×
陈伟杰；金、杰；陈朝阳；于飞；王春华

一种用于混沌系统鲁棒同步的干扰抑制归零神经网络及其FPGA实现。 （英语） Zbl 07847224号

国际分叉混沌应用杂志。科学。工程师。 32，第14号，文章ID 2250210，16 p.（2022）.

引用于1文件

MSC公司：

68T07型 人工神经网络与深度学习
34C60个 常微分方程模型的定性研究与仿真

关键词：

归零神经网络；混沌系统同步；现场可编程门阵列；噪声干扰
PDF格式BibTeX公司 XML格式引用
\textit{W.Chen}等人，国际分叉混沌应用。科学。Eng.32，第14号，文章ID 2250210，第16页（2022；Zbl 07847224）
全文： 内政部

参考文献：

[1] Ahmad，I.、Saaban，A.B.、Ibrahim，A.B.和Shahzad，M.[2015]“使用线性主动控制的新混沌系统的全球混沌同步”，复杂性21，379-386。
[2] Chakraverty，S.，Hladík，M.&Behera，D.[2017]“线性方程组区间系统的形式解及其在区间力结构静态响应中的应用”，应用。数学。型号50105-117·Zbl 1476.65069号
[3] Chen，X.，Park，J.H.，Cao，J.&Qiu，J.[2018]“通过滑模控制实现多个不确定耦合混沌系统的自适应同步”，神经计算273，9-21。
[4] Chen，D.，Li，S.&Wu，Q.[2019]“使用超指数归零神经动力学方法来同步混沌传感器系统，拒绝混沌干扰”，传感器，doi:10.3390/s19010074。
[5] Dai，J.，Cao，Y.，Xiao，L.，Tan，H.&Jia，L.[2021]“用于混沌系统鲁棒同步的噪声抑制归零神经网络方法的设计与分析”，神经计算426，299-308。
[6] Jiang，N.，Zhao，X.，Zhao.，A.，Wang，H.，Qiu，K.&Tang，J.[2020]“基于私有混沌同步和交替步长算法的高速安全密钥分配”，国际分岔与混沌30，2050027-1-11·Zbl 1455.94166号
[7] Jin，L.，Zhang，Y.和Li，S.[2016]“在各种噪声存在下用于实时时变矩阵反演的积分增强Zhang神经网络”，IEEE Trans。神经网络学习。系统272615-2627。
[8] Jin，J.&Gong，J.[2020]“一种用于动态矩阵反演的抗干扰快速收敛归零神经网络及其在移动机械手路径跟踪中的应用”，Alexandria Eng.J.60，659-669。
[9] Jin，J.和Gong，J.[2021]“用于动态矩阵反演的一种容错快速收敛ZNN”，《国际计算杂志》。数学98，2202-2219·Zbl 1492.65065号
[10] Jin，J.，Chen，W.，Zhao，L.，Cheng，L.&Tang，Z.[2022a]“非线性归零神经网络及其在时变线性矩阵方程求解、电子电路电流计算和机器人操作器轨迹跟踪中的应用”，Comp。申请。数学41、319·Zbl 1513.65118号
[11] 金，J.，陈，W.，陈，C.，陈，L.，Tang，Z.，Chen，L.、Wu，L.和Zhu，C.[2022b]“预定义的固定时间收敛ZNN及其在时变二次规划求解和双臂机械手协同轨迹跟踪中的应用”，IEEE Trans。工业信息。，https://doi.org/10.109/TII.2022.3220873。
[12] Kocamaz，U.，Chiçek，S.&Uyaro-lu，Y.[2018]“使用基于无源性同步的混沌和电子电路设计的安全通信”，J.Circuits，Syst。计算271850057。
[13] Li，J.，Mao，M.&Zhang，Y.[2017]“与其他控制器相比，具有参数摄动、模型不确定性和外部干扰的混沌系统同步更简单的ZD-实现控制器”，Optik131，364-373。
[14] Li，J.、Li，Z.、Li、X.、Feng，Y.、Hu，Y.和Xu，B.[2021]“基于动态运动原语的人机合作操作技能学习策略”，IEEE Trans。科尼特。开发系统13，105-117。
[15] Naderi，B.&Kheiri，H.[2016]“混沌系统的指数同步及其在安全通信中的应用”，Optik127，2407-2412。
