[发明专利]一种混合时变时滞的惯性神经网络的指数同步控制方法

说明书

本发明属于新一代信息技术领域，具体涉及一种混合时变时滞的惯性神经网络的指数同步控制方法。该方法包括以下步骤：步骤S1：基于惯性神经网络，构建混合时变时滞的惯性神经网络驱动系统和响应系统；步骤S2：根据步骤S1构建的混合时变时滞的惯性神经网络驱动系统与响应系统，设定同步误差，并建立同步误差系统；步骤S3：根据步骤S2建立的同步误差，设计周期间歇同步控制器，将所述周期间歇同步控制器作用于所述响应系统，使得所述响应系统指数同步于所述驱动系统。本发明考虑混合时变时滞问题，且无需构造复杂的李雅普诺夫函数，为混合时变时滞的惯性神经网络实现指数同步提供了一种新的控制方法。

技术领域

本发明涉及新一代信息技术领域，尤其涉及一种混合时变时滞的惯性神经网络的指数同步控制方法。

背景技术

人脑中大约有1.4×10¹¹个神经元，每个神经元与其他10³-10⁵个神经元互连，神经元细胞在神经网络中主要负责信息处理，突触负责不同神经元的连接并进行信息传递，人类大脑可以被看成一个具有大量神经元以及具有超强信息处理的能力的生物神经网络。1943年，科学家受人类大脑启发，提出来第一个人工神经网络模型。上个世纪80年代以来，随着人工智能新一代信息技术的研究热潮，人工神经网络也成为了研究热点，一般简称“神经网络”。神经网络具有并行计算、自组织、自适应和自学习的良好智能特性，在模式识别、自动控制、预测估计、信息安全、联想记忆、模型预测以及安全通信等新一代信息技术领域得到了广泛应用。

在神经网络中加入惯性项，使得神经网络模型阶数变高，这使得其具有更复杂的动力学行为，但可以提高网络的性能，还可以使高阶神经网络具有更高的容错性和更大的存储能力。

同步是一种重要的动力学行为，因为它在伪随机数发生器、模式识别、保密通信等新一代信息技术方面有巨大的应用前景。近年来，同步作为神经网络动力学行为中研究的热点之一，其在人工智能协同控制、信息安全、联想记忆、模型预测以及安全通信等新一代信息技术领域得到了广泛应用。当前，值得注意的是，含混合时变时滞的惯性神经网络的指数同步控制问题尚未被充分考虑。

发明内容

有鉴于此，本发明的目的是提出一种混合时变时滞的惯性神经网络的指数同步控制方法，可以实现混合时变时滞的惯性神经网络的指数同步控制。

本发明采用以下方案实现：一种混合时变时滞的惯性神经网络的指数同步控制方法，包括以下步骤：

步骤S1：基于惯性神经网络，构建混合时变时滞的惯性神经网络驱动系统和响应系统；

步骤S2：根据步骤S1构建的混合时变时滞的惯性神经网络驱动系统与响应系统，设定同步误差，并建立同步误差系统；

步骤S3：根据步骤S2建立的同步误差，设计周期间歇同步控制器，将所述周期间歇同步控制器作用于所述响应系统，使得所述响应系统指数同步于所述驱动系统。

进一步地，步骤S1具体包括以下步骤：

步骤S11：构建混合时变时滞的惯性神经网络为：