Download PDFInfo
- Publication number
- CN117031962B CN117031962B CN202311160040.8A CN202311160040A CN117031962B CN 117031962 B CN117031962 B CN 117031962B CN 202311160040 A CN202311160040 A CN 202311160040A CN 117031962 B CN117031962 B CN 117031962B
- Authority
- CN
- China
- Prior art keywords
- time
- response system
- synchronous
- cell
- neural network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000001360 synchronised effect Effects 0.000 title claims abstract description 88
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000004044 response Effects 0.000 claims abstract description 74
- 210000004027 cell Anatomy 0.000 claims description 42
- CIWBSHSKHKDKBQ-JLAZNSOCSA-N Ascorbic acid Chemical compound OC[C@H](O)[C@H]1OC(=O)C(O)=C1O CIWBSHSKHKDKBQ-JLAZNSOCSA-N 0.000 claims description 24
- 230000001413 cellular effect Effects 0.000 claims description 12
- 238000013461 design Methods 0.000 claims description 4
- 210000003050 axon Anatomy 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 15
- 230000009471 action Effects 0.000 description 11
- 238000004088 simulation Methods 0.000 description 6
- 210000000225 synapse Anatomy 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- GVGLGOZIDCSQPN-PVHGPHFFSA-N Heroin Chemical compound O([C@H]1[C@H](C=C[C@H]23)OC(C)=O)C4=C5[C@@]12CCN(C)[C@@H]3CC5=CC=C4OC(C)=O GVGLGOZIDCSQPN-PVHGPHFFSA-N 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000000739 chaotic effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004377 microelectronic Methods 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明属于新一代信息技术领域，具体涉及一种时滞忆阻细胞神经网络的固定时间同步控制方法。该方法包括以下步骤：步骤S1：建立时滞忆阻细胞神经网络驱动系统和响应系统；步骤S2：根据步骤S1建立的时滞忆阻细胞神经网络驱动系统与响应系统，设定所述驱动系统和响应系统的同步误差，并建立同步误差系统；步骤S3：根据步骤S2设定的同步误差构造一个函数，设计固定时间状态反馈同步控制器，将所述固定时间状态反馈同步控制器作用于所述响应系统，使得所述响应系统固定时间同步于所述驱动系统。本发明可以实现时滞忆阻细胞神经网络的固定时间同步，即同步时间不依赖驱动系统和响应系统的初始状态。
Description
技术领域
本发明涉及新一代信息技术领域，尤其涉及一种时滞忆阻细胞神经网络的固定时间同步控制方法。
背景技术
1971年，蔡少棠教授根据电路对称性和完备性理论，预测存在一种新的基本电路元器件，该元器件是表示磁通量与电荷关系的电路器件，并将其命名为忆阻器[详见文献Chua L.Memristor-the missing circuit element[J].IEEE Transactions on CircuitTheory,1971,18(5):507-519]。2008年，美国HP公司Williams小组证实了忆阻器的存在，首次研制出了忆阻器的物理模型[详见文献Strukov D B,Snider G S,Stewart D R,etal.The missing memristor found[J].Nature,2008,453(7191):80-83.]。
