多神經(jīng)網(wǎng)絡同步算法研究.pdf

1、在自然界中，有很多同步現(xiàn)象，同樣，神經(jīng)網(wǎng)絡也有同步現(xiàn)象存在。神經(jīng)網(wǎng)絡跟人工智能等眾多應用領域結(jié)合起來，已成為潛力巨大的研究方向。在兩個神經(jīng)網(wǎng)絡同步的過程中，初始狀態(tài)的權值都是隨機的向量。在每次學習過程中兩個神經(jīng)網(wǎng)絡都接收相同的輸入向量，然后計算各自的輸出，最后與對方相互交換自己的輸出，再根據(jù)輸出結(jié)果的情況，運用一定的學習規(guī)則來調(diào)整自己的權值。當神經(jīng)網(wǎng)絡的權值都是離散值的時候，通過有限次學習后就能達到完全同步，即權值完全相同的狀態(tài)，并且該

2、同步狀態(tài)將在以后的學習過程中保持不變。神經(jīng)網(wǎng)絡的這個特性可以被應用到很多領域中，如在信息安全中，我們可以用神經(jīng)網(wǎng)絡的同步來實現(xiàn)公共信道上密鑰的交換。而本文的主要工作就是研究多個神經(jīng)網(wǎng)絡的同步模型并提出它在組密鑰交換中的應用。
　　 本文中提出了多神經(jīng)網(wǎng)絡同步的中心學習模型，分布式同步模型，鄰居學習模型，多數(shù)學習模型，混合同步模型等，并從同步時間及同步效果上來分析了這些同步模型的在不同的學習規(guī)則下的同步時間和同步效果，并用大量的實