[发明专利]耦合神经网络有界聚类投影同步调节控制方法及系统

说明书

本发明涉及耦合神经网络有界聚类投影同步调节控制方法及系统。本发明包括建立具有非线性、非恒同和混合时变时滞的多个聚类的耦合神经网络，对每个聚类设定目标神经网络；根据所述耦合神经网络与目标神经网络建立误差耦合神经网络；根据所述误差耦合神经网络模型设计牵制脉冲反馈控制器，基于所述牵制脉冲反馈控制器选择相应函数，以实现每个聚类中神经网络与目标神经网络之间的有界聚类投影同步；通过搭建网络模型并利用所述网络模型进行数值仿真，验证目标神经网络与耦合神经网络之间的有界聚类投影同步效果。本发明控制成本低且控制精度高。

技术领域

本发明涉及复杂网络同步控制技术领域，尤其是指耦合神经网络有界聚类投影同步调节控制方法及系统。

背景技术

近年来，复杂网络在各个领域的广泛应用，使得复杂网络的研究成为一个有趣的课题。通过校准系统参数或施加外部控制输入来迫使网络中的系统行为一致，称为同步现象。目前，混沌系统的聚类行为在图像处理、保密通信等工作中得到了广泛的应用，同步现象成为复杂网络研究中不可缺少的一部分。到目前为止，人们已经讨论了不同类型的同步现象，如有界同步、滞后同步、簇同步、相位同步、投影同步等。

在上述几种同步方法中，投影同步方法由于各节点的不同比例系数，在实际应用中具有重要意义。例如在数字通信领域，多进制通信通过投影同步实现更快的通信。有界同步是一种特殊的同步，一般由参数失配、内部干扰、外部攻击等因素引起，系统仅需要在一定范围内具有一致。此外，聚类同步作为一种常见的同步现象，描述了发生在各子群中的同步现象。

一般来说，很多复杂网络都很难独自实现同步。为了解决该问题，几种实现同步的有效方法已经被提出，包括牵制控制、脉冲控制、分布式控制、间歇控制等。其中脉冲控制作为一种高效节能的同步策略能够以低消耗实现有效控制，牵制控制也仅需要对网络中极少部分节点进行控制即可实现同步。因此，可以将以上两种控制方法联合使用以达到。

非恒同的耦合神经网络内部包含具有不同内部结构的神经网络，也可依此将其划分为不同聚类。在工业产品的方案设计过程中，神经网络常被应用于决策支持系统的推理机构中，通过样本信息数据按照神经网络产生的推理策略得到最优方案。耦合神经网络在非恒同和参数不匹配的情况下实现同步的问题是很少被讨论的,由于不同神经网络的连接权值矩阵的差异性，考虑参数不匹配特征又是很有必要的。现有耦合神经网络的分布式控制相较于牵制控制成本较高，而一般的聚类牵制控制策略旨在消去不同聚类之间的相互作用并对连接多个聚类的关键节点进行控制，这类控制策略效率较低，适用场景较少且不能保证实现有效控制。

发明内容

为此，本发明所要解决的技术问题在于克服现有技术中完成非恒同的耦合神经网络控制的同步控制成本高且不能进行有效控制。

为解决上述技术问题，本发明提供了耦合神经网络有界聚类投影同步调节控制方法，包括建立具有非线性、非恒同和混合时变时滞的多个聚类的耦合神经网络，对每个聚类设定目标神经网络；根据所述耦合神经网络与目标神经网络建立误差耦合神经网络；根据所述误差耦合神经网络模型设计牵制脉冲反馈控制器，基于所述牵制脉冲反馈控制器选择相应函数，以实现每个聚类中神经网络与目标神经网络之间的有界聚类投影同步；通过搭建网络模型并利用所述网络模型进行数值仿真，验证目标神经网络与耦合神经网络之间的有界聚类投影同步效果。

在本发明的一个实施例中，所述耦合神经网络的模型为：