忆阻器是一种非易失性的存储设备，具有体积小、密度高、可扩展性好等特点。当电路断开时，忆阻器可以记住最后通过的电荷值，直到下一次电压打开。这一特性类似于生物神经元的记忆特性，因此忆阻器常被用来代替传统人工神经网络中的电阻，从而更好地模拟神经元的突触。这种神经网络被称为忆阻神经网络，与传统人工神经网络相比，它反映出的神经网络动力学行为更加复杂。此外，1988年，细胞神经网络被提出[详见文献ChuaLO,Yang L.Cellular neural networks:theory.IEEE Transactions on Circuits andSystems1988；35(10):1257–72.]，细胞神经网络是一个非线性动态系统，它可以表现出复杂的混沌行为[详见文献：魏慧，李国东.基于细胞神经网络超混沌特性的图像加密算法[J].微电子学与计算机,2020,37(05):43-48+53.]。
同步性是忆阻神经网络的一个重点研究方向，同步性在保密通信、信息科学、联想记忆和图像处理等方面有着广泛应用前景，因而受到许多领域学者的广泛关注。在在文献[牟晓辉,唐荣强,杨鑫松.忆阻型模糊细胞神经网络在时滞脉冲控制下的全局指数同步[J].南通大学学报(自然科学版),2020,19(01):68-76.]中，作者通过采用Filippo解和可测选择理论将忆阻模糊细胞神经网络转化成一类参数不确定的神经网络，进而研究了忆阻型模糊细胞神经网络的全局指数同步控制问题；在硕士论文[阿卜杜杰力力·阿卜杜热合曼.具有连续或不连续激活函数的忆阻神经网络的同步控制研究[D].新疆大学]中，作者利用Banach的不动点定理，得到了具有时变时滞的四元数值细胞神经网络的加权伪概周期解的一些充分条件，并通过构造一个适当的Lyapunov泛函，设计一个状态反馈控制器，进而实现了具有时变时滞的四元数值细胞神经网络的加权伪概周期同步。
此外，当对实际世界动态网络建模时，由于信号传输速度的有限性和放大器有限的切换速度，这使得时滞总是存在的，并且是时变的。另外，有研究发现网络的时滞可能会导致网络特性变差和不稳定[详见文献：张海涛，王婷，费树岷，等.具有混杂耦合的耦合时滞神经网络同步的进一步分析[J].东南大学学报(英文版)，2010(03)：448-452.]。
发明内容
有鉴于此，本发明的目的是提供一种时滞忆阻细胞神经网络的固定时间同步控制方法，可以实现时滞忆阻细胞神经网络同步。
本发明采用以下方案实现：一种时滞忆阻细胞神经网络的固定时间同步控制方法，包括以下步骤：
步骤S1：建立时滞忆阻细胞神经网络驱动系统和响应系统；
步骤S1具体包括以下步骤：
步骤S11：建立时滞忆阻细胞神经网络驱动系统为：
步骤S12：建立时滞忆阻细胞神经网络响应系统为：
在所述驱动系统和响应系统中，时间t≥0；xij(t)和yij(t)分别为驱动系统和响应系统的细胞Cij的电压值；Chl表示处在位置(h，l)的细胞；αij表示细胞Cij活动衰减率；f(xhl(t-λhl(t)))和f(yhl(t-λhl(t)))是二个正值连续输出函数，分别表示驱动系统和响应系统的细胞Chl的输出，且满足|f(xhl(t-λhl(t)))|≤M和|f(yhl(t-λhl(t)))|≤M，其中M为正常数；对于任意实数a和b，上述输出函数满足|f(a)-f(b)|≤Lf|a-b|，其中Lf为正常数；i＝1，2，...，m；j＝1，2，...，n；n和m为正整数；λhl(t)表示从第(i，j)个细胞沿着第(h，l)个细胞的轴突的传输时滞，且满足0≤λhl(t)≤λhl；Iij(t)表示细胞Cij的外部输入，且Nr(i，j)表示细胞Cij的r领域，具体为：Nr(i，j)＝{Chl：max{|h-i|，|l-j|}≤r，1≤h≤m，1≤l≤n}；λhl、/>和r为正常数；wij(t)表示固定时间状态反馈同步控制器；/>表示驱动系统细胞Chl到细胞Cij的基于忆阻器的连接强度，/>表示响应系统细胞Chl到细胞Cij的基于忆阻器的连接强度，它们分别满足：
其中，切换界值Θij>0；和/>都是由忆阻器特性决定的常数，并令且/>其中/>
步骤S2：根据步骤S1建立的时滞忆阻细胞神经网络驱动系统与响应系统，设定所述驱动系统和响应系统的同步误差，并建立同步误差系统；
步骤S2具体包括以下步骤：
步骤S21：根据步骤S1建立的时滞忆阻细胞神经网络驱动系统与响应系统，设定所述驱动系统和响应系统的同步误差为：
eij(t)＝yij(t)-xij(t)
步骤S22：根据所述驱动系统和响应系统，以及步骤S21设定的同步误差，建立同步误差系统为：
步骤S3：根据步骤S2设定的同步误差构造一个函数，设计固定时间状态反馈同步控制器，将所述固定时间状态反馈同步控制器作用于所述响应系统，使得所述响应系统固定时间同步于所述驱动系统；
步骤S3具体包括以下步骤：
步骤S31：根据步骤S2设定的同步误差构造的函数为李雅普诺夫函数V(t)，给出其具体表达式为：
步骤S32：设计固定时间状态反馈同步控制器为：
