一种基于多突触类型忆阻器的混沌神经网络模型

本发明涉及信号处理领域，具体涉及一种基于多突触类型忆阻器的混沌神经网络模型。本发明基于多神经元的连续型HNN，使用忆阻器模型进行优化设计：一方面将固定突触权重替换为可切换的突触权重，采用突触切换忆阻器实现化学突触参数，在突触权重上引入非线性；另一方面使用电磁辐射忆阻器模拟外部刺激，在实现引入外部刺激的同时让外部刺激具有可预料和可控性，最终的混沌神经网络模型实现了优异的超混沌效果；而该模型采用一致性良好的忆阻器搭建硬件电路，借助硬件的高速处理，得到基数大、随机性好的混沌序列。从而可应用于各种信号处理场景，如图像的混沌加密中的密钥生成，以应对不断进步的加密和破译技术。