基于神经网络混沌吸引子公钥加密算法的FPGA实现

利用具有顺序和并行执行的特点的VHDL语言,设计并实现了基于神经网络混沌吸引子的公钥加密算法,在编解码器设计中采用专用的控制模块来控制加密和解密操作;同时,在RAM模块中自主设计了具有并行读写功能的子模块,以进一步提高算法的数据加密速度;整个系统在DE2实验平台中经过反复实验测试和试运行,结果表明该算法是可以硬件实现的,并且具有较高的数据加密速度,时钟频率可达50 MHz以上.     

基于神经网络的AES混沌加密算法

人工神经网络具有实现快速并行运算又有混沌动力学复杂行为时,它将是用来设计一种加密算法的最佳选择。通过分析混沌神经网络的复杂动力学行为和并行处理特点,本文提出了基于神经网络的AES混沌加密算法,克服了传统AES算法中由于密钥唯一造成的安全性较低的特点,提高了AES算法的安全性。     

基于神经网络的对称密码系统

将混沌机制的非线性和随机特性引入密码系统 ,是加强信息保密的有效途径。离散 Hopfield神经网络存在混沌吸引子 ,基于此可以构造新的加密算法。该文在 GuoDonghui等人提出的对称的概率加密算法的基础上利用密码分组链接模式 (CBC) ,构造了一个较为完整的神经网络分组密码系统 ,它与数字加密标准 (DES)相比 ,更为简单 ,并具有抵御一些类型攻击的优点     

基于Chebyshev神经网络的衍生算法

根据辨识对象,神经网络的输入层和输出层神经元的个数易于确定,而隐层数和隐层神经元个数难以确定.借助于生物的生长发育知识,在正交基函数神经网络的基础上提出衍生算法,该算法的基本思想是先选取较少个数的隐层神经元作为初始发育细胞,训练K次后,如果目标函数J不再变化且大于给定的ε,则网络自动衍生,以上过程反复进行,直至J小于等于ε,则停止衍生和训练.仿真实验表明,该算法在训练过程中改善了收敛速度,并自动调整网络的拓扑结构,解决了隐含神经元个数难以确定的问题且具有优良的逼进任意非线性特性的能力.图2,表2,参7.     

基于神经网络的混沌控制方法研究

本文探讨了动态神经网络在混沌控制中的应用,利用计算机仿真证明了将动态神经网络引入到控制动态的未知多变量混沌系统控制的可行性。     

基于单向混沌函数的图像加密算法分析

对一种基于单向混沌函数的图像加密算法进行了安全性分析.分析了此混沌函数的性质,指出其对控制参数不敏感,迭代产生的密钥流不是均匀分布,零值分布偏多.提出一种选择明文攻击方法,可以在一定精度范围内估计加密算法的密钥值.实验结果表明,该加密算法对于选择明文图像攻击是不安全的,对混沌轨道和密钥流序列进行有效隔离可增强其安全性.     

基于超混沌和扩展Cat映射的实时视频流加密算法

由于超混沌系统具有随机性好、可确定再生且密钥空间较大的特性，提出了一种基于四维连续超混沌系统和扩展Cat映射的实时视频流加密算法。由于流密码加密可增加密码的复杂度，而块密码加密可帮助流密码抵挡已知明文攻击，从而大大提高了密码的抗攻击性。因此，提出将流密码和块密码相结合实现视频流的实时加密，克服了现有的多数基于混沌系统的视频加密算法不能抵抗已知明文攻击和密钥空间小的缺点。该算法流密码采用四维连续超混沌方程进行加密，可同时生成4个混沌序列，     

混沌神经网络模型研究

回顾了近年来混沌神经网络模型的研究进展历史.对全局耦合映射（GCM）模型、A ihara混沌神经网络模型和Inoue混沌神经网络模型等模型的构成和特点进行了全面的分析,综述了混沌神经网络的主要应用领域,评述了混沌神经网络的今后发展方向和主要研究内容.     

混沌神经网络研究及其应用

对全局耦合映射(GCM)模型、Aihara混沌神经网络模型和Inoue混沌神经网络模型等模型的研究现状、构成和特点进行了全面的分析,综述了混沌神经网络的主要应用领域,并试探性地指出了混沌神经网络的发展方向．     

一种新的基于神经网络混沌吸引子的公钥密码算法

论述了一种新的基于神经网络混沌吸引子的公钥密码算法,在过饱和贮存的Hopfield神经网络模型中混沌吸引子与初始状态之间存在一种单向函数关系,改变神经网络的联结权矩阵,混沌吸引子及其相应的吸引域会随之发生改变,如果以联结权矩阵为陷门,并利用可交换的随机变换矩阵来改变神经网络的联结权矩阵,则可以创建一种新的Diffie-Hellman公钥加密算法．将随机变换矩阵作为私钥,而将变换后的神经网络联结突触矩阵作为公钥,介绍了这种新的公钥加密方案,并分析和讨论其安全性和加密效率。     

遗传算法和神经网络耦合的金融预测系统

神经网络具有强大处理非线性系统的能力和映射能力,在财务预警和金融预测中得到广泛应用.神经网络与遗传算法耦合的金融参数预测系统(GA-BP系统)是利用智能模拟算法,算法要点是遗传算法对神经网络预测金融系统拓扑结构层间权系值进行优胜劣汰演化,本文证明二者耦合能提高网络系统的效率和预测精度,实现了两种智能模拟方法的集成耦合.     