其中，i＝1，2，…，m；j＝1，2，…，n；κ1>0；κ2>0；0<θ1<1；θ2>1； 为控制器增益；sign(eij(t))表示为同步误差eij(t)的符号函数；ehl(t-λhl(t))＝yhl(t-λhl(t))-xhl(t-λhl(t))；控制器增益/>满足下列不等式：/>
步骤S33：将所述固定时间状态反馈同步控制器作用于所述响应系统，使得所述响应系统固定时间同步于所述驱动系统。
进一步地，所述响应系统固定时间同步于所述驱动系统，且同步时间T满足：
本发明提供了一种时滞忆阻细胞神经网络的固定时间同步控制方法，与现有技术相比，本发明的有益效果是：
1、本发明中，采用忆阻器来模拟细胞神经网络中的突触，构建了时滞忆阻细胞神经网络。
2、本发明中，设计了固定时间状态反馈同步控制器。
3、本发明实现了时滞忆阻细胞神经网络的固定时间同步控制方法，该同步控制方法相比于渐近同步控制方法和有限时间同步控制方法，是一种更为实用的同步控制方法，因为渐近同步控制方法在理论上同步时间是无限大的，有限时间同步控制方法虽然能保证同步时间是有限的，但其有限的同步时间依赖于驱动系统和响应系统的初始状态，而同步控制方法保证了响应系统在固定时间内同步于驱动系统，即同步时间不依赖系统的初始状态。
附图说明
图1为本发明一种时滞忆阻细胞神经网络的固定时间同步控制方法的流程图；
图2为本发明具体实施例2中，驱动系统x11(t)和无控制器作用下响应系统y11(t)的轨迹对照图；
图3为本发明具体实施例2中，驱动系统x12(t)和无控制器作用下响应系统y12(t)的轨迹对照图；
图4为本发明具体实施例2中，驱动系统x21(t)和无控制器作用下响应系统y21(t)的轨迹对照图；
图5为本发明具体实施例2中，驱动系统x22(t)和无控制器作用下响应系统y22(t)的轨迹对照图；
图6为本发明具体实施例2中，驱动系统x11(t)和在固定时间状态反馈同步控制器作用下响应系统y11(t)的轨迹对照图；
图7为本发明具体实施例2中，驱动系统x12(t)和在固定时间状态反馈同步控制器作用下响应系统y12(t)的轨迹对照图；
图8为本发明具体实施例2中，驱动系统x21(t)和在固定时间状态反馈同步控制器作用下响应系统y21(t)的轨迹对照图；
图9为本发明具体实施例2中，驱动系统x22(t)和在固定时间状态反馈同步控制器作用下响应系统y22(t)的轨迹对照图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行一步详细说明。
应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例1：
如图1所示，本实施例提供一种时滞忆阻细胞神经网络的固定时间同步控制方法。该同步控制方法包括以下步骤：
步骤S1：建立时滞忆阻细胞神经网络驱动系统和响应系统；
步骤S1具体包括以下步骤：
步骤S11：建立时滞忆阻细胞神经网络驱动系统为：
步骤S12：建立时滞忆阻细胞神经网络响应系统为：
在所述驱动系统和响应系统中，时间t≥0；xij(t)和yij(t)分别为驱动系统和响应系统的细胞Cij的电压值；Chl表示处在位置(h，l)的细胞；αij表示细胞Cij活动衰减率；f(xhl(t-λhl(t)))和f(yhl(t-λhl(t)))是二个正值连续输出函数，分别表示驱动系统和响应系统的细胞Chl的输出，且满足|f(xhl(t-λhl(t)))|≤M和|f(yhl(t-λhl(t)))|≤M，其中M为正常数；对于任意实数a和b，上述输出函数满足|f(a)-f(b)|≤Lf|a-b|，其中Lf为正常数；i＝1，2，...，m；j＝1，2，...，n；n和m为正整数；λhl(t)表示从第(i，j)个细胞沿着第(h，l)个细胞的轴突的传输时滞，且满足0≤λhl(t)≤λhl；Iij(t)表示细胞Cij的外部输入，且Nr(i，j)表示细胞Cij的r领域，具体为：Nr(i，j)＝{Chl：max{|h-i|，|l-j|}≤r，1≤h≤m，1≤l≤n}；λhl、/>和r为正常数；wij(t)表示固定时间状态反馈同步控制器；/>表示驱动系统细胞Chl到细胞Cij的基于忆阻器的连接强度，/>表示响应系统细胞Chl到细胞Cij的基于忆阻器的连接强度，它们分别满足：
其中，切换界值Θij＞0；和/>都是由忆阻器特性决定的常数，并令目/>其中/>
步骤S2：根据步骤S1建立的时滞忆阻细胞神经网络驱动系统与响应系统，设定所述驱动系统和响应系统的同步误差，并建立同步误差系统；
步骤S2具体包括以下步骤：
步骤S21：根据步骤S1建立的时滞忆阻细胞神经网络驱动系统与响应系统，设定所述驱动系统和响应系统的同步误差为：
eij(t)＝yij(t)-xij(t)
步骤S22：根据所述驱动系统和响应系统，以及步骤S21设定的同步误差，建立同步误差系统为：
步骤S3：根据步骤S2设定的同步误差构造一个函数，设计固定时间状态反馈同步控制器，将所述固定时间状态反馈同步控制器作用于所述响应系统，使得所述响应系统固定时间同步于所述驱动系统；
步骤S3具体包括以下步骤：
步骤S31：根据步骤S2设定的同步误差构造的函数为李雅普诺夫函数V(t)，给出其具体表达式为：
步骤S32：设计固定时间状态反馈同步控制器为：
