憶阻器被認(rèn)為是模擬神經(jīng)突觸的完美器件,利用憶阻器來(lái)模擬神經(jīng)突觸的人工神經(jīng)網(wǎng)絡(luò)被稱(chēng)為憶阻神經(jīng)網(wǎng)絡(luò)。同步是神經(jīng)網(wǎng)絡(luò)中一種重要的動(dòng)力學(xué)行為,在合適控制器的作用下神經(jīng)網(wǎng)絡(luò)可以實(shí)現(xiàn)各種類(lèi)型的同步。憶阻神經(jīng)網(wǎng)絡(luò)及其同步控制在智能機(jī)器人的協(xié)同控制、精神疾�。ㄈ绨d癇）的預(yù)防與防治、聯(lián)想記憶和對(duì)人腦的認(rèn)知等領(lǐng)域有著重要應(yīng)用。因?yàn)閼涀杵魈赜械哪鬁鼐�特性,憶阻神經(jīng)網(wǎng)絡(luò)往往呈現(xiàn)出獨(dú)特的動(dòng)力學(xué)行為,并能生成一些新型的混沌系統(tǒng)�；趹涀枭窠�(jīng)網(wǎng)絡(luò)的動(dòng)力學(xué)行為,憶阻神經(jīng)網(wǎng)絡(luò)及其同步控制還可以被應(yīng)用于安全通信、圖像加密和偽隨機(jī)數(shù)生成器等信息安全領(lǐng)域。本文研究了憶阻神經(jīng)網(wǎng)絡(luò)的自適應(yīng)同步、憶阻神經(jīng)網(wǎng)絡(luò)的有限時(shí)間同步、憶阻神經(jīng)網(wǎng)絡(luò)的固定時(shí)間同步,以及憶阻神經(jīng)網(wǎng)絡(luò)在安全通信和圖像加密中的應(yīng)用。主要工作和創(chuàng)新成果如下:1.憶阻神經(jīng)網(wǎng)絡(luò)的自適應(yīng)同步,這部分包括我們所做的三個(gè)工作。在第一個(gè)工作中,通過(guò)設(shè)計(jì)一個(gè)自適應(yīng)控制器,證明了既帶混合時(shí)延又帶隨機(jī)擾動(dòng)的耦合憶阻神經(jīng)網(wǎng)絡(luò)可在這個(gè)控制器的作用下實(shí)現(xiàn)均方漸近同步,在證明的過(guò)程中還用到了 Ito公式和LaSalle不變?cè)淼�。在第二個(gè)工作中,通過(guò)設(shè)計(jì)兩個(gè)雙層自適應(yīng)控制器,證明了帶混合時(shí)延... 

【文章來(lái)源】：北京郵電大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：165 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖１－２?（ａ）包含電荷控制型憶阻器的電路及爐一ｇ曲線；（ｂ）捏滯回線；??（ｃ）?／（／）和ｇ⑴的演化曲線；（ｄ）?ｖ（？）和０？）的演化曲線??前面介紹的兩種理想憶阻器雖然簡(jiǎn)單，但是并沒(méi)有人能夠提出相應(yīng)的物理模??型

憶祖種經(jīng)阿絡(luò)的電路實(shí)現(xiàn)

假設(shè)矣（Ｘ１?（０，?Ｘ２?（０，?Ｘ３?（〇，?Ｘ４?（〇）滿足??ｈｔ?（ｘ，?（／），?ｘ２?（〇，?ｘ３?（ｔ），?ｘ４?（／））?＝?０．?＼ｄｉａｇ（ｘｎ?（ｔ）?－?ｘ／＋１，?（〇，?ｘ，２?（ｔ）?－?ｘｌ＋ｌ２?（〇），??／?＝?１，２，３，４，其中丨（〇＝七（？）。圖２－２和圖２－３分別給出了不加控制器時(shí)??｜｜ｅ，（／）｜｜，／?＝?ｌ，２，３，４?的演化軌跡。??由?｜／７，?（Ｘ】（０，?ｘ２?⑴，ｘ３（／），＆（．０）?－／（（：⑴??可得丨丨／７，．?（Ａ?（／），ｘ２?（／），ｘ３?（〇，?ｘ４?（，））?－?ｚ（／），?ｚ（〇，?ｚ（／））｜｜?Ｓ?０．１?ＶＩ（｜｜ｅ，．?（，）｜?＋??ｆ?＝?ｌ，２，３，４，所以假定２．３成立。??選擇Ａ?＝?％?＝?１，〖＝Ｕ，?３，４，?Ｘ?２，圖２－４和圖２－５分別表示在控制器（２－７）??作用下｜｜＾（／）｜｜，／?＝?１，２，３，４的演化軌跡，可以看出系統(tǒng)（２－９）和系統(tǒng)（２－８）實(shí)現(xiàn)了??均方漸近同步。圖２－６和圖２－７分別給出了控制增益￥⑴，；７，“？），；；，２（〇，?／?＝?１，２，３，４??的演化軌跡。??３０??■?１??２０??．■?Ｚ２⑴??１０?（??ｏ＇ＡＭＭ／ｉＭＪｖＶＷ??：：

【參考文獻(xiàn)】：
期刊論文
[1]Synchronization criteria for multiple memristor-based neural networks with time delay and inertial term[J]. LI Ning,CAO JinDe.  Science China（Technological Sciences）. 2018(04)
[2]Fixed-time synchronization of delayed memristor-based recurrent neural networks[J]. Jinde CAO,Ruoxia LI.  Science China（Information Sciences）. 2017(03)



本文編號(hào)：3118556