改进的神经网络非均匀性校正算法研究

针对传统神经网络非均匀性校正算法所存在的像素点期望值估计不准确、场景长时间静止时校正图像发生衰退以及校正图像出现鬼影的问题,在原有的神经网络算法的基础上做了进一步的改进。主要包括三个部分:首先,计算场景的局部方差,设置合理判断阈值,区别不同的场景区域;再通过比较前后两帧场景的绝对误差值,判别场景是否静止,来控制校正参数是否更新;然后利用图像配准的方法,计算出帧间位移,对校正步长做出修正。最后与传统神经网络算法进行对比实验,结果表明,改进的神经网络算法在鬼影抑制和非均匀性校正方面都具有较好的效果。     

基于聚类法的协同神经网络学习算法

根据协同学理论的基本观点（模式识别的过程即为模式形成的过程）,对构造出的协同神经网络在模式识别中的应用进行了研究．发现伴随向量的性能直接影响到模式识别的成功率,而伴随向量是由原型向量计算得到．所以原型向量的选择对识别结果有着十分重要的作用．提出了一种基于聚类算法的选择原型向量的方法．通过对近千个样本进行的模拟实验,结果证明这种基于聚类算法的原型向量选择方法很有效,使识别率有了较大的提高．     

基于IP承载网软交换组网技术的研究

随着通信网络技术的飞速发展,人们对于数据、话音、视频等新业务的要求也在迅速增长,向用户提供更加灵活多样的通信业务,更加个性化的服务,也成为各大运营商的工作重点。通信网络向下一代网络NGN发展的过程中,软交换技术作为下一代通信网络解决方案之一备受关注,得到了广泛的应用。本文提出了基于IP承栽技术的软交换方案,此方案提升了网络的利用率和网络投资的效益,充分发挥了软交换和IP承接网络技术的优势。满足了中远期业务发展的需要。     

基于动量项前馈神经网络盲均衡算法

针对基于前馈神经网络的盲均衡算法中，BP优化算法具有收敛速度慢、易陷入局部极小的缺点，提出了一种新的盲均衡算法，该算法结合动量项前馈神经网络与传统恒模盲均衡算法的优点，将以前权值的调节量用于当前权值的修改过程，降低了算法对于误差曲面局部极值点的敏感性。仿真结果表明，该算法可有效抑制网络陷入局部极小，防止振荡，加快盲均衡器的收敛速度。     

一种基于人工神经网络的无线传感器网络定位算法

提出了一种基于人工神经网络(ANN)的无线传感器网络定位方法,RSSI的结果被用来作为人工神经网络的输入,采用遗传算法优化人工神经网络的结构.采用MATLAB进行仿真,模拟20 m×20 m室内静态网络环境下的8个已知位置节点.实验结果表明,该方法比传统方法的定位精度高、适应性强,效果较好.     

一种基于遗传算法的BP神经网络算法及其应用

主要分析了神经网络和遗传算法的特点和存在的一些缺陷，研究了遗传算法和BP神经网络学习算法相结合的相关技术，设计并实现了一个基于遗传算法的BP神经网络算法BP—GA，已应用于肺癌早期细胞病理诊断系统中。实验结果表明，该算法具有较强的收敛性和鲁棒性，其应用效果很好。     

基于神经网络技术的序列加密方法

在密码学中,序列密码是非常重要的一种加密方法。神经网络模拟人脑的思维方式,具有输入与输出是一个高度非线性映射关系以及高智能、可训练、超大容量等特点。基于神经网络的序列加密可以达到非常完美的加密效果。文中在传统加密算法的基础上分析了基于神经网络加密的优越性,得到了基于神经网络的序列加密方法。     

BP神经网络数值预测方法的研究

人工神经网络作为一个具有高度非线性映射能力的的计算模型,具有广泛的应用前景.在数值预测方面,它不需要预选确定样本的数学模型,仅通过学习样本数据即可以进行预测.本文在对其进行深入研究的基础上,探讨了利用BP神经网络进行数值预测的方法和应该注意的问题,并给出了一些有益的建议.     

BP神经网络数值预测方法的研究

人工神经网络作为一个具有高度非线性映射能力的的计算模型,具有广泛的应用前景。在数值预测方面,它不需要预选确定样本的数学模型,仅通过学习样本数据即可以进行预测。本文在对其进行深入研究的基础上,探讨了利用BP神经网络进行数值预测的方法和应该注意的问题,并给出了一些有益的建议。