检索结果-维普期刊中文期刊服务平台

自组织增量神经网络IDS研究被引量：2: 1; 作者向直扬朱俊平《计算机工程与应用》 CSCD 2014年第2期88-91,123,共5页; 理想的网络入侵检测系统(IDS)是无监督学习的、在线学习的。现有的满足这两个标准的方法训练速度较慢,无法保证入侵检测系统所需要的低丢包率。为了提高训练速度,提出一种基于改进的自组织增量神经网络(improved SOINN)的网络异常检测方... 展开更多; 关键词异常检测在线聚类数据精简自组织增量神经网络最近邻分类器; 在线阅读下载PDF 职称材料

基于自组织增量-图卷积神经网络的金相图半监督学习被引量：3: 2; 作者李维刚谌竟成 +1 位作者谢璐赵云涛《电子与信息学报》 EI CSCD 北大核心 2021年第11期3301-3308,共8页; 采用深度学习对钢铁材料显微组织图像分类,需要大量带标注信息的训练集。针对训练集人工标注效率低下问题,该文提出一种新的融合自组织增量神经网络和图卷积神经网络的半监督学习方法。首先,采用迁移学习获取图像数据样本的特征向量集合... 展开更多; 关键词自组织增量神经网络图卷积神经网络自动标注钢材显微组织; 在线阅读下载PDF 职称材料

基于自组织增量学习神经网络的信息融合技术被引量：3: 3; 作者时晓峰申富饶贺红卫《兵工自动化》 2015年第5期59-65,共7页; 针对传统神经网络在实际信息融合过程中存在的一些缺陷,提出一种基于自组织增量学习神经网络(self-organizing incremental neural network,SOINN)的信息融合方法。对不同类型传感器接收到的异构数据,使用增量式正交分量分析(incrementa... 展开更多; 关键词智能机器人信息融合自组织增量学习神经网络联想记忆; 在线阅读下载PDF 职称材料

基于SOINN增量自编码器的网络异常检测研究被引量：1: 4; 作者吴署光王宏艳 +1 位作者颜南江王宇《兵器装备工程学报》 CAS CSCD 北大核心 2023年第5期239-248,共10页; 针对批量学习的网络异常检测模型存在内存资源消耗大、无法在线更新的问题,利用自组织增量神经网络(self-organizing incremental neural network,SOINN)的增量学习特性,提出一种增量自编码器构建方式,将改进SOINN的输出神经元作为自动... 展开更多; 关键词异常检测自组织增量神经网络自动编码器增量学习在线学习; 在线阅读下载PDF 职称材料

自适应类增量学习的物联网入侵检测系统被引量：7: 5; 作者刘强张颖 +3 位作者周卫祥蒋先涛周薇娜周谋国《计算机工程》 CAS CSCD 北大核心 2023年第2期169-174,共6页; 传统物联网入侵检测系统难以实时检测新类别攻击,为此,提出一种基于堆叠稀疏自编码器(SSAE)和自组织增量神经网络(SOINN)的物联网入侵检测方法。SSAE对已知类别的攻击样本进行稀疏编码和特征提取,所提取的特征输入SOINN,SOINN形成符合... 展开更多; 关键词入侵检测系统堆叠稀疏自编码器自组织增量神经网络增量学习知识保留; 在线阅读下载PDF 职称材料

基于ESOINN的离散制造车间生产异常实时检测方法研究被引量：3: 6; 作者崔世婷郭宇 +1 位作者汪伟丽梁睿君《机械设计与制造》北大核心 2023年第8期104-109,共6页; 离散制造车间存在制造要素偏离生产计划导致的生产异常事件,准确的车间异常检测有助于实时监控生产过程,提高动态决策响应速度,保证订单按时交付。针对异常检测的准确性和实时性需求,提出一种增量式无监督学习的车间生产异常检测方法。... 展开更多; 关键词离散制造车间生产异常检测增量学习增强自组织增量神经网络; 在线阅读下载PDF 职称材料