其中，i＝1，2，…，m；j＝1，2，…，n；κ1>0；κ2>0；0<θ1<1；θ2>1； 为控制器增益；sign(eij(t))表示为同步误差eij(t)的符号函数；ehl(t-λhl(t))＝yhl(t-λhl(t))-xhl(t-λhl(t))；控制器增益/>满足下列不等式：/>
步骤S33：将所述固定时间状态反馈同步控制器作用于所述响应系统，使得所述响应系统固定时间同步于所述驱动系统。
在本实施例中，所述响应系统固定时间同步于所述驱动系统，且同步时间T满足：
值得说明的是，本发明采用忆阻器来模拟细胞神经网络中的突触，构建了时滞忆阻细胞神经网络；本发明设计了固定时间状态反馈同步控制器；本发明实现了时滞忆阻细胞神经网络的固定时间同步控制方法，该同步控制方法相比于渐近同步控制方法和有限时间同步控制方法，是一种更为实用的同步控制方法，因为渐近同步控制方法在理论上同步时间是无限大的，有限时间同步控制方法虽然能保证同步时间是有限的，但其有限的同步时间依赖于驱动系统和响应系统的初始状态，而同步控制方法保证了响应系统在固定时间内同步于驱动系统，即同步时间不依赖系统的初始状态。
实施例2：
本实施例中主要包括两部分内容：
其一是对实施例1中提出的一种时滞忆阻细胞神经网络的固定时间同步控制方法的有效性进行理论证明。
其二是通过数值仿真的方法针对实施例1中时变时滞忆阻递归神经网络驱动系统和响应系统，对它们的同步性能进行仿真验证。
(理论证明和仿真实验均不用于限定本发明，在其它实施例中可以不进行仿真实验，也可以采用其他实验方案进行试验，对该神经网络系统的性能进行验证。)
一、理论证明
下面给出在证明过程中将会采用的引理：
引理1：如果存在正定连续可微径向无界的函数V(t)：满足：
(1)
(2)其中0<p<1、q>1、α>0、β>0；
那么，V(t)满足不等式：
V(t)≡0,t≥T
其中，
引理2：如果z1、z2、…、zn都是非负数，a2>a1>0，则以下不等式成立：
构造李雅普诺夫函数：
然后，根据引理2，以及对所建立的李雅普诺夫泛函求迪尼导数，可得：
因此，根据引理1可知，在所述固定时间状态反馈同步控制器作用下，所述响应系统固定时间内同步于所述驱动系统，且同步时间满足：
二、数值仿真
在本实施例中，以m＝2、n＝2的时滞忆阻细胞神经网络为例，确定驱动系统为：
与此驱动系统对应的响应系统为：
其中，t≥0；r＝1；f(xhl(t-λhl(t)))＝tanh(xhl(t-λhl(t)))、f(yhl(t-λhl(t)))＝tanh(yhl(t-λhl(t)))；常数Lf＝1；M＝1；；Iij(t)＝0、i＝1，2；j＝1，2；忆阻器连接权重的参数为：/> 和/>Θij＝0.2；λhl(t)＝max{[n(h-1)+l](sin(t)+0.5cos(πt)),0}；/>
驱动系统和响应系统的初始值设置如下：
x11(0)＝1.2；x12(0)＝-0.9；x21(0)＝-1.1；x22(0)＝0.6；
y11(0)＝0.2；y12(0)＝-0.3；y21(0)＝0.5；y22(0)＝-1.5。
根据上述参数设置，固定时间状态反馈同步控制器参数取值为κ1＝κ2＝0.6、θ1＝0.2和θ2＝2.2，以及不等式 和/>对驱动系统和响应系统进行数值仿真实验，具体仿真实验结果如下：图2为驱动系统x11(t)和无控制器作用下响应系统y11(t)的轨迹对照图；图3为驱动系统x12(t)和无控制器作用下响应系统y12(t)的轨迹对照图；图4为驱动系统x21(t)和无控制器作用下响应系统y21(t)的轨迹对照图；图5为本发明具体实施例2中，驱动系统x22(t)和无控制器作用下响应系统y22(t)的轨迹对照图；图6为本发明具体实施例2中，驱动系统x11(t)和在固定时间状态反馈同步控制器作用下响应系统y11(t)的轨迹对照图；图7为本发明具体实施例2中，驱动系统x12(t)和在固定时间状态反馈同步控制器作用下响应系统y12(t)的轨迹对照图；图8为本发明具体实施例2中，驱动系统x21(t)和在固定时间状态反馈同步控制器作用下响应系统y21(t)的轨迹对照图；图9为本发明具体实施例2中，驱动系统x22(t)和在固定时间状态反馈同步控制器作用下响应系统y22(t)的轨迹对照图。其中，图2-图5表明无控制器作用下驱动系统和响应系统无法实现同步；图6-图9的轨迹表明响应系统在固定时间状态反馈同步控制器的作用下，实现了响应系统固定时间同步于驱动系统，验证了同步性能。
最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (2)
1.一种时滞忆阻细胞神经网络的固定时间同步控制方法，其特征在于，包括以下步骤：
步骤S1：建立时滞忆阻细胞神经网络驱动系统和响应系统；
步骤S1具体包括以下步骤：
步骤S11：建立时滞忆阻细胞神经网络驱动系统为：
步骤S12：建立时滞忆阻细胞神经网络响应系统为：
