检索结果-南通市图书馆

计算机与数字工程 2020年第7期48卷 1590-1594,1699页

作者：刘絮郑建国东华大学上海200051

虽然时间序列预测问题已形成较为完整的理论体系,但是在复杂情况下的预测准确度和灵活性仍有提高的余地。针对复杂时间序列预测问题提出一种基于深度学习的集成模型。首先分别使用时钟驱动循环神经网络(cw-rnn)和向量自回归(VAR)模型进... 详细信息

虽然时间序列预测问题已形成较为完整的理论体系,但是在复杂情况下的预测准确度和灵活性仍有提高的余地。针对复杂时间序列预测问题提出一种基于深度学习的集成模型。首先分别使用时钟驱动循环神经网络(cw-rnn)和向量自回归(VAR)模型进行预测,然后采用stacking的方式集成两者预测结果。实验结果表明,相比单一模型和传统模型,集成模型对时间序列的预测准确度和灵活性均有显著提高。

关键词： cw-rnn 时间序列 stacking集成

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于网络流量的攻击特征分析与检测方法研究

基于网络流量的攻击特征分析与检测方法研究

引用

作者：陈汗东北石油大学

学位级别：硕士

随着计算机的普及和互联网的飞速发展,计算机网络技术在社会各个领域的得到广泛应用,同时也带来了新的网络安全挑战。早期的防火墙技术、加密技术等被动防御手段已经不能有效应对大规模流量数据。入侵检测技术是保护网络与信息安全的重... 详细信息

随着计算机的普及和互联网的飞速发展,计算机网络技术在社会各个领域的得到广泛应用,同时也带来了新的网络安全挑战。早期的防火墙技术、加密技术等被动防御手段已经不能有效应对大规模流量数据。入侵检测技术是保护网络与信息安全的重要方法。随着深度学习技术的发展,将深度学习理论与网络入侵检测技术相结合,可以提高大规模流量数据检测的及时性、准确性。本文以网络流量为研究对象,概述了入侵检测相关理论和基于深度学习的入侵检测手段,并详细分析了网络流量的攻击特征和各种检测方法。本文研究了循环神经网络(rnn)和长短时记忆网络(LSTM),包括网络结构及相关算法。实验环节搭建了LSTM检测模型对网络流量数据进行入侵检测训练,采用KDD Cup99的10%子集作为实验数据,结果显示LSTM模型正确识别的攻击类别数量高于BP神经网络。时钟周期循环神经网络(cw-rnn)是一种rnn的改进结构,本文针对cwrnn提出了改进方案,对基于改进cw-rnn的入侵检测进行了实验分析,统计比较了BP神经网络、LSTM网络、cw-rnn网络以及改进cw-rnn模型的多项预测指标。通过对比发现,改进的cw-rnn模型对于KDD Cup99数据集,特别是基于流量的特征在稀有攻击类型上U2R具有较高的检测率。由于隐藏层内部单元有选择的参与运算,改进cw-rnn网络训练的时间复杂度大幅降低,使得训练速度得到显著提高,收敛速度也高于原始cw-rnn模型。为了验证模型的实际检测能力,采用Vue和Python搭建了一套功能完备的基于网络流量特征的入侵检测原型系统,具有一定的工程应用价值。

关键词：网络流量特征入侵检测深度学习 LSTM cw-rnn

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

rnn神经网络在股票指数价格预测模型的研究与应用

RNN神经网络在股票指数价格预测模型的研究与应用

引用

作者：柏万宽重庆大学

学位级别：硕士

在今天的学习生活中,人工智能、机器学习、深度学习如火如荼的发展着,人工智能在自动驾驶领域的应用日趋成熟,机器学习、深度学习在语音识别、人脸识别、自然语言处理等领域的应用非常成功。股票市场是国家经济的晴雨表,股票指数是股票... 详细信息

在今天的学习生活中,人工智能、机器学习、深度学习如火如荼的发展着,人工智能在自动驾驶领域的应用日趋成熟,机器学习、深度学习在语音识别、人脸识别、自然语言处理等领域的应用非常成功。股票市场是国家经济的晴雨表,股票指数是股票价值的直观反映。股票指数的价格具有容易受各种经济因素的影响,具有复杂的非线性、不稳定性等因素。循环神经网络在时间序列数据上的能力与计量经济学和统计学中的时间序列模型相比更好,传统神经网络在股票价格预测的能力已被充分挖掘。因此,提出基于循环神经网络的股票指数预测价格具有理论意义和应用价值。论文数据选取2000年3月27日到2018年3月20日香港恒生指数每日历史数据,数据来源于雅虎财经频道。采取了开盘价、最低价、最高价三个数据属性,作为循环神经网络模型的输入变量。原始数据采集后去除缺失记录后剩余4390组数据。将原始数据分为两部分,原始数据的前70%的数据作为训练数据集,后30%作为测试数据集。训练数据集包含3083组数据,测试数据集包含1037组数据。采用了三种神经网络模型:循环神经网络模型、长短期记忆神经网络模型、Clockworkrnn模型对香港恒生指数历史数据进行预测,并对预测结果进行了对比分析和评价。预测结果表明:Clockwork-rnn的预测效果最好,长短期记忆神经网络模型预测效果次之。三个股票指数价格预测模型预测结果与实际价格的平均绝对误差与均方根误差的很小,长短期记忆神经网络预测模型和cw-rnn预测模型的两种误差更小。

关键词：股票价格指数预测循环神经网络 LSTM cw-rnn

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

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

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

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：