神经密码学

神经网络是近年来得到迅速发展的国际前沿研究领域，它已成功地应用于许多学科领域。密码学是解决信息安全最有效的手段之一，是当代信息高科技热点。用人工神经网络解决计算机密码学中的问题，即神经密码学，不仅是神经网络的一个重要的应用研究领域，而且也是密码学理论研究的一个新课题。     

神经网络在密码学领域的应用

神经网络是近年来得到迅速发展的新型学科，由于其独特的结构和处理信息的方法，使其应用范围日益扩大，并已在许多学科领域取得了成功的应用，其中通信保密通信就是神经网络的重要研究领域，密码技术作为保密通信的关键已成为当代信息高科技的热点，用人工神经网络解决计算机密码学中的问题，即神经密码学，不仅是神经网络的一个重要应用研究领域，而且也将给密码学理论提供一种全新的思路。     

基于阻尼最小二乘法的神经网络自校正一步预测控制器

针对非线性控制器设计中遇到的模型结构及模型参数辨识问题,采用多层前馈神经网络去逼近任意的非线性系统,并使用收敛速度快且稳定性好的阻尼最小二乘法在线学习网络的仅植。基于估计的神经网络模型,依据辨识与控制的对偶原则,设计了基于阻尼最小二乘法的一步向前预测控制器。仿真研究表明,这种神经网络自校正控制器不仅具有很好的性能,而且不会产生参数爆发现象。     

基于AES的数据加密方案

将最新的数据加密标准（AES）算法Rijndael与目前国际上应用最广泛的公开密钥密码技术（RSA）相结合，提出了一种新的数据加密方案。     

基于阻尼最小二乘法的神经网络预测偏差补偿自校正控制器

本文提出一种神经网络预测偏差补偿自校正控 制器,用线性模型的预测控制去控制非线性系统,其预测偏差用神经网络进行补偿．线性模 型的辨识和神经网络的学习均采用阻尼最小二乘法．仿真结果表明,用这种控制器能有效地 控制非线性系统,并具有超调小,鲁棒性好的特点．