特征选择算法在故障检测中的应用研究

将基于决策树的特征选择方法应用于卫星故障检测中,在卫星故障检测应用研究中,综合分析了问题的特征,指出了基于决策树的特征选择方法,并且给出了在该方法下,特征选择算法的正确率和在卫星故障检测中的应用效果。     

非高斯噪声中信号的神经网络检测

了非主斯噪声中信号的检测，采用多层感知器神经网络作为检测器。介绍了工作原理、网络结构和训练算法。计算机仿真证明在非主斯噪声条件下神经网络检测器性能优于线性最佳匹配滤波器检测器的局部最佳检测器。     

非高斯噪声中信号的神经网络检测

论述了用多层感知器神经网络检测非高斯噪声中确知信号与随机信号的工作原理，网络结构和训练算法，讨论了几种非高斯噪声中信号的神经网络检测器性能。计算机仿真证明，在非高斯噪声条件下神经网络检测性能优于线性最佳匹配滤波器检测器和局部最佳检测器。     

用于故障检测和隔离的嵌入式专家系统

提供“灵巧”的内部测试以隔离航空电子设备插件板内硬件故障用的规则库专家系统已经研制出来,它是TRW公司1986年航空电子设备人工智能独立研究与开发计划(IRAD)的一部分.该计划的目的是研究出一种适用于嵌入系统的规则库结构,并对其     

蚁群算法选择神经网络参数的网络入侵检测

面对日益严峻的网络入侵形势,网络检测是保证网络安全的重要手段,因此提出蚁群算法选择神经网络参数的网络入侵检测方法。通过神经网络学习采集的网络入侵检测数据,学习过程中采用蚁群算法通过路径寻优、更新信息素等方式选择最佳的神经网络权值和阈值,得到最佳网络入侵检测模型,实现网络入侵的有效检测。实验结果表明,该方法具有较高的网络入侵检测准确率,检测网络入侵的效果更好,速度更快,且抗噪性能强;并且使用者对该方法的检测速度、错误率等方面均要优于传统方法,说明该检测方法的应用效果好、价值高。     

某型航空相机的可靠性检测研究

可靠性检测是对设备规定性能的综合检验。航空相机的可靠性检测是其维护工作的一项重要内容。针对某型航空相机的特点,阐述了可靠性检测的基本概念、原理和方法,并给出可靠性检测结果的验收标准。     

组播路由选择的流体神经网络电路模型

提出了一种计算通信网络组播路由选择的流体神经网络模型,该模型充分利用网络的全局拓扑信息,将组播路由选择问题影射为一个电路求解问题,可在电路时间常数内给出组播的最佳路由。理论和仿真计算结果证明了该模型的可行性。     

蚁群约简与神经网络用于航空发动机故障识别

为解决航空发动机转子系统故障模式识别这一复杂问题,将蚁群算法与BP神经网络相结合应用于故障模式识别.文中采用蚁群算法对反映发动机运行工况的故障特征参数进行约简,并结合BP神经网络对故障识别过程做了分析,以航空发动机转子系统的故障识别为对象进行了实验验证.结果表明,利用蚁群算法对航空发动机转子系统故障特征参数进行约简,剔除了输入冗余信息,降低了网络数据维数,提高了运算效率和故障识别的正确性.     

发动机润滑油低温性能的计算机检测系统

论述了发动机润滑油低温性能的计算机检测系统的组成，分析了该系统的检测原理，给出了利用Visual BASIC进行数据处理的程序设计框图。     

基于BP神经网络的产品寿命分布类型选择

产品寿命分布类型选择问题,是可靠性工程中的一个重要问题。在分析了几种可靠性寿命分布类型识别方法的基础上,设计了一种基于BP神经网络的可靠性寿命分布类型选择方法,并进行了计算机模拟验证。结果表明,该方法原理简单,算法易以实现,便于工程应用。     

基于阴性选择的网络限制洪泛算法

为使网络在洪泛故障信息时洪泛时延和业务质量两方面性能都能够得到改善,提出了一种基于阴性选择的限制洪泛算法.该算法根据网络环境对洪泛时延和业务损失的侧重程度,分别给出了洪泛时延与业务损失两方面代价函数以及综合两方面因素的优化目标函数,利用阴性选择算法进行寻优,计算出能够最大程度适应网络需求的限制洪泛范围,通过对故障的洪泛范围进行限制,将故障洪泛对网络造成的影响降低到最小.实验结果表明该算法能够改善网络的性能.     

