基于反向传播算法的网络安全态势感知仿真

随着互联网技术的广泛应用,网络信息传输的数量日益提升,网络安全态势感知的需求也逐渐增加。针对当前网络安全态势感知算法检测准确率率低,误差较大等问题,提出了基于反向传播算法的网络安全态势感知模型。首先采用大数据分析方法对入侵信息的特征按节点分解并进行分段分析;其次通过切换检测信道和空间节点的分布式融合方法对关键节点进行分析,提取入侵数据的特征;然后通过反向传播算法对基本的感知原理进行优化,以减小模型检测过程中的误差;最后基于信息融合的结果进行优化,通过模糊识别的方法对入侵行为进行检测,达到安全态势感知的效果。实验结果表明,相比其它算法,所提模型将平均绝对误差缩小近5%,预测精确度提升至少7%,有最佳的实验效果,推动了网络安全态势感知技术的发展和应用。

基于反向传播算法的耗材采购信息自动管理系统设计

为促进对应行业的运作与发展,设计一种基于反向传播算法的耗材采购信息自动管理系统。基于设计反向传播算法,确定训练次数,提升耗材采购信息的分类精准度。系统软件由耗材采购信息处理模块、耗材采购信息分类模块与数据库设计模块组成。实验结果表明,相较于对比系统,系统信息分类精准度自动化管理水平更高。

基于K-近邻算法改进粒子群-反向传播算法的织物质量预测技术

为解决现有下机织物质量差异性较大且传统验布环节时间较长等问题,提出基于K-近邻(KNN)算法改进粒子群-反向传播(PSO-BP)算法的织物质量等级预测方法。首先分析织物质量预测模型,整理织物疵点类型与织物质量等级分类,并根据织物疵点特征将疵点划分为6类;其次选取14种影响织物质量的因子作为模型输入量;然后详细介绍依据KNN与PSO原理进行织物质量预测流程;最后以浙江兰溪某纺织厂近3个月16186条织物生产数据为例,建立织物质量预测模型。结果显示:该技术对织物质量预测的准确率达到98.054%,且训练时长仅需4.8 s,在保证织物质量预测准确性的同时,极大缩短了检测时间,提高了织造车间生产效率。

前馈神经网络中的反向传播算法及其改进:进展与展望

BP网络和算法是使用最广泛的神经网络模型之一,但由于它使用悌度算法,因而存在固有的局部极小及收敛速度慢等问题。本文首先回顾了BP算法的产生和和发展过程,之后对BP算法固有的特点进行了阐述,最后针对原基本BP算法的缺陷对各种改进方法进行了全面综述,并指出了这一研究中的有关问题。

基于反向传播算法神经网络的信用评分系统预测力研究

为了提高信用评分系统的预测准确性和稳定性,建立了基于反向传播(BP)算法神经网络的信用评分系统,并提出信用评分系统预测力和预测稳定性验证的新方法.结合信用评分问题的实际特点建立了模型并确定了参数,然后采用一种正向选入法确定输入变量,进行模型训练,并通过引入接收器操作特征曲线的分析理论、曲线面积(AUC)值及信息理论等评价方式,对所构造的神经网络信用评分系统预测力进行评价,最后利用自抽样法构造出多个验证样本来评估信用评分系统的稳定性.与传统的逻辑信用评分系统的比较结果表明,BP神经网络信用评分系统具有更高的预测准确性和稳定性,其AUC值平均提高0.036 7,AUC值的标准误差平均降低0.005.

误差反向传播算法与信噪分离

研究了误差反向传播算法的基本原理及其在信号识别与噪声消除中的应用。通过与经典谱估计的信号处理效果进行比较 ,阐明了BP网络具有良好的信噪分离特性。

基于卷积神经网络的反向传播算法改进

在真实音识别系统中,针对卷积神经网络的超大规模模型参数和海量训练数据导致的训练效率问题,提出一种缩小权值范围反向传播(NWBP)算法,围绕网络参数训练后期寻找误差极小值时易出现的振荡现象,采用K-MEANS算法获取逼近误差极小值的种子节点,通过迭代计算过程缩小权值变化范围避免振荡现象,使训练结果的网络误差收敛,提高训练效率。通过仿真实验,NWBP算法在复杂卷积神经网络的权值训练过程中相比可变学习速率反向传播算法收敛效果得到提升,一定程度上减少了冗余计算,缩短了训练时间,算法效果相比在简单网络中更显著。

综合反向传播算法

提出一种用于多层前向神经网络的综合反向传播算法．该算法使用了综合考虑绝对误差和相对误差的广义指标函数，采用了在网络输出空间搜索的反传技术，具有动态自调整学习率和动量因子，有神经元激活特性自调整、减少平台现象和消除学习过程中不平衡现象的能力．对比实验表明该算法有比基本ＢＰ算法快得多的收敛速度，并能取得全局最优解．

基于误差变化率的自适应反向传播算法及其应用

本文针对BP算法存在收敛速度慢的缺点，提出一种基于网络动态训练误差变化率自动校正学习步长和冲量因子的自适应反向传播算法.异或问题、非线性系统和参数波动系统辨识的结果表明.