在所述驱动系统和响应系统中，时间t≥0；xij(t)和yij(t)分别为驱动系统和响应系统的细胞Cij的电压值；Chl表示处在位置(h，l)的细胞；αij表示细胞Cij活动衰减率；f(xhl(t-λhl(t)))和f(yhl(t-λhl(t)))是二个正值连续输出函数，分别表示驱动系统和响应系统的细胞Chl的输出，且满足|f(xhl(t-λhl(t)))|≤M和|f(yhl(t-λhl(t)))|≤M，其中M为正常数；对于任意实数a和b，上述输出函数满足|f(a)-f(b)|≤Lf|a-b|，其中Lf为正常数；i＝1，2，...，m；j＝1，2，...，n；n和m为正整数；λhl(t)表示从第(i，j)个细胞沿着第(h，l)个细胞的轴突的传输时滞，且满足0≤λhl(t)≤λhl；Iij(t)表示细胞Cij的外部输入，且Nr(i，j)表示细胞Cij的r领域，具体为：Nr(i，j)＝{Chl：max{|h-i|，|l-j|}≤r，1≤h≤m，1≤l≤n}；λhl、/>和r为正常数；wij(t)表示固定时间状态反馈同步控制器；/>表示驱动系统细胞Chl到细胞Cij的基于忆阻器的连接强度，/>表示响应系统细胞Chl到细胞Cij的基于忆阻器的连接强度，它们分别满足：
其中，切换界值Θij＞0；和/>部是由忆阻器特性决定的常数，并令目/>其中/>
步骤S2：根据步骤S1建立的时滞忆阻细胞神经网络驱动系统与响应系统，设定所述驱动系统和响应系统的同步误差，并建立同步误差系统；
步骤S2具体包括以下步骤：
步骤S21：根据步骤S1建立的时滞忆阻细胞神经网络驱动系统与响应系统，设定所述驱动系统和响应系统的同步误差为：
eij(t)＝yij(t)-xij(t)
步骤S22：根据所述驱动系统和响应系统，以及步骤S21设定的同步误差，建立同步误差系统为：
步骤S3：根据步骤S2设定的同步误差构造一个函数，设计固定时间状态反馈同步控制器，将所述固定时间状态反馈同步控制器作用于所述响应系统，使得所述响应系统固定时间同步于所述驱动系统；
步骤S3具体包括以下步骤：
步骤S31：根据步骤S2设定的同步误差构造的函数为李雅普诺夫函数V(t)，给出其具体表达式为：
步骤S32：设计固定时间状态反馈同步控制器为：
其中，i＝1，2，...，m；j＝1，2，...，n；κ1＞0；κ2＞0；0＜θ1＜1；θ2＞1； 为控制器增益；sign(eij(t))表示为同步误差eij(t)的符号函数；ehl(t-λhl(t))＝yhl(t-λhl(t))-xhl(t-λhl(t))；控制器增益/>满足下列不等式：/>
步骤S33：将所述固定时间状态反馈同步控制器作用于所述响应系统，使得所述响应系统固定时间同步于所述驱动系统。
2.根据权利要求1所述的一种时滞忆阻细胞神经网络的固定时间同步控制方法，其特征在于，所述响应系统固定时间同步于所述驱动系统，且同步时间T满足：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311160040.8A CN117031962B (zh) | 2023-09-08 | 2023-09-08 | 一种时滞忆阻细胞神经网络的固定时间同步控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311160040.8A CN117031962B (zh) | 2023-09-08 | 2023-09-08 | 一种时滞忆阻细胞神经网络的固定时间同步控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117031962A CN117031962A (zh) | 2023-11-10 |
| CN117031962B true CN117031962B (zh) | 2024-01-02 |
Family
ID=88630090
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311160040.8A Active CN117031962B (zh) | 2023-09-08 | 2023-09-08 | 一种时滞忆阻细胞神经网络的固定时间同步控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117031962B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11449754B1 (en) * | 2021-09-12 | 2022-09-20 | Zhejiang University | Neural network training method for memristor memory for memristor errors |
| CN115755621A (zh) * | 2022-12-08 | 2023-03-07 | 盐城工学院 | 一种忆阻递归神经网络的有限时间自适应同步控制方法 |
| CN115857349A (zh) * | 2022-12-08 | 2023-03-28 | 盐城工学院 | 一种忆阻神经网络的指数同步控制方法 |
| CN116203838A (zh) * | 2022-12-08 | 2023-06-02 | 盐城工学院 | 一种分数阶忆阻神经网络的有限时间同步控制方法 |