题名自组织增量神经网络IDS研究被引量：2: 1; 作者向直扬朱俊平; 机构西北农林科技大学信息工程学院; 出处《计算机工程与应用》 CSCD 2014年第2期88-91,123,共5页; 文摘理想的网络入侵检测系统(IDS)是无监督学习的、在线学习的。现有的满足这两个标准的方法训练速度较慢,无法保证入侵检测系统所需要的低丢包率。为了提高训练速度,提出一种基于改进的自组织增量神经网络(improved SOINN)的网络异常检测方法,用于在线地、无监督地训练网络数据分类器;并提出使用三种数据精简(Data Reduction)的方法,包括随机子集选取,k-means聚类和主成分分析的方法,来进一步加速改进的SOINN的训练。实验结果表明,提出的方法在保持较高检测率的前提下,减少了训练时间。; 关键词异常检测在线聚类数据精简自组织增量神经网络最近邻分类器; Keywords anomaly detection online clustering data reduction Self-0rganizing Incremental Neural Network （S01NN） nearest neighbor classifier; 分类号 TP393 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于自组织增量-图卷积神经网络的金相图半监督学习被引量：3: 2; 作者李维刚谌竟成谢璐赵云涛; 机构武汉科技大学冶金自动化与检测技术教育部工程研究中心; 出处《电子与信息学报》 EI CSCD 北大核心 2021年第11期3301-3308,共8页; 基金国家自然科学基金(51774219)。; 文摘采用深度学习对钢铁材料显微组织图像分类,需要大量带标注信息的训练集。针对训练集人工标注效率低下问题,该文提出一种新的融合自组织增量神经网络和图卷积神经网络的半监督学习方法。首先,采用迁移学习获取图像数据样本的特征向量集合;其次,通过引入连接权重策略的自组织增量神经网络(WSOINN)对特征数据进行学习,获得其拓扑图结构,并引入胜利次数进行少量人工节点标注;然后,搭建图卷积网络(GCN)挖掘图中节点的潜在联系,利用Dropout手段提高网络的泛化能力,对剩余节点进行自动标注进而获得所有金相图的分类结果。针对从某国家重点实验室收集到的金相图数据,比较了在不同人工标注比例下的自动分类精度,结果表明:在图片标注量仅为传统模型12%时,新模型的分类准确度可达到91%。; 关键词自组织增量神经网络图卷积神经网络自动标注钢材显微组织; Keywords Self-Organizing Incremental Neural Network(SOINN) Graph Convolution Network(GCN) Automatic annotation Steel material microstructure; 分类号 TN911.73 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于自组织增量学习神经网络的信息融合技术被引量：3: 3; 作者时晓峰申富饶贺红卫; 机构南京大学计算机科学与技术系软件新技术国家重点实验室中国兵器科学研究院; 出处《兵工自动化》 2015年第5期59-65,共7页; 文摘针对传统神经网络在实际信息融合过程中存在的一些缺陷,提出一种基于自组织增量学习神经网络(self-organizing incremental neural network,SOINN)的信息融合方法。对不同类型传感器接收到的异构数据,使用增量式正交分量分析(incremental orthogonal component analysis,IOCA)方法进行数据自适应降维和特征提取,将提取出的不同类型特征输入到SOINN中,根据不同数据类型生成相应的神经元连接区域,建立神经区域间的联想记忆,从而实现在数据层、特征层以及决策层3个层面上的信息融合。实验结果表明:该方法能够实现对机器人传感器采集到的多源异构数据进行自适应降维和自组织学习,形成机器人的决策判断和行为指令。; 关键词智能机器人信息融合自组织增量学习神经网络联想记忆; Keywords intelligent robot information fusion self-organizing incremental neural network associative memory; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于SOINN增量自编码器的网络异常检测研究被引量：1: 4; 作者吴署光王宏艳颜南江王宇; 机构航天工程大学航天信息学院 [; 出处《兵器装备工程学报》 CAS CSCD 北大核心 2023年第5期239-248,共10页; 文摘针对批量学习的网络异常检测模型存在内存资源消耗大、无法在线更新的问题,利用自组织增量神经网络(self-organizing incremental neural network,SOINN)的增量学习特性,提出一种增量自编码器构建方式,将改进SOINN的输出神经元作为自动编码器的输入,使得模型在不破坏已有学习成果的基础上,具备增量更新能力。针对SOINN算法获胜神经元邻居节点学习率固定,不利于区分其与输入样本的相似性的问题,提出一种学习率自适应调整方法,来提升获胜神经元邻居节点的学习效率,使得算法输出神经元更能代表样本特性。针对反馈更新样本中正常样本纯度不高的问题,提出一种基于距离度量的样本标签筛选机制,通过计算反馈样本与神经元的距离来对正常样本进行筛选,使得反馈样本中正常样本比例更高,以此来提升模型的在线检测效果。