混沌神經網路關鍵理論技術與套用研究

《混沌神經網路關鍵理論技術與套用研究》是依託電子科技大學,由秦科擔任醒目負責人的青年科學基金項目。

基本介紹

• 中文名：混沌神經網路關鍵理論技術與套用研究
• 依託單位：電子科技大學
• 項目類別：青年科學基金項目
• 項目負責人：項目負責人

項目摘要

本課題將藉助Lyapunov穩定性，高維映射的穩定流形，不變集、符號動力系統、線性矩陣不等式、混沌同步與控制等理論深入分析混沌神經網路的三種動力學特徵：收斂、振盪與混沌；研究如何從混沌吸引子中快速有效地提取有用信息以及如何控制網路在混沌與有序之間切換，從而實現混沌模式識別；利用Erdos隨機圖理論，W-S模型以及BA模型建立網路拓撲，採用Automata的學習機制和分布率函式以及非結構化空間理論，結合動力學分析結果來確立神經元的連線權值，設計具有更豐富動力學特點的新型混沌神經網路，並將之套用到模式識別和密碼設計中；利用最最佳化理論和當代計算機的並行處理能力，分割高維混沌神經網路的計算任務以分配在不同的CPU核上處理，從而降低高維複雜運算代價；研究基於高維混沌神經網路的密碼系統共性特點與個性案例，設計基於複雜動力學行為的密碼體制並分析這類密碼體制的安全強度。

結題摘要

在本項目中，我們對計畫的四個研究內容分別進行了深入探索：包括深入分析混沌神經網路具有的動力學特性；構造具有更豐富動力學行為的混沌神經網路；研究基於混沌神經網路的新型模式識別和動態聯想記憶理論；基於混沌神經網路的密碼算法設計與安全性分析。 1. 針對混沌神經網路動力學特性的研究：我們分析了眾多混沌神經網路（例如基於 Duffing 方程的網路、基於分片光滑正弦函式的網路、 基於時延微分方程的網路等）的穩定性、 套用案例等。 並且設計了一種具有普適特點的混沌神經網路模型。使得經典的神經網路模型只是該模型的一個特例。可以根據不同的套用需求， 調整神經網路的學習算法和權值，使得網路呈現出混沌或者周期現象。 2. 利用W-S模型、隨機圖以及無標度模型，對混沌神經網路的拓撲結構進行了探索性修改，並證明了邊連線機率對混沌神經網路的分岔與振盪的影響。實驗表明，經過精心設計的網路可以達到自動尋優的目的。 3. 對混沌模式識別和動態聯想記憶進行了深入的探索。由於混沌神經網路的內在特點，如果不加以控制，很難在實際套用場合中進行使用。我們證明了通過一定的參數調節，使得神經網路能夠在混沌與有序之間進行轉換。這種轉換和大腦的活動方式有一定的相似之處。並且實驗證明，經過精心調製的混沌神經網路可用於實現模式識別和聯想記憶。 4. 針對基於混沌和混沌神經網路的密碼算法進行了深入的分析，證明了這些算法的安全缺陷。我們的研究指明了密碼系統和混沌系統雖然有眾多的相似之處，但同時也具備相當大的差別。當利用混沌系統去密碼系統時，會產生很多意想不到的後果，這是研究中應該避免的。