×
于飞;沈慧;Zhang、Zinan;黄元元;蔡朔;杜，四川

电磁辐射下神经网络中新型吸引子的动力学分析、硬件实现和工程应用。 （英语） Zbl 1505.34077号

混沌孤子分形 152，文章ID 111350，14 p.（2021）.
摘要：本文研究了电磁辐射下由三个神经元组成的小型神经网络的有趣动力学。电磁辐射强度可以改变神经网络中平衡点的数目，从而导致吸引子轨迹的多样化。因此，可以从电磁辐射刺激的神经网络中生成新型的多类型吸引子，如一对二螺旋吸引子和一对四涡卷吸引子。此外，神经网络中还观察到了丰富的动力学行为，如过渡共存吸引子、低能遗传吸引子，周期模式、放电模式、瞬态混沌和间歇性混沌。在硬件实现方面，我们利用FPGA对构建的神经网络模型进行了数字实现。实验验证结果与数值模拟结果高度一致。在工程应用方面，我们将其分别应用于伪随机数生成器和图像加密，通过NIST测试套件测试不同混沌吸引子的随机性能，描述了基于神经网络的图像加密方案，并估计了其安全性能。最终结果表明，具有混沌行为的神经网络模型具有良好的随机性和安全性，非常适合于基于混沌的工程应用。

引用于4文件

理学硕士：

34C60个 常微分方程模型的定性研究与仿真
34A34飞机 非线性常微分方程和系统
34二氧化碳 积分曲线、奇点、常微分方程极限环的拓扑结构
34D20型 常微分方程解的稳定性
34C28个 常微分方程的复杂行为与混沌系统
34D45号 常微分方程解的吸引子
92B20型 生物研究、人工生命和相关主题中的神经网络
94A60型 密码学
94A08型 信息和通信理论中的图像处理（压缩、重建等）

关键词：

霍普菲尔德神经网络;电磁辐射;多类型吸引子;FPGA（现场可编程门阵列）;伪随机数生成器;图像加密
PDF格式BibTeX公司 XML格式引用
\textit{F.Yu}等人，混沌孤子分形152，文章ID 111350，14 p.（2021；Zbl 1505.34077）
全文： 内政部

