通用前馈网络及排序学习前向掩蔽模型在模式识别中的应用

本文讨论了不分层的通用前馈网络，并提出了一种作为模式分类器的排序学习前向掩蔽模型及其算法。     

快速和高精度的前馈网络学习算法

本文针对三层前馈网络提出一种全新的学习算法,该法克服了传统ＢＰ算法因用梯度下降和误差逆向传播而拖慢收敛速度及易陷于局部极小的缺点。所提出的算法是代数型的,计算复杂度为多项式阶。文中给出的一个非线笥时间序列训练算例表明：新算法较ＢＰ算法在计算精度和速度方面均有大幅度提高,在网络规模变大时此算法的优点尤为明显。     

深度学习在IP网络优化中的应用

随着新型业务涌现和IP网络技术的不断演进,云网融合步入新阶段,展现出数字化、智能化和服务化的发展特征。其中智能化需要结合相关的人工智能技术,而深度学习和深度强化学习是常用的人工智能算法。图神经网络等技术的发展,也使得深度学习和深度强化学习分别在图信息表示和最优化问题处理方面的能力得到本质提升。IP网络可以用图结构抽象化表示,相关的预测和优化问题可以用深度学习和深度强化学习算法处理和求解。因此阐述了深度学习和深度强化学习在流量预测、网络规划和流量工程3个场景下的相关算法与应用,分析了在实践过程中可能面临的问题与挑战。     

静态前馈型网络的监督学习方法研究进展

本文从四个方面综述近年来用于前馈型网络的监督学习方法,即:1.对经典反向传播法的改进和变型;2.用于训练多层感知器的其它学习方法;3.其它前馈型网络模型和监督学习模型;4.具有复杂结构的各种模型.     

基于深度学习网络的便携式心音分析仪

首先对心音采集使用的传感器进行选择,确定选用HKY-06B+传感器获取心音信号,然后设计了由放大器、四阶低通滤波器、50 Hz陷波器构成的信号调理电路,并针对心音信号频率约为1.25 Hz设置模数转换器的采样率为180 Hz,随后将采集到的心音信号经过信号截取、小波分解与重构等预处理后输入隐藏层层数为10的ANN网络中...     

多层前馈网络在图象分割中的应用

本文提出用多层前馈网络进行基于边缘信息的图象分割，讨论了学习样本的提取步骤和网络学习的速度改进方法，实验表明，用多层前馈网络进行图象分割能获得良好的结果。     

基于深度学习网络的大学生就业去向跟踪模型

大学生就业跟踪是高等教育质量管理工作的核心,针对大学生毕业后就业去向的多变性,构建了基于深度学习网络的大学生就业去向跟踪模型.考虑到各大高校毕业生人群中存在尚未工作的学生,所以使用基于粗糙集与BP神经网络的就业数据分类方法,筛选大学生就业数据,获取已就业大学生的就业数据;将该数据应用于基于马尔科夫过程的大学生就业移动预...     

基于深度学习的无线通信网络入侵检测系统设计

当前无线通信网络入侵检测系统内的智能体,均依托于简单机器学习理念构造而成的,面对网络环境中的确定性问题无法自适应调整检测模式,导致入侵检测结果 F1评分较低。对此,针对无线通信网络,设计以深度学习为核心的入侵检测系统。建立数据处理模块,完成对原始通信网络入侵数据的独热编码、Min-Max归一化处理和特征矩阵转换。结合深度学习理念,构造包含环境状态模型和价值函数入侵检测智能体,根据网络风险环境动态调整入侵检测模式。再运用合理的入侵检测智能体训练策略,更新智能体参数,将智能体调整为最优状态。最后,通过包含多个区分器的Softmax回归层,生成网络入侵检测结果。系统测试结果表明：所提系统的检测结果 F1评分最大值为0.994,最低F1评分也达到了0.958。     

基于深度学习网络的群体通信行为识别方法

现有群体通信行为识别方法识别率低、易受到干扰源影响,为此,引进深度学习网络,设计一种针对群体通信行为的全新识别方法。设定群体在网络中通信时任意一个通信节点随着时间变化而发生变化的序列,基于时间序列匹配通信背景,对群体通信行为发生背景进行提取与剥离;设定深度学习样本数据集合,结合粒子群的聚类方向,确定分类模型,实现对群体通信行为的标准化分类;引进共识函数,对群体通信行为进行识别,并通过设计识别算法的方式,对输出的识别结果进行多次迭代,实现识别结果的高精度。通过对比实验证明,在相同条件下,设计的识别方法识别率更高,且不会受到数据源中干扰数据的影响,可为后续群体通信安全策略的提出提供更有利的依据。     

基于微调优化的深度学习在果蔬识别中的应用

果蔬图像分类是图像识别的重要组成部分,是实现果蔬农产品自动化分类的关键技术.果蔬图像识别面临的主要挑战在于果蔬种类众多,缺乏大量的有标签数据,难以通过监督学习方法来实现果蔬图像分类.针对上述问题,本文构建果蔬图像数据集,提出将融合迁移学习的深度卷积网络用于果蔬图像识别.为了验证该方法的有效性,采用特定方式微调模型参数,...     

