Zum Inhalt

Dynamic Event-Triggered Passive Synchronization for Mode-Dependent Persistent Dwell-Time Switched Neural Networks Subject to DoS Attacks

  • 17.10.2023
Erschienen in:

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Der Artikel vertieft die kritische Frage der Synchronisierung in neuronalen Netzwerken und konzentriert sich dabei auf modeabhängige Regeln zur persistenten Zeitumstellung und die Auswirkungen von Denial-of-Service (DoS) -Angriffen. Es führt einen dynamischen ereignisauslösenden Mechanismus ein, um die Effizienz der Netzwerkübertragung zu verbessern, und stellt einen neuartigen Ansatz zur Gewährleistung der Systemstabilität und -sicherheit bei bösartigen Netzwerkangriffen dar. Der Einsatz der Aktivierungsfunktionsaufteilungsmethode verringert den Konservatismus weiter, wodurch die Ergebnisse praktikabler und anwendbarer werden. Der Aufsatz schließt mit einem numerischen Beispiel und einem Bildverschlüsselungsalgorithmus, um die Wirksamkeit der vorgeschlagenen Methoden zu demonstrieren und die Bedeutung dieser Arbeit für die Weiterentwicklung des Bereichs der Synchronisierung und Steuerung neuronaler Netzwerke hervorzuheben.

Sie sind noch kein Kunde? Dann Informieren Sie sich jetzt über unsere Lizenzmodelle:

Einzelzugang

Starten Sie jetzt Ihren persönlichen Einzelzugang. Erhalten Sie sofortigen Zugriff auf mehr als 170.000 Bücher und 540 Zeitschriften - pdf-Downloads und Neu-Erscheinungen inklusive.

Jetzt ab 54,00 € pro Monat!                                        

Mehr erfahren

Zugang für Unternehmen

Nutzen Sie Springer Professional in Ihrem Unternehmen und geben Sie Ihren Mitarbeitern fundiertes Fachwissen an die Hand. Fordern Sie jetzt Informationen für Firmenzugänge an.

Erleben Sie, wie Springer Professional Sie in Ihrer Arbeit unterstützt!

Beraten lassen
Titel
Dynamic Event-Triggered Passive Synchronization for Mode-Dependent Persistent Dwell-Time Switched Neural Networks Subject to DoS Attacks
Verfasst von
Xiaomin Wang
Jianwei Xia
Lei Su
Hao Shen
Publikationsdatum
17.10.2023
Verlag
Springer US
Erschienen in
Neural Processing Letters / Ausgabe 9/2023
Print ISSN: 1370-4621
Elektronische ISSN: 1573-773X
DOI
https://doi.org/10.1007/s11063-023-11426-7
Dieser Inhalt ist nur sichtbar, wenn du eingeloggt bist und die entsprechende Berechtigung hast.