反馈神经网络的一种反向传播算法

曾有人提出利用线性最小二乘法解决神经网络求解优化问题，如用于 Ｂ Ｐ、 Ｈｏｐｆｉｅｌｄ 网络求解。但在许多实际应用中，典型的反向传播法速度较慢。顾提到的反馈神经网络新型算法基于线性代数方法，使用线性最小二乘技巧获得每个神经元的激活函数的权重和，并根据理想权重和与实际权重和的“子误差”来逐层调整权重。在描述时间序列等应用方面，其速度比经典的反向传播要快几个数量级。

基于误差反向传播算法的OFDM系统频域均衡

提出用一种基于神经网络的均衡方法,并用误差反向传播(BP)算法对多层前馈网络进行训练。分析和数值仿真结果表明,基于BP网络的频域均衡方法有较好的均衡效果,并且复杂度不高。

基于反向传播算法的网络安全态势信息识别——评《网络安全态势感知》

近年来,随着互联网科技的不断发展,科技网络已渗透到人们的生活和工作中,也为各行各业的发展带来了便捷。对于部分企业来说,网络技术更是企业发展的根本,网络信息安全对企业的发展有着重要影响,计算机病毒、恶意攻击等都是网络面临的信息安全问题,只有解决这些问题并掌控好网络信息安全,国家社会才能平稳发展。随着信息全球化的发展,各国越来越重视网络安全工作,不断提高对网络安全防护工作的要求。但由于网络态势感知发展时间问题,网络态势感知技术的认知与研究仍面临较多问题,阻碍牵制了网络安全的发展,对个人、社会经济及国家的信息安全工作都产生了消极影响。因此,网络安全态势感知逐渐成为近年来的热门研究话题,相关人员应针对网络安全态势感知的具体问题进行深入研究并提出有效策略,才能紧跟信息化时代发展的步伐。由贾焰、方滨兴编著,电子工业出版社出版的《网络安全态势感知》一书,全面介绍了网络安全态势感知技术的发展和相关内容,为网络安全工作的相关人员提供了重要的理论借鉴。

自适应加噪反向传播算法研究

提出了一种对三层前向感知器的权重修正值注入自适应噪声的方法。在误差反向传播训练过程中 ,感知器权重的噪声幅度随权梯度值下降而趋近于零。不论是仅采用权重加噪的方法还是同时进行训练集输入端及权重加噪的方法 ,都能显著提高神经网络的泛化能力 。

利用反向传播算法合理分配缓冲区

该文提出了一种新的缓冲区分配方法,即动态神经共享(DynamicNeuralSharing,DNS)方法。这种方法利用反向传播算法合理分配缓冲区资源,从而减少自相似业务的分组丢失率。通过两组仿真实验发现,与完全分割(CompletePartitioning,CP),完全共享(CompleteSharing,CS),部分共享(PartialSharing,PS)这些传统的缓冲区分配方法相比,DNS在减少分组丢失和体现公平性(每个源都占有一定数量的缓冲区资源)之间达到了更好的平衡。

基于延时反向传播算法的低复杂度滤波器研究

为了进一步减少管状双线性递归神经网络的计算复杂度,在管状双线性递归神经网络中采用了延时反向传播算法。延时反向传播算法使用了阶次微分,误差函数对权值微分进行后向计算。后向计算顺序降低了初始化要求,减弱了网络对初始化条件敏感性并降低了计算的复杂度。该网络采用了模块化设计,各个模块以并行的方式执行任务,改善了计算效率。基于管状双线性递归神经网络的结构与神经元的数学模型,提出了具体的延时反向传播算法实现方案。同时进行了仿真来评估滤波器在非线性系统辨识方面的性能。实验结果表明基于延时反向传播算法的管状双线性递归神经网络提供了相当好的性能。

单亲遗传误差反向传播算法及其在县级生态农业综合评价中的应用

针对误差反向传播 (BP)算法局部收敛等局限性和单亲遗传 (PGA)算法的优点 ,提出了融PGA和BP为一体的单亲遗传误差反向传播 (PGA BP)算法 ,并用于县级生态农业的综合评价 .评价结果表明 :PGA BP算法具有简便、高效、适应性强等优点 ,用于县级生态农业的综合评价是切实可行的 .

基于反向传播算法在联机手写汉字结构识别中的应用

在联机手写汉字识别中,识别汉字结构是识别联机手写汉字的一个重要步骤和关键环节。从汉字结构的归类,样本的采集和预处理,反向传播算法设计等对联机手写汉字结构进行识别,通过提高联机手写汉字结构的识别,来提高汉字的准确率。

电力系统潮流误差反向传播算法

文中将人工神经网络中的误差反向传播算法应用于电力系统潮流计算,通过算例表明,该算法具有较好的收敛特性。

基于迭代式MapReduce的误差反向传播算法

针对误差反向传播（BP）算法计算迭代的特点,给出了迭代式MapReduce框架实现BP算法的方法。迭代式MapReduce框架在传统MapReduce框架上添加了传送模块,避免了传统框架运用在迭代程序时需要多次任务提交的缺陷。通过对K/TGR146对空台射电开关控制系统进行仿真得到BP算法训练样本,并在Hadoop云计算环境下,分别在基于传统框架和迭代式框架的BP算法中进行训练。实验结果表明,基于迭代式MapReduce框架的BP算法训练速度达到了基于传统MapReduce框架的BP算法训练速度的10倍以上,正确率提升了10%~13%,能有效解决算法训练时间过长和迭代计算中多次任务提交的问题。

遗传算法结合反向传播算法神经网络优化党参多糖的提取工艺

目的通过遗传算法结合反向传播算法(back propagation,BP)神经网络,与正交实验结果对比,优化党参多糖的提取工艺。方法以党参多糖的提取率为指标,采用三因素(提取次数、提取时间、料液比)水平对BP神经网络模型参数进行优化,建立网络模型,并采用遗传算法对BP神经网络进行目标寻优,得到党参多糖的最佳提取工艺。结果得到的最优提取工艺为提取次数3次,提取时间2 h,料液比为1:10(m:m),在此条件下党参多糖得率预测值为55.29 mg/g,与实际测量值的相对误差仅为1.10%,具有较好的网络预测性。结论利用遗传算法结合BP神经网络对党参多糖的提取工艺进行优化具有较好的预测性,可以为党参的进一步研究开发提供新的思路。