|
|
|
集成电路芯片硬件缺陷分类算法研究 |
|
论文目录 |
|
摘要 | 第4-5页 | abstract | 第5-6页 | 第一章 绪论 | 第9-15页 | 1.1 课题研究背景与研究意义 | 第9-10页 | 1.2 缺陷检测技术研究现状 | 第10-13页 | 1.2.1 电路故障检测的研究现状 | 第10-12页 | 1.2.2 硬件木马检测研究现状 | 第12-13页 | 1.3 本文主要研究内容 | 第13-14页 | 1.4 论文结构安排 | 第14-15页 | 第二章 神经网络在芯片硬件缺陷分析中的发展 | 第15-30页 | 2.1 神经网络介绍 | 第15-17页 | 2.1.1 神经网络结构 | 第15-16页 | 2.1.2 神经网络主要学习方法 | 第16-17页 | 2.2 反向传播神经网络 | 第17-22页 | 2.2.1 反向传播神经网络结构 | 第17-18页 | 2.2.2 反向神经网络学习过程 | 第18-19页 | 2.2.3 经典BP学习算法 | 第19-22页 | 2.3 自组织竞争神经网络 | 第22-27页 | 2.3.1 SOM神经网络结构 | 第23-25页 | 2.3.2 SOM神经网络学习算法 | 第25-27页 | 2.4 神经网络在芯片硬件缺陷分析中的应用和发展 | 第27-30页 | 第三章 集成电路芯片硬件故障分类算法 | 第30-46页 | 3.1 基于集成电路芯片的硬件故障分类方法 | 第30-36页 | 3.1.1 观测信息的选取 | 第32页 | 3.1.2 故障特征提取技术 | 第32-36页 | 3.1.2.1 基于小波分析的特征提取方法 | 第32-34页 | 3.1.2.2 基于小波系数绝对值的最大值的特征提取方法 | 第34-35页 | 3.1.2.3 基于小波系数各分量平方和的特征提取方法 | 第35-36页 | 3.2 硬件电路故障分类仿真实验 | 第36-44页 | 3.2.1 电路仿真 | 第37-39页 | 3.2.2 实验结果及分析 | 第39-44页 | 3.2.2.1 基于小波分解的实验结果 | 第39-41页 | 3.2.2.2 基于小波系数各分量绝对值最大值的实验结果 | 第41-43页 | 3.2.2.3 基于小波系数各分量平方和的实验结果 | 第43-44页 | 3.3 本章小结 | 第44-46页 | 第四章 集成电路芯片硬件木马分类算法 | 第46-71页 | 4.1 集成电路芯片的硬件木马观测信息选取 | 第46-48页 | 4.2 基于芯片热图的木马特征提取技术 | 第48-50页 | 4.3 有监督式的硬件木马分类算法 | 第50-61页 | 4.3.1 算法流程 | 第50-52页 | 4.3.2 有监督式神经网络的选取 | 第52页 | 4.3.3 算法应用实例设置 | 第52-55页 | 4.3.4 算法实例与结果分析 | 第55-61页 | 4.4 无监督式的集成电路芯片硬件木马分类算法 | 第61-70页 | 4.4.1 算法流程 | 第61-62页 | 4.4.2 无监督式神经网络的选取 | 第62-63页 | 4.4.3 算法应用实例设置 | 第63-64页 | 4.4.4 算法实例及结果分析 | 第64-70页 | 4.5 本章小结 | 第70-71页 | 第五章 总结与展望 | 第71-73页 | 致谢 | 第73-74页 | 参考文献 | 第74-79页 | 攻读硕士学位期间取得的成果 | 第79页 |
|
|
|
|
论文编号BS3809361,这篇论文共79页 会员购买按0.35元/页下载,共需支付27.65元。 直接购买按0.5元/页下载,共需要支付39.5元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|