| CN116430715A (zh) * | 2022-12-08 | 2023-07-14 | 盐城工学院 | 一种时变时滞忆阻递归神经网络的有限时间同步控制方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10332004B2 (en) * | 2015-07-13 | 2019-06-25 | Denso Corporation | Memristive neuromorphic circuit and method for training the memristive neuromorphic circuit |
-
2023
- 2023-09-08 CN CN202311160040.8A patent/CN117031962B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11449754B1 (en) * | 2021-09-12 | 2022-09-20 | Zhejiang University | Neural network training method for memristor memory for memristor errors |
| CN115755621A (zh) * | 2022-12-08 | 2023-03-07 | 盐城工学院 | 一种忆阻递归神经网络的有限时间自适应同步控制方法 |
| CN115857349A (zh) * | 2022-12-08 | 2023-03-28 | 盐城工学院 | 一种忆阻神经网络的指数同步控制方法 |
| CN116203838A (zh) * | 2022-12-08 | 2023-06-02 | 盐城工学院 | 一种分数阶忆阻神经网络的有限时间同步控制方法 |
| CN116430715A (zh) * | 2022-12-08 | 2023-07-14 | 盐城工学院 | 一种时变时滞忆阻递归神经网络的有限时间同步控制方法 |
Non-Patent Citations (1)
| Title |
|---|
| 变时滞随机忆阻器神经网络的同步控制;沈君;楼旭阳;;计算机系统应用(04);第23-28页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117031962A (zh) | 2023-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | Finite-time synchronization of memristor chaotic systems and its application in image encryption | |
| Wang et al. | Synchronization control for a class of discrete-time dynamical networks with packet dropouts: A coding–decoding-based approach | |
| Fang et al. | Adaptive fuzzy control for nontriangular stochastic high-order nonlinear systems subject to asymmetric output constraints | |
| Dong et al. | Global exponential synchronization of discrete-time high-order switched neural networks and its application to multi-channel audio encryption | |
| Vaidyanathan | Adaptive control of the FitzHugh-Nagumo chaotic neuron model | |
| Wen et al. | Exponential adaptive lag synchronization of memristive neural networks via fuzzy method and applications in pseudorandom number generators | |
| CN115903470B (zh) | 一种惯性复值忆阻神经网络的滞后同步控制方法 | |
| CN115755621B (zh) | 一种忆阻递归神经网络的有限时间自适应同步控制方法 | |
| Li et al. | Event-triggered synchronization of multiple discrete-time Markovian jump memristor-based neural networks with mixed mode-dependent delays | |
| CN116430715B (zh) | 一种时变时滞忆阻递归神经网络的有限时间同步控制方法 | |
| Zhang et al. | Stability and L2-gain analysis for impulsive switched systems | |