参考文献：

[1] 周，C。；Wang，C.H。；Sun，Y.C.，记忆耦合神经网络的加权和同步，神经计算，403225-232（2020）
[2] 洪，C。；毛，W.L。；黄海勇，基于递归模糊神经网络的改进PSO算法在系统辨识中的应用，智能自动软计算，25，2，329-341（2019）
[3] 沈，Z。；丁·F。；Shi，Y.，通过卷积神经网络进行重新着色的数字取证，《计算机材料连续性》，62，1，1-16（2020）
[4] 余，F。；刘，L。；Xiao，L.，使用新型非线性激活函数计算时变非线性方程的鲁棒固定时间归零神经动力学，Neurocomputing，350108-116（2019）
[5] 潘·L。；李，C。；Pouyanfar，S.，用于食品成分自动分类的新型组合卷积神经网络，Comput Mater Continua，62，2，731-746（2020）
[6] 姚，W。；王，C。；Sun，Y.，具有参数扰动和时变延迟的记忆神经网络的鲁棒多模式功能同步，IEEE Trans-Syst Man Cybern（2020）
[7] Shin，香港。；Ahn，Y.H。；Lee，S.H.，使用深度卷积神经网络的基于数字视觉的混凝土抗压强度评估模型，Comput Mater Continua，61，3，911-928（2019）
[8] 姚，W。；王，C。；曹，J.，带时滞的耦合多稳态记忆神经网络的混合多同步，神经计算，363281-294（2019）
[9] Lin，H。；王，C。；Chen，C.，神经网络和电路模拟的神经突发和同步，IEEE Trans circuits Syst I（2021）
[10] 刘，X。；Si，Y。；Wang，D.，LSTM神经网络在心电识别中的节拍分类，智能自动软计算，26，2，341-351（2020）
[11] 姚，W。；Wang，C.H。；Sun，Y.C.，通过静态或动态事件触发控制实现时变延迟的惯性记忆神经网络同步，神经计算，404，367-380（2020）
[12] Long，M。；Zeng，Y.，用批量归一化卷积神经网络检测虹膜活性，Comput Mater Continua，58493-504（2019）
[13] 霍普菲尔德（Hopfield），J.J.，《具有分级响应的神经元与二态神经元一样具有集体计算特性》，《国家科学院院刊》，81，10，3088-3092（1984）·Zbl 1371.92015年
[14] 恩吉塔奇，Z.T。；Kengne，J。；Fotsin，H.B.，基于忆阻器的Hopfield神经网络（HNNs）中的过多行为，国际动态控制杂志，7，1，36-52（2019）
[15] 恩吉塔奇，Z.T。；Kenne，J.，具有非线性突触权重的4D Hopfield神经网络（HNN）的复杂动力学：多吸引子和重新融合feigenbaum树的共存，AEU-Int J Electron Commun，93，1，242-252（2018）
[16] 胡，X。；刘，C。；Liu，L.，电磁辐射下神经网络的混沌动力学，非线性动力学，91，3，1541-1554（2018）
[17] Tan，Y.M。；Wang，C.H.，一种简单的局部激活记忆电阻器及其在HR神经元中的应用，Chaos，30，5，053118（2020）·Zbl 1437.94108号
[18] 吴，F.Q。；马，J。；Zhang，G.，电磁场下的新神经元模型，应用数学计算，347，590-599（2019）·Zbl 1428.92024号
[19] 张，S。；郑建华。；Wang，X.，电磁辐射下记忆HR神经元模型中的多滚动隐吸引子及其应用，混沌，31，1，011101（2021）·兹比尔1458.34095
[20] Lin，H.R。；Wang，C.H。；Hong，Q.H.，多稳态忆阻器及其在神经网络中的应用，IEEE Trans Circuits Syst-II，67，12，3472-3476（2020）
[21] 姚，W。；Wang，C.H。；Sun，Y.C.，具有随机参数扰动的记忆Cohen-Grossberg神经网络的指数多稳态，应用数学计算，386125483（2020）·Zbl 1497.93194号
[22] Lin，H.R。；Wang，C.H。；Sun，Y.C.，在局部激活记忆神经元模型中激发多稳态，非线性动力学，100，4，3667-3683（2020）
[23] Bao，B。；钱，H。；Wang，J.，Hopfield神经网络中共存多吸引子的数值分析和实验验证，非线性动力学，90，4，2359-2369（2017）
[24] 陈，C。；陈，J。；Han，B.，具有两个神经元的忆阻-突触耦合Hopfield神经网络中共存的多稳态模式，非线性Dyn，95，4，3385-3399（2019）·Zbl 1437.92023号
[25] Bao，H。；刘伟。；Hu，A.，通过记忆电磁感应耦合的两个相邻神经元中共存的多个放电模式，非线性动力学，95，1，43-56（2019）
