可重新配置的多滚动记忆神经网络,适用于远程医疗隐私保护
IEEE transactions on cybernetics
|February 24, 2026
概括
本研究介绍了一个可重新配置的记忆神经网络 (RMMNN),通过改变记忆参数来生成可调节的多滚动混乱吸引器. 这项创新简化了复杂的模型,并增强了医疗图像加密的远程医疗安全性.
科学领域:
- 神经科学是一个神经科学.
- 混沌理论 混沌理论
- 信息安全 信息安全
背景情况:
- 具有多滚动混乱吸引器的记忆神经网络 (MNN) 对于推进神经网络研究至关重要.
- 当前的MNN模型经常使用复杂的函数,导致高度复杂性和调整困难.
研究的目的:
- 提出一个可重新配置的多滚动MNN (RMMNN) 以简化生成多样化的多滚动混乱吸引器.
- 为远程医疗应用开发安全的医疗图像加密方案.
主要方法:
- 对RMMNN动态的数值分析,包括参数控制的吸引器,可调的多稳定性和过渡.
- 数字发现的硬件电路验证.
- 使用RMMNN生成的混乱序列开发双向旋转医疗图像加密方案 (BRMIES).
主要成果:
- 在没有模型修改的情况下,RMMNN通过改变记忆参数成功生成各种多滚动混乱吸引器.
- 动力学和多稳定性的数值结果被硬件电路验证.
- BRMIES 显示出有效的医疗图像保护和对远程医疗干扰的稳定性.
结论:
- RMMNN提供了一种简化和灵活的方法来生成多滚动混乱吸引器.
- 基于RMMNN的BRMIES为远程医疗中安全和高质量的医疗图像传输提供了可靠的解决方案.
更多相关视频
11:06A Human-machine-interface Integrating Low-cost Sensors with a Neuromuscular Electrical Stimulation System for Post-stroke Balance Rehabilitation
Published on: April 12, 2016
10.9K
06:32Author Spotlight: Automated Deep Brain Stimulation for Parkinson's Disease - Exploring the Possibilities and Challenges of Home Monitoring
Published on: July 14, 2023
1.9K
