摘要
传统的基于误差回传BP神经网络的异常检测系统存在两个重要问题,收敛速度慢和目标函数存在局部极小值,这些在某种程度上限制了其应用范围。本文在分析了传统的神经网络异常检测模型结构的基础上,利用神经网络的特点提出了对BP神经网络进行分割和学习,该模型克服了传统神经网络异常检测训练速度慢的问题。
The traditional anomaly detection system based on error back-propagation neural network has two important questions：the convergence rate is slow and the objective function exists partial minimum.To a certain extent,these have limited its application scope.This article based on the analysis of the traditional neural network exceptionally to examine the model structure of anomaly detection in the foundation proposes using neural network＇s characteristic carries on the division and the study to the neural network.This model overcames the tradition neural network exceptionally to examine the training speed slow question.
出处
《微计算机信息》
2010年第28期216-218,共3页
Control & Automation
关键词
神经网络
异常检测
分割
Neural Network
Anomaly Detection
Division
作者简介
赵梁栋（1982-），男，安徽六安人，上海海洋大学，硕士研究生。研究方向网络技术应用和信息安全；
印润远（1952-），男，江苏吴县人，上海海洋大学教授，硕士研究生导师。主要研究领域为网络技术应用和信息安全；
吴前（1985-），女，浙江东阳人，上海海洋大学顾士研究生。研究方向网络技术应用和信息安全。
