基于忆阻器的神经网络研究
摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-20页 |
1.1 课题研究背景及意义 | 第11-14页 |
1.1.1 课题研究背景 | 第11-13页 |
1.1.2 课题研究意义 | 第13-14页 |
1.2 国内外研究现状及发展趋势 | 第14-18页 |
1.2.1 忆阻器 | 第14-15页 |
1.2.2 神经网络 | 第15-17页 |
1.2.3 忆阻神经网络 | 第17-18页 |
1.2.4 数字图像加密与识别 | 第18页 |
1.3 主要研究内容及结构安排 | 第18-20页 |
第二章 忆阻器数学模型及仿真 | 第20-29页 |
2.1 忆阻器理论基础 | 第20-22页 |
2.1.1 理想忆阻器定义 | 第20-21页 |
2.1.2 广义忆阻器定义 | 第21-22页 |
2.2 HP忆阻器模型 | 第22-24页 |
2.2.1 HP忆阻器简介 | 第22-23页 |
2.2.2 忆阻器窗函数 | 第23-24页 |
2.3 肖特基模型 | 第24-25页 |
2.3.1 肖特基模型概述 | 第24-25页 |
2.3.2 遗忘特性模型仿真 | 第25页 |
2.4 忆阻器模型SPICE仿真与分析 | 第25-28页 |
2.4.1 SPICE简介 | 第25-26页 |
2.4.2 SPICE仿真研究现状 | 第26页 |
2.4.3 忆阻器模型SPICE仿真实验 | 第26-28页 |
2.5 本章小结 | 第28-29页 |
第三章 神经网络和忆阻突触分析与设计 | 第29-36页 |
3.1 人工神经元电路 | 第29-31页 |
3.1.1 生物神经元结构模型 | 第29-30页 |
3.1.2 人工神经元概念模型 | 第30页 |
3.1.3 整合-激发神经元模型 | 第30-31页 |
3.2 神经元STDP特性 | 第31-32页 |
3.2.1 STDP概述 | 第31页 |
3.2.2 STDP特性分析 | 第31-32页 |
3.3 忆阻器突触分析设计 | 第32-35页 |
3.3.1 忆阻器突触 | 第32-34页 |
3.3.2 忆阻器实现STDP规则 | 第34-35页 |
3.4 本章小结 | 第35-36页 |
第四章 忆阻神经突触在图像加密中的应用 | 第36-47页 |
4.1 密码学介绍和加密算法对比 | 第36-37页 |
4.1.1 密码学介绍 | 第36页 |
4.1.2 加密算法介绍 | 第36-37页 |
4.2 对称加密算法 | 第37-39页 |
4.2.1 DES算法 | 第37-38页 |
4.2.2 AES算法 | 第38-39页 |
4.3 非对称加密算法 | 第39-40页 |
4.3.1 RSA算法 | 第39-40页 |
4.4 哈希加密算法 | 第40页 |
4.5 忆阻神经突触网络实现图片加密 | 第40-42页 |
4.5.1 忆阻神经网络权值调整算法 | 第41-42页 |
4.5.2 加解密实验测试 | 第42页 |
4.6 安全性分析 | 第42-46页 |
4.6.1 直方图分析 | 第42-44页 |
4.6.2 相关性分析 | 第44-45页 |
4.6.3 图像信息熵分析 | 第45页 |
4.6.4 差分密码分析 | 第45-46页 |
4.6.5 密钥敏感性分析 | 第46页 |
4.7 本章小节 | 第46-47页 |
第五章 忆阻神经网络在图像识别中的应用与仿真 | 第47-54页 |
5.1 神经网络图像处理方式 | 第47-48页 |
5.1.1 基于特征值的图像识别算法 | 第47页 |
5.1.2 基于像素的图像识别算法 | 第47-48页 |
5.2 忆阻神经网络模型及实现 | 第48-49页 |
5.2.1 输入转化层 | 第48页 |
5.2.2 忆阻阵列学习识别层 | 第48-49页 |
5.2.3 决策输出层 | 第49页 |
5.3 图像识别实验结果分析 | 第49-52页 |
5.3.1 图像识别实验 | 第50-52页 |
5.3.2 对比传统神经网络 | 第52页 |
5.4 本章小结 | 第52-54页 |
第六章 结束语 | 第54-57页 |
6.1 工作总结 | 第54-55页 |
6.2 研究展望 | 第55-57页 |
致谢 | 第57-58页 |
参考文献 | 第58-63页 |
附录 | 第63页 |