| Yang et al. | Synchronization of coupled memristive chaotic circuits via state-dependent impulsive control | |
| Zhao et al. | Leader-following consensus of multi-agent systems via novel sampled-data event-triggered control | |
| CN116203838B (zh) | 一种分数阶忆阻神经网络的有限时间同步控制方法 | |
| Chen et al. | Nussbaum-based adaptive fault-tolerant control for nonlinear CPSs with deception attacks: a new coordinate transformation technology | |
| Zhou et al. | Adaptive synchronization of coupled chaotic delayed systems based on parameter identification and its applications | |
| Hu et al. | Design of recurrent neural networks for solving constrained least absolute deviation problems | |
| CN117031962B (zh) | 一种时滞忆阻细胞神经网络的固定时间同步控制方法 | |
| Udhayakumar et al. | Quasi‐bipartite synchronisation of multiple inertial signed delayed neural networks under distributed event‐triggered impulsive control strategy | |
| Anbuvithya et al. | Extended dissipativity synchronization for Markovian jump recurrent neural networks via memory sampled-data control and its application to circuit theory | |
| Yuan et al. | Asymptotic anti-synchronization of memristor-based BAM neural networks with probabilistic mixed time-varying delays and its application | |
| Tyukin et al. | Nonuniform small-gain theorems for systems with unstable invariant sets | |
| Lai et al. | Heterogeneous coexisting attractors, large-scale amplitude control and finite-time synchronization of central cyclic memristive neural networks | |
| CN117335957A (zh) | 一种bam忆阻神经网络修正函数投影同步的保密通信方法 | |
| Zhang et al. | New result on delay-dependent stability for Markovian jump time-delay systems with partial information on transition probabilities |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240327 Address after: Building A 2081, No. 88 Jianghai West Road, Liangxi District, Wuxi City, Jiangsu Province, 214063 Patentee after: Wuxi Xiangyuan Information Technology Co.,Ltd. Country or region after: China Address before: 224051 No. 1 hope road middle road, Ting Hu District, Yancheng City, Jiangsu Patentee before: YANCHENG INSTITUTE OF TECHNOLOGY Country or region before: China |
|
| TR01 | Transfer of patent right |