PSO优化BP神经网络入侵检测模型

文中提出了一种基于变惯性因子粒子群优化的BP网络学习算法。该算法用PSO算法代替了传统的BP算法,克服了BP算法易陷入局部最小值的不足,并且将该算法应用于入侵检测中。在预处理数据时,采用了信息增益的方法,提取出含信息量多的特征作为BP网络的输入向量。通过实验仿真比较,证明了该算法的收敛速度快,迭代次数少,准确率较高。     

基于数据挖掘和特征选择的入侵检测模型

提出了一种基于SVM特征选择和C4.5数据挖掘算法的高效入侵检测模型.通过使用该模型对经过特征提取后的攻击数据的训练学习,可以有效地识别各种入侵,并提高检测速度.在经典的KDD 1999入侵检测数据集上的测试说明：该数据挖掘模型能够高效地对攻击模式进行训练学习,能够采用选择的特征正确有效地检测网络攻击.     

一种基于时频分析的神经网络检测方法

本文就典型的匹配滤波器在对非平稳噪声中的信号检测中所遇到的问题,根据时频分析的特点、以神经网络为工具,讨论了一种基于时频分析的神经网络检测方法.文中给出了基于此方法的检测器结构,并根据文中介绍的训练算法,对此检测器做了训练和性能仿真研究工作,并与常用的匹配滤波器进行了性能比较.仿真结果表明,本文所提出的检测方法避免了输入信号非平稳时,匹配滤波器呈时变结构给滤波器设计所带来的困难,解决了非平稳噪声中的信号检测问题.     

基于多模态深度神经网络的应用层DDoS攻击检测模型

为进一步提升应用层DDoS攻击检测准确率,提出一种将流量与用户行为特征相结合且模型参数可高效更新的应用层DDoS攻击检测模型.为统一处理流量与用户行为特征的异源数据,利用多模态深度(Multimodal Deep Learning,MDL)神经网络从数据流量与网页日志中提取流量与用户行为深层特征后输入汇聚深度神经网络进...     

A Vlsi Neural Network Processor Based on Hippocampal Model

The hippocampal region of the brain system can be analyzed with the nonlinear system modeling approach. The input-output relationship of the neural units is best represented by the kernel functions of different complexities. The modeling expression of the first and second order kernels are computed in analog current-mode instead of digital data processing in order to fully explore massively parallel processing capability of the neural networks. Two distinct methods are utilized: the table-look-up approach and the model-based approach. The former can achieve high accuracy but consumes large silicon area while the latter saves silicon area and maintains moderately high accuracy. Circuit-level simulation results and experimental data from two test structures are presented.     

A Network Intrusion Detection Method Based on Deep Multi-scale Convolutional Neural Network

International Journal of Wireless Information Networks - Network intrusion detection (NID) is an important method for network system administrators to detect various security holes. The performance...     

基于CP神经网络的边缘检测

边缘检测是图像分析识别必不可少的环节，是一种重要的图像预处理技术。虽然传统的算子算法对边缘的检测速度快，但其得到的往往是断续的，不完整的边缘信息，且这类检测方法对噪声比较敏感，在检测噪声污染图像时会得到许多虚假的边缘。利用CP神经网络对灰度图像的边缘进行检测，但考虑到神经网络训练量过大的问题，先利用传统算子对图像进行边缘处理，将处理后的图像做为神经网络的输入。实验结果表明，该方法得到的边缘图像边界封闭性好，具有较好的抗噪特点。     

基于海杂波混沌模型用神经网络预测器实现小目标检测

介绍了高分辨率雷达海杂波的混沌特性和混沌动态过程,阐述了根据神经网络函数逼近理论,选择径向基函数前馈网络实现杂波混沌过程的重建,并利用杂波回波设计神经网络智能预测器实现杂波混沌过程的准最佳预测,完成强杂波背景下掠海小目标的检测任务。