基于残差网络和深度学习的入侵检测方法研究

针对工业互联网攻击流量特征复杂以及深层神经网络易发生退化的问题,提出了一种基于残差网络和深度学习的入侵检测方法,实现了将一维卷积神经网络与门控循环单元残差连接的网络模型。使用CSE-CIC-IDS2018数据集和密西西比州大学的天然气管道数据集进行实验,结果表明,此方法在各个评价指标上均优于其他经典机器学习算法,具有较好检测性能和泛化能力,证明了其在工业网络环境中的可靠性及应用价值。

基于神经网络的机器人视觉伺服控制

视觉伺服可以应用于机器人初始定位自动导引、自动避障、轨线跟踪和运动目标跟踪等控制系统中。传统的视觉伺服系统在运行时包括工作空间定位和动力学逆运算两个过程,需要实时计算视觉雅可比矩阵和机器人逆雅可比矩阵,计算量大,系统结构复杂。本文分析了基于图像的机器人视觉伺服的基本原理,使用BP神经网络来确定达到指定位姿所需要的关节角度,将视觉信息直接融入伺服过程,在保证伺服精度的情况下大大简化了控制算法。文中针对Puma560工业机器人的模型进行了仿真实验,结果验证了该方法的有效性。

模糊神经网络的交叉研究

介绍模糊神经网络交叉的基础与途径；从基于神经网络的模糊逻辑系统和用模糊逻辑增强的神经网络两个方面介绍了模糊神经网络交叉研究的具体实现；最后指出模糊神经网络交叉的未来方向。

基于多级神经网络的盾构法隧道施工参数控制

将盾构推进的过程划分成7个阶段,每个阶段用一个神经网络进行模拟,在此基础上构造成多级神经网络,拟合盾构法隧道施工中施工参数与地面沉降之间关系的数学模型。最后根据保证质量,兼顾效益和效率的目标,采用遗传算法进行施工参数的优化匹配,提出相应的控制方案。该方法在多项工程项目中使用,结果表明,此方法对工程实际施工有指导作用。

基于遗传神经网络的入侵检测研究

入侵检测技术是计算机网络信息安全检测的重要手段之一,入侵检测作为一种动态的安全防护技术,提供了对内部攻击、外部攻击和误操作的实时保护,在网络系统受到危害之前拦截和响应入侵。对计算机网络数据进行特征提取,提出了采用遗传算法和神经网络相结合入侵检测技术。遗传算法具有计算简单、优化效果好的特点。利用遗传算法来避免BP算法的局部极小点,从而达到均方根误差全局最小点,也解决了BP算法的收敛慢的问题;同时也解决了单独利用GA往往不能在短时间内寻找到接近最优解的这一问题。通过计算机实验验证了入侵检测的效果,提高了识别率,使得误报率和漏报率降低。

用前馈神经网络检验小数据量时间序列的混沌

利用BP神经网络的非线性函数逼近能力,对小数据,有噪声的时间序列计算最大李亚谱诺夫指数,从而判断该序列是否存在混沌现象,并将这一算法应用到深圳证券市场的深证综合的日收益率序列中,结果表明,深证综合的日收益序列不存在混沌现象。

基于神经网络的粉煤灰混凝土强度与干缩性能模型

粉煤灰混凝土的强度、干缩性是影响其承载性能与裂缝率的关键要素,为准确测度两指标性能,提出一种神经网络模型,通过实验对比,选择最优学习函数,用L-M、trainlm两种学习算法构建两类指标质量评估预测模型。结果显示,神经网络模型可以准确预测粉煤灰混凝土强度及干缩性能,预测结果与实测值之间的差距较小,应用价值较高。

供应链中随机需求车辆选径问题的研究

结合供应链的需要给出了允许两次服务失败的数学模型,提出了一种混沌神经网络求解算法,对该问题进行了求解,并与SA算法进行了比较。结果表明该算法具有很强的避免陷入局部极小点的能力,较大地提高了优化的性能和搜索效率,适用于求解车辆选径问题。

复合神经网络控制器的可解性及求解方法

根据复合神经网络控制器的可分性，本文从理论上证明了此类控制器是可解的，并以此为依据，给出了复合网络控制器的求解步骤，并给出应用实例，为复合网络控制器的实际应用提供了理论依据和使用方法．

神经网络在CDMA移动通信上行链路功率控制中的应用研究

提出了一种神经网络功率控制方案,研究了该方案在码分多址 (CDMA)移动通信中实现最小发送功率控制问题。首先导出了最小发送功率控制模型。而后,利用最陡下降方法得到了求解该模型的神经网络的原理框图,并分析了用该网络进行最小发送功率控制的基本理论和实际性能,探讨了该网络相关参数的确定方法。最后用计算机仿真法模拟出该方案的运行性能。仿真结果表明与最小功率分配算法相比,神经网络功率控制方案可以提高基站接收信号的平均信扰比,降低信扰比的平均偏差,提高信扰比达到目标信扰比 90%以上的用户数量,从而可以降低用户信号的中断概率、提高信道容量。

钢材含碳量的无损检测方法

提出了一种新的钢材含碳量无损检测方法,设计了可靠性较高的检测系统,以钢材的磁特性为基础,用Autolisp语言编制计算机接口软件,测绘出钢材的磁化曲线和磁滞回线,应用神经网络理论,建立含碳量和磁性特征量间的非线性映射,实现含碳量的智能化检测.

实时最小二乘算法的神经网络实现

本文提出了一种求解最小二乘问题的神经网络模型。理论分析和模拟结果表明：该网络是稳定的并且能在电路时常数数量内获得近似解。