[16] Qi，Y.，Jin，L.，Li，H.，Li.，Y.&Liu，M.[2020]“求解含时Sylvester方程的离散计算神经动力学模型及其在机器人和MIMO系统中的应用”，IEEE Trans。Ind.Inf.16，6231-6241。
[17] Stanimirović，P.S.，Srivastava，S.&Gupta，D.K.[2018]“从Zhang神经网络到标度超幂迭代”，J.Compute。申请。数学33113-155·Zbl 1377.65044号
[18] Tuna，M.&Fidan，C.B.[2016]“具有单平衡点的新型3D混沌系统的电子电路设计、实现和基于FPGA的实现”，Optik127，11786-11799。
[19] Wang，H.&Ai，Y.[2022]“超混沌Lü系统的自适应定时控制和同步”，应用。数学。计算433127388·Zbl 1510.93158号
[20] Xiao，L.[2016]“具有非平稳系数的等式约束二次优化的非线性激活神经动力学模型及其有限时间解，”Appl。软计算40，252-259。
[21] Xiao，L.，Li，K.&Duan，M.[2019a]“计算具有有限时间收敛性和噪声容限的时变二次优化：归零神经网络的统一框架”，IEEE Trans。神经网络学习。系统。，第3360-3369页。
[22] Xiao，L.，Zhang，Y.，Hu，Z.&Dai，J.[2019b]“在存在各种噪声的情况下，鲁棒非线性归零神经网络在寻找Lyapunov方程精确解方面的性能优势，”IEEE Trans。《印度参考》，第5161-5171页。
[23] Xiao，L.，Zhang，Y.，Zuo，Q.，Dai，J.，Li，J.&Tang，W.[2020]“一种在各种噪声下用于时间相关复矩阵反演的容错归零神经网络”，IEEE Trans。Ind.Inf.16，3757-3766。
[24] Xiao，L.，He，Y.，Liao，B.&Dai，J.[2021]“基于分段时变参数的加速ZNN算法求解时变线性方程”，J.Compute。申请。数学398，0377-0427·Zbl 1493.65126号
[25] Yan，X.，Liu，M.，Jin，L.，Li，S.，Hu，B.，Zhang，X.&Huang，X.[2019]“用于求解非平稳Sylvester方程的新的调零神经网络模型，并对移动机械手进行验证”，IEEE Trans。Ind.Inf.15，5011-5022。
[26] Yu，H.，Cai，G.&Li，Y.[2012]“新型超混沌金融系统的动态分析与控制”，农林。第672171-2182页·Zbl 1242.91225号
[27] Yu，F.、Liu，L.、Xiao，L.，Li，K.和Cai，S.[2019]“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”，Neurocomputing350，108-116。
[28] Yu，F.，Shen，H.，Zhang，Z.，Huang，Y.，Cai，S.&Du，S.[2021]“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”，混沌Solit。分形152111350·Zbl 1505.34077号
[29] Zablith，F.&Osman，I.H.[2019]“使用机器学习和评估模型的混合组合对非结构化评论进行文本分类和情感预测”，应用。数学。型号71569-583。
[30] Zhang，Y.，Jiang，D.&Wang，J.[2002]“用于求解时变系数Sylvester方程的递归神经网络”，IEEE Trans。神经网络5，1053-1063。
[31] Zhang，Z.，Deng，X.，Kong，L.&Li，S.[2020a]“用于抵抗时变动态系统认知周期噪声的昼夜节律学习网络及其在机器人中的应用”，IEEE Trans。科尼特。开发系统12，575-587。
[32] Zhang，Z.，Zheng，L.，Qiu，T.&Deng，F.[2020b]“时变超定线性方程组的变参数收敛微分神经解”，IEEE Trans。自动。第65、874-881号合同·Zbl 1533.93310号
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。