[26] P.V.Thanh。；萨贾德，J。；Sundarapandlan，V.，一种新型隐吸引子记忆神经网络及其电路实现，中国科学，59，3，358-363（2016）
[27] Danca，M.F。；Kuznetsov，N.，Hopfield神经系统中的隐藏混沌集，混沌孤子分形，105，144-150（2017）·Zbl 1380.65423号
[28] 段，L。；黄，L。；Guo，Z.，具有时变时滞的反应扩散高阶Hopfield神经网络的周期吸引子，计算数学应用，73，3，233-245（2017）·兹比尔1386.35159
[29] 李，J。；刘，F。；Guan，Z.H.，一种新的混沌Hopfield神经网络及其通过参数切换的合成，神经计算，117，33-39（2013）
[30] Huang，W.Z.，一类新的Hopfield神经网络的混沌，应用数学计算，206，1，1-11（2008）·Zbl 1157.65508号
[31] Yang，X.S。；Quan，Y.，简单Hopfield神经网络中的混沌和瞬态混沌，神经计算，69，1-3，232-241（2005）
[32] 李，Q。；唐，S。；Zeng，H.，关于小记忆神经网络中的超混沌，非线性动力学，78，2，1087-1099（2014）·Zbl 1331.94090号
[33] 夏，H。；赵，Z。；Zhen，W.，分数阶细胞神经网络中的混沌和超混沌，神经计算，94，13-21（2012）
[34] 李，Q。；Yang，X.S。；Yang，F.，Hopfield型神经网络中的超混沌，神经计算，67275-280（2005）
[35] Bao，B。；Hou，L。；Zhu，Y.，禁忌学习神经元模型的分岔分析和电路实现，AEU-Int J Electron Commun，121153235（2020）
[36] 莫斯塔吉米，S。；Nazarimehr，F。；Jafari，S.，磁流下耦合神经元的化学和电突触调制动力学特性，Appl Math Comput，348，42-56（2019）·Zbl 1428.92022号
[37] Kafraj，M.S。；Parastesh，F。；Jafari，S.，电磁感应和噪声影响下改进的Izhikevich神经元模型的激发模式，混沌孤子分形，137109782（2020）
[38] Wang，H。；马，J。；Chen，Y.，自闭症对突发神经元放电模式转换的影响，《公共非线性科学数字模拟》，19，9，3242-3254（2014）·Zbl 1510.92054号
[39] Bao，B。；胡，A。；Xu，Q.，改进的Hindmarsh-Rose模型中AC诱导的共存不对称爆炸，非线性Dyn，92，4，1695-1706（2018）
[40] Parastesh，F。；贾法里，S。；阿扎努什，H。；Hatef，B。；Namazi，H。；Dudkowski，D.，基于记忆电阻的hopfield神经网络中的Chimera，欧洲物理杂志专题，228，10，2023-2033（2019）
[41] 张，S。；郑洁。；Wang，X.，记忆多双涡卷Hopfield神经网络中初始偏移增强共存吸引子，非线性Dyn，1022821-2841（2020）
[42] 吕，M。；Ma，J.，电磁辐射下新神经元模型中的多模式电活动，神经计算，205，375-381（2016）
[43] Bao，B。；许，Q。；Xu，Q.，基于双曲型记忆电阻器的Hopfield神经网络中非对称吸引子的共存行为，Front Comput Neurosci，11，18（2017）
[44] Lin，H。；王，C。；Tan，Y.，受电磁辐射影响的Hopfield神经网络中超混沌和瞬态混沌的隐藏极端多稳态，非线性Dyn，992369-2386（2020）·Zbl 1516.92004号
[45] Lin，H.R。；Wang，C.H.，电磁辐射分布对神经网络混沌动力学的影响，应用数学计算，369，124840（2020）·Zbl 1433.92005年
[46] Lin，H.R。；Wang，C.H。；Yao，W.，具有不同类型外部刺激的神经网络中的混沌动力学，Commun非线性科学数值模拟，90，105390（2020）·Zbl 1453.92016年
[47] Wang，T。；何，X。；Huang，T.，电路实现中神经网络的复杂动力学行为，神经计算，190，95-106（2016）
[48] 徐，Q。；宋，Z。；Bao，H.，基于双神经元的非自治记忆Hopfield神经网络：数值分析和硬件实验，数字分析硬件实验，96，66-74（2018）
[49] Rajagopal，K。；金枪鱼。；Karthikeyan，A.，具有参数不确定性的分数阶忆阻器Hopfield神经网络的动态分析、滑模同步及其非分数阶FPGA实现，《欧洲物理杂志》，2282065-2080（2019）
[50] Rajagopal，K。；Munoz-Pacheco，J.M。；Pham，V.T.，具有多个吸引子的Hopfield神经网络及其FPGA设计，《欧洲物理杂志》，第227期，第811-820页（2018年）
