近日，网络空间安全学院师生在中科院1区TOP期刊《Chaos, Solitons and Fractals》发表了题为“Chaotic signal denoising based on simplified convolutional denoising auto-encoder”的研究论文。该论文第一作者为20级硕士生娄舒婷，第二作者为21级硕士生邓家睿，第三作者（通讯作者）为吕善翔老师。研究成果得到了国家自然科学基金重点项目、广东省基础与应用基础重大项目等基金项目的大力支持。

混沌、模糊与神经网络被称为“三大”模拟信息处理体系。混沌理论研究的是非线性动力学，目的是要揭示貌似随机的现象背后可能隐藏的简单规律，以求发现一大类复杂问题普遍遵循的共同规律。从神经网络、脑中获得的脑电波、脑磁场等数据都存在混沌特征，但观察到的混沌数据往往会受到噪声的污染，这会掩盖混沌系统的真实动态特性。

针对该问题，作者们首次从深度学习的角度研究混沌信号的噪声抑制，构造了具有低复杂度的卷积降噪自动编码器。提出的模型总共只有13层，比以往的深度学习模型简单得多。与以往的方法相比，该方法实现了更大的信噪比、更小的均方误差，并能更好地保持混沌信号的增殖指数。该成果表明混沌和深度学习的结合具有广阔的应用前景。