固定时间零化神经网络模型

固定时间收敛

一种采用新型激活函数和时变收敛因子的零化神经网络模型，在噪声环境下求解时变矩阵逆时具有固定时间收敛性和鲁棒性。

Zhu, Jingcan · 金杰 · Chen, Chaoyang · Wu, Lianghong · 卢明 · Ouyang, Aijia

IEEE Transactions on Emerging Topics in Computational Intelligence 2025

技术优势

固定时间收敛

收敛时间有与初始条件无关的上界，因此解密延迟可预测，适合实时加密通信。

噪声下仍鲁棒

即使在有噪声的情况下也能精确求解时变矩阵逆，从而保证动态 Hill 密码解密可靠。

解密性能优于传统模型

与使用其他激活函数和收敛因子的传统零化神经网络相比，该模型在动态 Hill 密码解密中表现更优。

应用场景

• 动态密码学：用随时间变化的密钥加密，破解难度远高于静态 Hill 密码。
• 时变矩阵逆求解：在固定时间内解出时变矩阵逆，保证系统实时响应。
• 实时安全通信：解密延迟有界且抗噪声，适合高实时性安全通信场景。