基于脉冲控制的四元数网络有限时间同步及应用

研究四元数网络有限时间同步问题.所考虑的网络节点状态、动力学以及耦合矩阵均为四元数结构.通过设计脉冲控制协议,保证耦合网络节点能够在有限时间实现同步,并给出相应的同步驻留时间.最后,给出数值仿真验证控制协议的有效性,并将所得同步结果应用于彩色图像的信息隐藏之中.

时滞四元数忆阻神经网络的投影同步控制

利用改进的1-范数和直接解析法,研究具有时变时滞四元数忆阻神经网络模型的投影同步控制问题。通过设计一种新型控制器,构造合适的李雅普诺夫函数和运用一些不等式技巧,建立新的投影同步条件,实现四元数忆阻神经网络的投影同步。最后,通过数值仿真验证该方法的可行性。

具有可变延时的四元数神经网络的指数稳定性

研究一类具有可变延时的四元数神经网络的指数稳定性。首先将该系统分解为4个等价的实数域系统,然后在假定激活函数满足强耦合条件的情况下,利用M矩阵理论和矢量Lyapunov函数法分析该系统平衡点的全局指数稳定性,并给出了形式简单且容易验证的稳定性判据。本文所建立的稳定性条件不仅推广了现有结论,并且具有较低的保守性。最后,通过数值仿真算例验证了所得结论的正确性和低保守性。

结合双随机相位加密和四元数格拉斯曼平均网络的彩色人脸隐私保护识别

为保护彩色人脸图像的隐私并提高识别准确率,提出一种结合双随机相位加密和四元数格拉斯曼平均网络的彩色人脸隐私保护识别算法.首先将彩色人脸图像的颜色分量编码为纯四元数矩阵,使用双随机相位加密和四元数Gyrator变换进行加密.为了隐藏原始彩色人脸图像的内容,通过随机二值幅度掩模选取部分密文进行解密,得到不可见的人脸图像,然后使用四元数格拉斯曼平均网络提取人脸的特征向量和线性支持向量机进行识别.当人脸特征模板泄露时,可以重新生成随机二值幅度矩阵并构建新的特征模板替换原始的特征模板,满足可撤销性,从而保证原始人脸图像的安全性.在Aberdeen, Georgia Tech, Visible Light和YouTube Makeup 4个数据集上与当前3种人脸隐私保护识别算法进行比较,实验结果表明该算法能够有效地提高识别率,而且对数据集的变化具有较好的鲁棒性.

中立型四元数神经网络的稳定性分析

讨论了中立型四元数神经网络的全局μ稳定问题.用复分解法将中立型四元数神经网络转换为2个复值神经网络,减少了计算复杂度.根据同胚映射理论证明了时滞中立型四元数神经网络系统解的存在唯一性.构造了李雅普诺夫泛函,通过不等式技巧和自由权矩阵方法等分析技巧,分析给出了时滞四元数神经网络系统的全局μ稳定的稳定性判据以及它的一个推论.最后,通过1个数值算例验证文章方法的有效性和结论的正确性.

四元数神经网络的固定时间同步分析

四元数神经网络已被广泛用于动态规则、图像处理、色彩融合等领域。一个未知网络的动力学行为可以基于同步理论和已知网络的动力学行为来研究,故同步控制在人工智能研究中有重要的价值。本文提出一个新的固定时间收敛定理,并给出相应的设定时间上限估算公式。基于该定理,利用Lyapunov稳定理论,设计合适的非线性控制器,得到了四元数神经网络实现固定时间同步的充分条件。

具有混合时滞的四元数神经网络全局同步性控制

本文研究了具有混合时滞的四元数神经网络的全局同步性问题.在不要求网络的激活函数可分离为2个复数函数或4个实数函数的情况下,通过选取合适的Lyapunov-Krasovskii泛函,并运用驱动–响应同步、自由权矩阵方法和矩阵不等式技巧,给出了网络全局同步性的充要条件,建立了同步控制器的设计方法.给出的同步性判据是四元数和复数两种形式的线性矩阵不等式(LMI).同时在注记中与已有的结果进行了对比.最后,通过一个数值仿真算例验证了理论分析的有效性.

一类具有离散时滞和分布时滞的四元数神经网络同步性研究

本文通过构造合适的Lyapunov-Krasovskii函数,利用自由权矩阵方法和四元数不等式技巧,讨论了一类具有离散和分布时滞的四元数神经网络的同步性问题,得出了保证四元数神经网络全局同步性的充分判据.