[51] Yang，F.F。；Wang，X.Y.，一种新的基于Hopfield神经网络的分数阶混沌系统的动态特性及其数字电路实现，Phys Scr，96，30335218（2021）
[52] 徐，Q。；Tan，X。；Zhu，D.，Chay神经元中突发和尖峰的分岔及其在数字电路中的验证，混沌孤子分形，141110353（2020）
[53] Chua，L.，忆阻器——缺失的电路元件，IEEE跨电路理论，18，5，507-519（1971）
[54] Kwan，H.K.，适用于数字硬件实现的简单类S形激活函数，Electron Lett，28，15，1379-1380（1992）
[55] 秦，J。；曹毅。；Xiang，X.，云计算中基于SimHash的加密图像检索方法，Comput Mater Continua，63，1，389-399（2020）
[56] 拉维坎思，G。；Sunitha，K.V.N。；Reddy，B.E.，使用视觉图像集成方法的卫星图像融合方法的位置相关信号，计算系统科学工程，35，5，385-393（2020）
[57] 刘杰。；李，J。；Cheng，J.，基于DTCWT-DCT和混沌映射的加密医学图像鲁棒水印算法，Comput Mater Continua，61，2，889-910（2019）
[58] Mohanapriya，N。；Kalaavathi，D.B.，使用混合粒子群优化和分水岭分割的自适应图像增强，智能自动软计算，25，4，663-672（2019）
[59] 夏，F。；黄S.，颜色设计与搭配在图像处理中的应用研究，计算机系统科学，35，2，91-98（2020）
[60] Qu，L。；He，H。；Zhang，S.，基于预测和自适应分类置乱的加密图像可逆数据隐藏，Comput Mater Continua，65，3，2623-2638（2020）
[61] 卢，B。；刘，F。；Ge，X.，基于混沌地图控制和普通图像相关密码系统的密码分析和改进，Compute Mater Continua，61，2，687-699（2019）
[62] 余，F。；李，L。；He，B.，基于四翼记忆超混沌系统和bernoulli映射的伪随机数生成器的设计和FPGA实现，IEEE Access，7181884-181898（2019）
[63] 余，F。；钱，S。；Chen，X.，基于混沌的工程应用与6D记忆多稳态超混沌系统和2d SF-SIMM超混沌映射，复杂性，2021，6683284（2021）
[64] 余，F。；李，L。；He，B.，基于5D超混沌四翼记忆系统的伪随机数发生器及其FPGA实现，Eur Phys J Spec Top，2301763-1772（2021）
[65] 余，F。；张，Z。；Shen，H.，电磁辐射下基于Hopfield神经网络的伪随机数发生器的设计与FPGA实现，Front Phys，9，690651（2021）
[66] 陈，X。；钱，S。；Yu，F.，基于三种四翼记忆超混沌系统的伪随机数发生器及其在图像加密中的应用，复杂性，2020，8274685（2020）
[67] Cheng，G。；王，C。；Xu，C.，基于量子遗传算法和压缩感知的新型超混沌图像加密方案，Multimed Tools Appl，79，39，29243-29263（2020）
[68] 邓，J。；周，M.J。；Wang，C.H.，通过密码和多反馈回路参与混沌序列生成的图像分割加密算法，Multimed Tools Appl，80，13821-13840（2021）
[69] Yang，F。；牟，J。；Ma，C.，不适当分数阶激光混沌系统的动态分析及其图像加密应用，Opt Lasers Eng，129106031（2020）
[70] 曾，J。；Wang，C.H.，基于粒子群优化算法和细胞自动机的新型超混沌图像加密系统，Secur Commun Netw，2021，6675565（2021）
[71] 余，F。；沈，H。；Zhang，Z.，一种新的具有复合双曲正切非线性的多螺杆蔡氏电路：复杂动力学、硬件实现和图像加密应用，Integration，81，71-83（2021）
[72] Li，C.L。；周，Y。；Li，H.M.，带位置乱和乘法扩散的图像加密方案，多媒体工具应用，8018479-18501（2021）
[73] 林，H。；王，C。；Yu，F.，《一个极其简单的多翼混沌系统：动力学分析、加密应用和硬件实现》，IEEE Trans-Ind-Electron（2020）
[74] 周，Y。；李，C。；李伟，带圆索引表置乱和分区扩散的图像加密算法，非线性Dyn，103，2，2043-2061（2021）·兹比尔1517.94023
[75] Wang，X.Y。；Li，Z.M.，基于Hopfield混沌神经网络的彩色图像加密算法，光学激光工程，115，107-118（2019）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。