检索结果-南通市图书馆

检索条件"主题词=小样本集合"

共 2 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于多任务学习的小样本口令集合猜测模型研究

基于多任务学习的小样本口令集合猜测模型研究

引用

作者：耿宇西安电子科技大学

学位级别：硕士

近年来,随着口令数据泄露增多以及计算机算力增强,口令猜测研究得到了极大地促进。口令猜测从统计的角度分析口令组成规律,研究口令组成方式、安全问题和可用性,并针对已有的安全问题提出解决方案,提高口令安全性的同时,尽量保证口令的... 详细信息

近年来,随着口令数据泄露增多以及计算机算力增强,口令猜测研究得到了极大地促进。口令猜测从统计的角度分析口令组成规律,研究口令组成方式、安全问题和可用性,并针对已有的安全问题提出解决方案,提高口令安全性的同时,尽量保证口令的可用性。但已有的口令猜测方法大都基于单个口令集的数据驱动,且猜测的效果取决于训练数据,因此当某个大样本口令集合只泄露了一个小样本口令集合时,如何根据此小样本集合在大样本集合上获得良好的性能是一个关键的挑战。另一方面,不同的口令集合具有不同的口令分布信息,这导致了猜测某个口令集合时难以借助其它口令集合的信息。因此小样本口令集合猜测的难点在于小样本集合中包含的数据量少,且不便于直接从其它的口令集合借鉴口令信息。论文从学习不同口令集合的共享信息的角度出发,提出了一个基于多任务学习的小样本口令集合猜测模型,以提高对小样本集合的猜测效率。该模型从口令集合中提取出口令结构集合、字母段集合、数字段集合、特殊字符段集合,并以多任务学习的方式使用多个口令集合的口令结构集合预训练神经网络,然后使用小样本集合的口令结构集合再次进行训练,训练后的神经网络可以预测小样本集合的口令结构集合。使用从小样本集合中获得的填充内容对神经网络预测的口令结构集合进行填充,即可得到口令猜测集合。这种训练方式可以使用多个口令数据集进行训练,克服了不同数据集分布不同的限制,填补了小样本集合中缺失的口令结构,从而能够提高猜测性能。实验分别使用了三个中文数据集和三个英文数据集进行了实证研究,结果表明,基于多任务学习的小样本口令集合猜测模型产生的口令结构集合有效扩充了直接从小样本集合中得到的口令结构集合,当PCFG＿v4.2的破解率趋于平缓时,本文提出的模型依然能保证持续地提高破解率。例如,分别以大样本集合的2.6%和0.21%的口令组成的小样本集合为训练集,经过10次猜测,基于多任务学习的小样本口令集合猜测模型平均可以破解21%的口令,比PCFG＿v4.2提高了20%。论文发现影响模型对小样本口令集合破解率提升的重要因素是小样本集合的大小,并验证了包含十万个口令的小样本集合已经包含了原大样本集合中的大部分口令结构,而十万可以作为区分一个口令集合是否是一个小样本集合的分界线。另外,组成口令的元素比完整口令具有更高的可迁移性,进一步研究针对口令的字母段和数字段的迁移方法可以在小样本口令猜测中获得更好的效果。

关键词：数据驱动的口令猜测上下文无关文法多任务学习循环神经网络小样本集合

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向混合染液浓度检测的深度学习方法研究

面向混合染液浓度检测的深度学习方法研究

引用

作者：金楠西安理工大学

学位级别：硕士

在纺织物的质量控制环节中,印染起到了至关重要的作用。印染过程中,很多因素影响印染的一次成功率,例如染液配制精度、染液中PH值、染液自身温度、染色后晾晒温度、助染剂品质等,但其最核心流程是染液配制精度的测试与调整。针对传统染... 详细信息

在纺织物的质量控制环节中,印染起到了至关重要的作用。印染过程中,很多因素影响印染的一次成功率,例如染液配制精度、染液中PH值、染液自身温度、染色后晾晒温度、助染剂品质等,但其最核心流程是染液配制精度的测试与调整。针对传统染液浓度检测方法所存在的检测精度低以及检测效率低等局限性,本文中采用工业相机装置对特定光源条件下的染液进行图像色彩拍摄并提取RGB值,结合数据处理技术、深度学习算法以及迭代方法,对于不同的纺织应用场景下,提供不同的三组分混合染液浓度检测方法。本文的主要内容如下:(1)提出了一种基于CNN-BiLSTM的三组分混合染液链式浓度检测方法。针对印染色彩创新研发,或确保每批产品质量一致的分批量生产等场景下,对精度要求极高而现存检测方法检测精度低的问题。本文基于不同曝光时间下采集到的RGB值所具有的时间序列性,采用双向长短期记忆神经网络算法(BiLSTM)作为算法基础,通过卷积神经网络算法(CNN)提取特征后,建立基于CNN-BiLSTM的染液浓度预测模型。同时,为了提高训练模型的稳定性,使用两种迭代方法在三种染料浓度预测模型之间建立链接关系,加入两种链接机制后平均预测准确率分别达到了 97.89%与98.05%。(2)提出了一种基于CNN-GRU的三组分混合染液分段浓度检测方法。针对工业染缸的日常监控、纺织印染行业的教学实验培训以及QC质量控制等场景下,希望精度与效率兼顾。本文分别从两个角度进行探索,选取高相似性的小样本集合进行训练,并且使用更轻量级的门循环控制单元(GRU)作为算法基础,进而从小样本学习角度建立基于CNN-GRU的染液浓度预测模型。实验证明模型总体效率相较于最高精度模型效率有一定程度地提高,检测精度高于传统机器学习方法,兼顾并中和了检测精度与检测效率之间的平衡。(3)为了方便对预测模型的使用,本文利用Vue+Django的技术框架进行了染液检测系统的设计与实现,将提出的预测算法移植至染液检测系统当中,为用户和企业提供简洁易操作的染液浓度检测方式。

关键词：双向长短期记忆神经网络卷积神经网络迭代方法小样本集合门循环控制单元

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：