一类带时滞的四元数神经网络的全局指数反同步

本文就一类带时滞的四元数值神经网络(QVNNs)的指数反同步问题进行研究。首先依据Hamilton法则,将QVNNs分解为4个等价的实值神经网络(RVNNs)。然后通过构造合适的Lyapunov-Krasovskii泛函,利用驱动–响应同步方法和矩阵不等式理论,得到了四元数值时滞神经网络关于指数反同步的一个结果。最后,通过数值仿真算例验证了所提出方法的有效性。

一类四元数值Cohen-Grossberg神经网络的固定时间同步

研究一类具有时变时滞的四元数Cohen-Grossberg神经网络(QVCGNNs)的固定时间同步问题。首先,在使用直接法把四元数神经网络当作一个整体的前提下,利用四元数符号函数的性质设计了新颖有效的四元数值控制器使得驱动响应系统实现固定时间同步;然后,通过构造适当的Lyapunov-Krasovskii泛函,运用不等式技巧得到了保证四元数Cohen-Grossberg神经网络驱动响应系统固定时间同步的判据;最后,提供了一个数值仿真算例用以验证所提出方法的可靠性。

具有时变时滞的分数阶四元数神经网络的投影同步

研究了具有时变时滞的分数阶四元数神经网络的投影同步问题.该文不将分数阶四元数神经网络系统转化成两个复值系统或四个实值系统,而是将四元数系统当做一个整体进行处理.在合适的控制器下,通过构造合适的Lyapunov函数,并利用一些不等式技巧,得到了具有时变时滞分数阶四元数时滞神经网络投影同步的充分性判据.最后,通过数值仿真实例验证了所得结论的有效性和可行性.

具有不可微时变时滞四元数神经网络的全局μ-稳定性

稳定性是实值、复值、四元数神经网络在众多领域应用中首要关心的问题,针对具有不可微时变时滞的四元数神经网络的全局μ-稳定性问题,提出了在不要求网络可分解情况下的充分性判据;将四元数神经网络整体考虑,通过构造合适的Lyapunov-Krasovskii泛函,运用自由权矩阵和矩阵不等式等技术,获得了所研究网络平衡点的全局μ-稳定性的充分性条件,给出的稳定性判据是四元数线性矩阵不等式表示的,同时将所得结果与已有的结果进行了对比;最后通过一个数值仿真实例验证了结果的有效性.

基于彩色图像四元数表示的彩色人脸识别

为了更有效地利用彩色人脸的色彩信息进行识别,提出了一种新的基于彩色图像四元数表示的算法.首先基于彩色图像四元数表示和四元数代数理论定义了四元数伪Zernike矩(Quaternion pseudo-Zernike moments,QPZMs),将传统的主要处理灰度图像的伪Zernike矩(Pseudo-Zernike moments,PZMs)推广应用于彩色图像,然后基于QPZMs构造了彩色人脸图像针对旋转、缩放和平移(Rotation,scaling,and translation,RST)变换的四元数值不变量,最后结合这些鲁棒的不变量特征和四元数BP神经网络(Quaternion back propagation neural network,QBPNN)分类器进行彩色人脸识别.实验结果表明,与现有基于四元数的算法比较,本文算法在表情、光照、位置等变化方面具有更强的鲁棒性.

具有时变时滞和比例时滞的四元数神经网络的稳定性分析

采用一种新型的方法,研究了一类具有混合时滞的四元数神经网络的指数稳定性问题.利用了Halanay不等式技术而不是Lyapunov函数,并结合矩阵测度的方法,讨论了系统的全局指数稳定性问题,最后利用数值仿真来验证结论的有效性.

DoS攻击下四元数神经网络实际固定时间聚类同步

研究DoS(Denial-of-Service,拒绝服务)攻击下受扰的四元数神经网络实际固定时间聚类同步问题.给出新的固定时间稳定性引理,设计全新的控制器,得到DoS攻击下四元数神经网络实际固定时间聚类同步的充分性条件.通过引入四元数意义下的符号函数,避免了将四元数神经网络分解为4个实值子系统,解决了四元数神经网络实际固定时间聚类同步问题.最后,通过数值仿真验证了理论结果的有效性.

An attitude calculation algorithm based on WNN-EKF

In the strapdown inertial navigation system,the attitude information is obtained through an inertial measurement unit(IMU)device,which mainly includes a triaxial gyroscope,a triaxial accelerometer and a triaxial magnetometer.However,IMU sensors have system noise and drift errors,and these errors can accumulate over time,which makes it difficult to control the attitude accuracy.In order to solve the problems of gyro drift over time and random errors generated by the surrounding environment,this paper presents an attitude calculation algorithm based on wavelet neural network-extended Kalman filter(WNN-EKF).The wavelet neural network(WNN)is used to optimize the model and compensate the extended Kalman filter’s own model error.Through the semi-physical simulation experiment,the results show that the algorithm improves the accuracy of attitude calculation and enhances the self-adaptability to the environment.