在NSL-KDD数据集上开展了相关实验,实验证明所提方法具备增量学习能力,且改进SOINN的增量学习效果优于原始算法,有效节省了模型的运算和存储开销,通过基于距离的样本标签筛选机制,模型的在线检测能力有效提升。; 关键词异常检测自组织增量神经网络自动编码器增量学习在线学习; Keywords anomaly detection self-organizing incremental neural network automatic encoder incremental learning online learning; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名自适应类增量学习的物联网入侵检测系统被引量：7: 5; 作者刘强张颖周卫祥蒋先涛周薇娜周谋国; 机构上海海事大学物流科学与工程研究院上海海事大学信息工程学院上海真灼科技股份有限公司; 出处《计算机工程》 CAS CSCD 北大核心 2023年第2期169-174,共6页; 基金国家自然科学基金(61673259)。; 文摘传统物联网入侵检测系统难以实时检测新类别攻击,为此,提出一种基于堆叠稀疏自编码器(SSAE)和自组织增量神经网络(SOINN)的物联网入侵检测方法。SSAE对已知类别的攻击样本进行稀疏编码和特征提取,所提取的特征输入SOINN,SOINN形成符合流量特征空间分布的拓扑结构。当出现新类别训练样本的特征时,SOINN自适应地生成新节点以建立新的局部拓扑结构。为了保留SSAE在旧类别样本上的知识,对SOINN已有的拓扑结构施加约束,通过误差反向传递间接约束SSAE权重的变化。针对SOINN在新类别上产生的新局部拓扑结构进行自适应聚合和优化,从而实现新类别样本学习。实验结果表明,该方法能基于新类别数据对模型进行增量训练而无需历史类别数据,在CIC-IDS2017数据集的动态数据流中能有效检测新类别攻击同时缓解旧类别数据中存在的灾难性遗忘问题,在初始已知数据集上的准确率达到98.15%,完成3个阶段的类别增量学习后整体准确率仍能达到57.34%,优于KNN-SVM、mCNN等增量学习方法。; 关键词入侵检测系统堆叠稀疏自编码器自组织增量神经网络增量学习知识保留; Keywords intrusion detection system Stacked Sparse Autoencoders(SSAE) Self-Organizing Incremental Neural Networks(SOINN) incremental learning knowledge retention; 分类号 TP393 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于ESOINN的离散制造车间生产异常实时检测方法研究被引量：3: 6; 作者崔世婷郭宇汪伟丽梁睿君; 机构南京航空航天大学机电学院; 出处《机械设计与制造》北大核心 2023年第8期104-109,共6页; 基金国防基础科研(JCKY2018203A001) 国防基础科研(JCKY2018605C003)。; 文摘离散制造车间存在制造要素偏离生产计划导致的生产异常事件,准确的车间异常检测有助于实时监控生产过程,提高动态决策响应速度,保证订单按时交付。针对异常检测的准确性和实时性需求,提出一种增量式无监督学习的车间生产异常检测方法。首先,以在制品在车间的流转过程为主线定义生产异常种类,搭建离散制造车间生产异常检测框架;其次,使用增强自组织增量神经网络实时检测生产异常,并根据当前生产数据在线更新模型,以适应数据分布的动态变化,提高模型检测准确率;最后以某航天机加车间为例,将所提方法与两种增量式及两种非增量式聚类算法进行对比实验,并在离散制造车间应用生产异常检测系统,验证了该方法在生产异常检测问题上的有效性。; 关键词离散制造车间生产异常检测增量学习增强自组织增量神经网络; Keywords Discrete Manufacturing Workshop Production Anomaly Detection Incremental Learning The Enhanced Self-Organizing Incremental Neural Network; 分类号 TH16 [机械工程—机械制造及自动化] TP3 [自动化与计算机技术—计算机科学与技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	自组织增量神经网络IDS研究	向直扬朱俊平	《计算机工程与应用》 CSCD	2014	2	在线阅读下载PDF 职称材料
2	基于自组织增量-图卷积神经网络的金相图半监督学习	李维刚谌竟成谢璐赵云涛	《电子与信息学报》 EI CSCD 北大核心	2021	3	在线阅读下载PDF 职称材料
3	基于自组织增量学习神经网络的信息融合技术	时晓峰申富饶贺红卫	《兵工自动化》	2015	3	在线阅读下载PDF 职称材料
4	基于SOINN增量自编码器的网络异常检测研究	吴署光王宏艳颜南江王宇	《兵器装备工程学报》 CAS CSCD 北大核心	2023	1	在线阅读下载PDF 职称材料
5	自适应类增量学习的物联网入侵检测系统	刘强张颖周卫祥蒋先涛周薇娜周谋国	《计算机工程》 CAS CSCD 北大核心	2023	7	在线阅读下载PDF 职称材料
6	基于ESOINN的离散制造车间生产异常实时检测方法研究	崔世婷郭宇汪伟丽梁睿君	《机械设计与制造》北大核心	2023	3	在线阅读下载PDF 职称材料