多层前馈网络在图象分割中的应用

本文提出用多层前馈网络进行基于边缘信息的图象分割,讨论了学习样本的提取步骤和网络学习的速度改进方法。实验表明,用多层前馈网络进行图象分割能获得良好的结果。     

基于深度学习的僵尸网络检测技术研究

入侵检测系统通过分析网络流量来学习正常和异常行为,并能够检测到未知的攻击。一个入侵检测系统的性能高度依赖于特征的设计,而针对不同入侵的特征设计则是一个很复杂的问题。因此,提出了一种基于深度学习检测僵尸网络的系统。该系统利用卷积神经网络(Convolutional Neural Network,CNN)和长短期记忆网络(Long Short-Term Memory,LSTM)分别学习网络流量的空间特征和时序特征,而特征学习的整个过程由深度神经网络自动完成,不依赖于人工设计特征。实验结果表明,该系统在僵尸网络检测方面具有良好的表现。     

基于多分支深度Q网络模型的卫星通信任务调度方法

针对卫星通信系统中的任务调度问题,基于深度强化学习框架提出了一种多分支深度Q网络模型的卫星通信任务调度方法。通过引入任务列表分支网络和资源池分支网络,该模型能够同时提取卫星任务状态和卫星资源池状态的特征,并通过价值分支网络计算动作价值函数;在模型输出部分引入了包括任务选择与资源优先级动作的多个动作的选择,增加了调度动作的选择空间。实验结果表明,在非零浪费和零浪费数据集上,多分支深度Q网络模型与启发式方法相比在提高平均资源占用性能的同时显著降低了运行的时间开销。     

基于大数据深度学习的网络教学交互平台

高职学生学习习惯较差,对于课堂知识的理解能力欠缺,不善于独立解决学习中遇到的难题。针对这些问题,提出了基于深度学习的网络教学交互平台。深度学习在人工智能领域占据很重要的算法地位,它解决了很多非线性问题,利用该算法,挖掘学生在学习过程中遇到问题的知识点,使教师最大程度上把握学生的知识掌握状态,以便有针对性地给出学生指导和练习。实验结果表明,与传统教学方式相比,该平台的使用能够有利于师生沟通,教师能够更好把握教学重点,学生能够更清楚自己的学习状况。有很好的应用价值。     

基于深度学习在智能电网中的应用研究

随着科学技术的不断发展,深度学习逐渐引起了人们的注意,在很多领域中被广泛应用并且都取得了很好的成果,推动了智能电网的开发与应用。基于此,结合智能电网的特点,文章阐述了深度学习在智能电网中的应用,希望可以为其他研究者提供参考。     

基于深度强化学习的网络切片资源管理算法

随着第五代通信技术(5G)的发展,各种应用场景不断涌现,而网络切片可以在通用的物理网络上构建多个逻辑独立的虚拟网络来满足移动通信网络多样化的业务需求。为了提高移动通信网络根据各切片业务量实现资源按需分配的能力,本文提出了一种基于深度强化学习的网络切片资源管理算法,该算法使用两个长短期记忆网络对无法实时到达的统计数据进行预测,并提取用户移动性导致的业务数据量动态特征,进而结合优势动作评论算法做出与切片业务需求相匹配的带宽分配决策。实验结果表明,相较于现有方法,该算法可以在保证用户时延和速率要求的同时,将频谱效率提高约7.7%。     

基于深度强化学习的蜂窝无人机网络中的轨迹设计

设计了一个蜂窝无人机网络,其中无人机采集到的感知数据可以通过直通通信的方式直接传输到移动设备端,或者通过传统的蜂窝方式传输到移动设备端。由于无人机的传输模式会影响到它们的轨迹,在考虑了传输模式的情况下,研究了无人机轨迹设计问题,以最大化系统的总效用。该问题是一个状态行动空间非常大的马尔科夫决策问题,基于此问题提出了一种基于深度强化学习的多无人机轨迹设计算法。仿真结果表明所提出的算法比单智能体算法性能更好。     

基于现代网络的深度学习应用协议识别技术研究与实现

现代网络视域下,在对应用协议识别技术进行研究的过程中,需对其所包含的技术类型进行全面了解。确保实现高精度的、高效率的选择与利用应用协议识别技术。即结合现代网络特征,构建科学的技术识别计划。基于应用协议识别技术类型,优化与完善端口与识别方式。并将技术改革与应用与现代网络发展态势进行有效连接,确保真正展现与发挥应用协议识别技术的功能与优势。     

深度学习常用模型及算法综述

文章主要介绍了目前比较成熟、应用较广的深度学习网卷积神经网络、循环卷积神经网络、深度信念网络、自编码器等模型结构和应用领域,及深度学习领域常用到的几种算法,最后对深度学习的发展前景进行了展望.