基于Wi-Fi感知的室内入侵检测系统是一种无需在移动实体上附加任何设备即可检测移动实体的系统。针对目前检测方法忽略复杂的幅度变化和相位变化引起的潜在影响,提出了融合长短期记忆网络和支持向量机的室内入侵检测新方法LSID(Long Sho...基于Wi-Fi感知的室内入侵检测系统是一种无需在移动实体上附加任何设备即可检测移动实体的系统。针对目前检测方法忽略复杂的幅度变化和相位变化引起的潜在影响,提出了融合长短期记忆网络和支持向量机的室内入侵检测新方法LSID(Long Short-Term Memory and Support Vector Machine Intrusion Detection)。LSID方法采用一种新的特征值建模方式,利用长短期记忆网络可以学习到时序特征并且能捕捉时序信号长期的依赖关系,将信道状态信息真实值与长短期记忆神经网络的预测值之差作为特征值,能更准确地捕捉入侵者对信号状态信息的影响。该检测方法在学校实验室环境下经过多次实验验证,最终检测准确率达到99.21%,通过多组实验比对,结果显示LSID方法具有有效性和可行性,相比于其他入侵检测方法准确率明显提升。展开更多
目的建立皮尔逊相关系数(Pearson correlation coefficient,PCC)和长短期记忆(long short term memory,LSTM)神经网络的反应液葡萄糖含量预测模型用以实时预测葡萄糖酸锌生产过程中反应液葡萄糖含量。方法通过葡萄糖酸锌制备实验,结合PC...目的建立皮尔逊相关系数(Pearson correlation coefficient,PCC)和长短期记忆(long short term memory,LSTM)神经网络的反应液葡萄糖含量预测模型用以实时预测葡萄糖酸锌生产过程中反应液葡萄糖含量。方法通过葡萄糖酸锌制备实验,结合PCC理论确定对反应液葡萄糖含量有较大影响的因素,对这些因素进行数据采集并将其作为神经网络的输入变量,采集反应液葡萄糖含量数据并进行处理,将其作为神经网络的输出变量,进而建立反向传播神经网络(backpropagation neural network,BP)和LSTM神经网络的反应液葡萄糖含量预测模型。结果通过100次模型迭代训练,对照BP反应液葡萄糖含量预测模型可以看出LSTM反应液葡萄糖含量预测模型在测试集的误差约为0.45%,误差较小,准确度较高。结论基于LSTM反应液葡萄糖含量预测模型显著提高了预测精度,相比现有检测方法更加智能高效,能够有效辅助生产进行。展开更多
文摘基于Wi-Fi感知的室内入侵检测系统是一种无需在移动实体上附加任何设备即可检测移动实体的系统。针对目前检测方法忽略复杂的幅度变化和相位变化引起的潜在影响,提出了融合长短期记忆网络和支持向量机的室内入侵检测新方法LSID(Long Short-Term Memory and Support Vector Machine Intrusion Detection)。LSID方法采用一种新的特征值建模方式,利用长短期记忆网络可以学习到时序特征并且能捕捉时序信号长期的依赖关系,将信道状态信息真实值与长短期记忆神经网络的预测值之差作为特征值,能更准确地捕捉入侵者对信号状态信息的影响。该检测方法在学校实验室环境下经过多次实验验证,最终检测准确率达到99.21%,通过多组实验比对,结果显示LSID方法具有有效性和可行性,相比于其他入侵检测方法准确率明显提升。
文摘目的建立皮尔逊相关系数(Pearson correlation coefficient,PCC)和长短期记忆(long short term memory,LSTM)神经网络的反应液葡萄糖含量预测模型用以实时预测葡萄糖酸锌生产过程中反应液葡萄糖含量。方法通过葡萄糖酸锌制备实验,结合PCC理论确定对反应液葡萄糖含量有较大影响的因素,对这些因素进行数据采集并将其作为神经网络的输入变量,采集反应液葡萄糖含量数据并进行处理,将其作为神经网络的输出变量,进而建立反向传播神经网络(backpropagation neural network,BP)和LSTM神经网络的反应液葡萄糖含量预测模型。结果通过100次模型迭代训练,对照BP反应液葡萄糖含量预测模型可以看出LSTM反应液葡萄糖含量预测模型在测试集的误差约为0.45%,误差较小,准确度较高。结论基于LSTM反应液葡萄糖含量预测模型显著提高了预测精度,相比现有检测方法更加智能高效,能够有效辅助生产进行。
