期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于EWC算法的DDoS攻击检测模型参数更新方法 被引量:5
1
作者 张斌 周奕涛 《电子与信息学报》 EI CSCD 北大核心 2021年第10期2928-2935,共8页
针对现有基于多层线性感知器(Multi-Layer Perceptron,MLP)神经网络的DDoS攻击检测模型参数更新方法(MLP-UD)易遗忘模型训练原参数所用的DDoS攻击数据集(原数据集)知识、时间空间开销大的问题,该文提出一种基于弹性权重保持(Elastic Wei... 针对现有基于多层线性感知器(Multi-Layer Perceptron,MLP)神经网络的DDoS攻击检测模型参数更新方法(MLP-UD)易遗忘模型训练原参数所用的DDoS攻击数据集(原数据集)知识、时间空间开销大的问题,该文提出一种基于弹性权重保持(Elastic Weight Consolidation,EWC)算法的模型参数更新方法(EWC-UD)。首先,使用K-Means算法计算原数据集聚类簇中心点作为费雪信息矩阵计算样本,有效提升计算样本均匀度与聚类覆盖率,大幅减少费雪信息矩阵计算量,提升参数更新效率。其次,基于费雪信息矩阵,对模型参数更新过程中的损失函数增加2次惩罚项,限制MLP神经网络中重要权重与偏置参数的变化,在保持对原数据集检测性能的基础上,提升对新DDoS攻击数据集的检测准确率。然后基于概率论对EWC-UD方法进行正确性证明,并分析时间复杂度。实验表明,针对构建的测试数据集,EWC-UD方法相较于MLP-UD仅训练新DDoS攻击数据集的更新方法,检测准确率提升37.05%,相较于MLP-UD同时训练新旧DDoS攻击数据集的更新方法,时间开销下降80.65%,内存开销降低33.18%。 展开更多
关键词 分布式拒绝服务 模型参数更新 弹性权重保持算法 多层线性感知器
在线阅读 下载PDF
基于学习参数梯度更新模型的农田水利灌溉管道灌水量预测方法
2
作者 周爱民 周钰 《上海农业学报》 2025年第1期118-123,共6页
常规的农田水利灌溉管道灌水量预测方法,参数缺少有效更新,导致预测误差较大。因此,提出基于学习参数梯度更新模型的农田水利灌溉管道灌水量预测方法。使用SVM算法,计算函数估计的最小二乘值,并按照最优超平面参数,对数据进行预处理并更... 常规的农田水利灌溉管道灌水量预测方法,参数缺少有效更新,导致预测误差较大。因此,提出基于学习参数梯度更新模型的农田水利灌溉管道灌水量预测方法。使用SVM算法,计算函数估计的最小二乘值,并按照最优超平面参数,对数据进行预处理并更新,导入预处理后的农田水利灌溉管道灌水数据,归一化处理后对核函数进行确定。基于学习参数梯度更新模型建立模型二层结构,利用学习参数梯度构建灌水量预测模型,设置模型神经元个数,对数据进行训练,并计算得到农田水利灌溉管道灌水量数据预测结果。通过试验验证了本研究设计的农田水利灌溉管道灌水量预测方法,其预测误差较小,具有较好的应用价值。 展开更多
关键词 学习参数梯度更新模型 SVM算法 管道灌水量预测 农田水利灌溉
在线阅读 下载PDF
采用贝叶斯理论的渡槽结构有限元模型更新方法 被引量:1
3
作者 吴西杰 张龑 +2 位作者 尹进步 何军龄 张曜 《水利水运工程学报》 CSCD 北大核心 2024年第6期148-156,共9页
渡槽在服役过程中,其结构状态受到多种因素影响会发生改变,在进行有限元分析时,建模所用参数并不是结构实时参数。因此,需要通过监测结构的动力响应来对结构的有限元模型参数进行更新,达到准确评价结构实际运行状态的目的。提出了一种... 渡槽在服役过程中,其结构状态受到多种因素影响会发生改变,在进行有限元分析时,建模所用参数并不是结构实时参数。因此,需要通过监测结构的动力响应来对结构的有限元模型参数进行更新,达到准确评价结构实际运行状态的目的。提出了一种基于贝叶斯理论的有限元模型更新方法,该方法以确定性模型更新结果作为不确定性更新的初始模型参数值,使用MH算法得到模型参数的后验分布,通过ABAQUS有限元模型与MATLAB更新程序的交互访问,实现复杂结构有限元模型参数的自动更新。开展了渡槽模型试验,利用所提方法对渡槽有限元模型进行更新。结果表明,以确定性更新结果作为贝叶斯更新的参数初始值,有限元模型更新的计算效率提高了25%,更新后的误差为0.19%~6.42%,该更新方法能有效改善有限元模型的预测能力。 展开更多
关键词 有限元模型 模型参数更新 贝叶斯理论 MH算法 随机子空间法
在线阅读 下载PDF
基于孪生卷积神经网络的手机型号识别方法 被引量:6
4
作者 韩红桂 甄琪 +3 位作者 任柯燕 伍小龙 杜永萍 乔俊飞 《北京工业大学学报》 EI CAS CSCD 北大核心 2021年第2期112-119,共8页
针对废旧手机回收过程中型号难以精确识别的问题,提出一种基于孪生卷积神经网络的废旧手机型号识别方法.首先,利用基于最大类间差分的边缘检测算法解析手机图像的区域特征,构建手机型号识别数据库;其次,构造一种共享权值孪生卷积网络(si... 针对废旧手机回收过程中型号难以精确识别的问题,提出一种基于孪生卷积神经网络的废旧手机型号识别方法.首先,利用基于最大类间差分的边缘检测算法解析手机图像的区域特征,构建手机型号识别数据库;其次,构造一种共享权值孪生卷积网络(siamese convolutional neural network,S-CNN)的手机识别模型,实现废旧手机图像特征的快速提取;最后,设计一种自适应学习率的识别模型参数更新策略,提高手机型号识别的精度.将其应用于不同场景下废旧手机的分拣,实验结果表明该方法具有较好的快速性和准确性. 展开更多
关键词 孪生卷积神经网络 相似性评估 模型参数更新 手机型号识别 边缘检测 废旧手机回收
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部