基于神经网络的计算机网络故障检测分析

伴随着计算机网络技术与电子通信技术的高速发展,随着计算机用户数量的快速增加,计算机网络的所具有的应用规模愈来愈大,其的结构体系不断复杂化,因此计算机网络故障问题的检测已经成为重点研究方向,引起社会的广大关注。本文根据BP神经网络的故障检测基础理论,提出有效可行的检测算法,同时分析将神经网络应用到故障检测方面的检测方法,体现出一定的实际意义。     

计算机网络故障诊断研究

本文通过对计算机网络故障的种类进行科学的研究,总结出以专家系统和神经网络的计算机网络故障诊断法.为实现快速、有效的计算机网络诊断提供科学的依据.     

基于粒度计算和覆盖算法的信号样式识别

文章提出应用粒度计算和神经网络覆盖算法对通信信号的调制样式进行识别。采用数字信号处理方法,从已调信号中提取信号关键特征以及它们的统计值作为样本特征集。根据不同调制信号的特点,粗粒度处理训练样本形成新的学习样本并以此构造一个覆盖神经网络。然后利用得到的覆盖领域,进行样本识别。对粗粒度类别样本利用样本的关键属性进行投影区分。通过大量的仿真数据验证,此方法对通信信号样式识别取得了很好的效果。     

基于神经网络的计算机网络故障检测研究

随着网络技术和通信技术的不断发展,随着用户数量的迅速上升,计算机网络的所具有的规模也越来越庞大,它的结构日益复杂化,由此,网络故障的诊断成为了研究的焦点所在,受到了普遍的关注。本文主要研究了基于神经网络的计算机网络故障检测,从BP神经网络的故障检测原理出发,提出了具体的检测算法,并详细探讨了通过把神经网络运用到故障检测中来的具体检测方式,具有一定的现实意义。     

计算机网络故障的一般识别与解决方法

计算机常见的故障问题主要有硬件设备故障、软件崩溃、中毒等以及计算机网络故障。由于计算机进行网络连接时也需要得到计算机硬件和软件的支持,因此计算机网络出现故障的原因通常也会存在硬件和软件的因素。本文主要通过对计算机网络故障原因的识别,阐述了当前计算机网络故障常见问题的解决措施。     

基于神经网络的局域网故障诊断系统设计

为了实现准确有效地排除网络故障，根据局域网的特点，本文在分析现有计算机网络故障诊断方法不足的基础上，结合层次分类神经网络原理，提出了基于层次分类BP神经网络算法的局域网智能故障诊断系统，该系统具有层次分类策略、故障诊断策略、通信数据包采集、网络故障知识数据库、故障显示报警等功能，可以实现已知、未知故障的正确识别。通过对故障诊断算法和故障定位的仿真，结果表明故障诊断系统响应性能良好，故障误报率较低，具有一定的实用性。     

机器学习在垃圾邮件过滤中的实现

随着通信技术的发展,垃圾邮件越来越多,对个人和中小企业危害也越来越大。该文介绍垃圾邮件识别使用的数据集以及特征提取方法,包括词袋模型和词汇表模型,然后介绍朴素贝叶斯、支持向量机、多层感知机、卷积神经网络和循环神经网络在垃圾邮件过滤的实现,经过对比发现多层感知机和卷积神经网络效果最好。     

基于神经网络的工厂用电状态识别方法

智能电表的迅速普及与应用引起电力消耗数据(即智能电网数据)的激增,这不仅给数据的存 储与通信带来了挑战,同时也增加了对数据进行分析的难度。另外,由于生产性质和经营方式的不同,工厂的用电状态往往比较复杂。基于传统经验的人工识别不能满足实际应用的需求,该文研究了一种基于神经网络的工厂用电状态自动识别方法。首先,对采集于真实应用场景的电网大数据进行必要的预处理,包括数据的合并、清洗、标准化、打标和抽样;然后,基于预处理的电网数据构建神经网络模型用于对工厂用电状态的自动识别;最后,对提出的基于神经网络的工厂用电状态识别方法进行实验验证,证实了该方法的合理性和有效性。通过对工厂用电状态的准确识别,能够帮助供电公司指导企业进行错峰用电,进而有效缓解电力供给不平衡的问题,以达到对电能合理开发和利用的目的。     

计算机网络故障的一般识别与解决方法

随着经济的发展和科学技术的进步,使得计算机的普及率得到提高;计算机网络技术快速反应性、便捷性以及成本低廉的运行,已成为人们进行沟通联络、传输导向、数据处理的重要方式。对计算机网络故障的识别和解决方法已经成为当前的一个重要问题,只有快速识别网络故障的种类,找到行之有效的方法,以最快的速度恢复网络的正常运行,才能保证计算机的有效的运行,从而得到工作以及生活的便利。本文旨在抛砖引玉,以求精言。     

基于CNN的人体姿态识别

姿态识别是人机交互中重要的研究课题之一，随着机器学习与神经网络的发展，研究的方式和成果趋于多样化，姿态识别的应用价值也日趋广泛。本文通过构建卷积神经网络模型，该模型共有11层，在对采样的数据集中5种人体姿态进行卷积与池化操作，最后进入全连接层进行分类，从而完成对数据集的训练和识别。结果显示，相较于机器学习方法，该模型的识别性能更加优秀，且免去了复杂的特征提取方式设计，让网络自身提取特征进行识别分类，效果更好。     

基于模型的深度学习通信信号鲁棒识别算法

深度学习现在是计算机视觉和自然语言处理的热门话题.在许多应用中,深度神经网络(DNN)的性能都优于传统的方法,并且已经成功应用于调制分类和无线电信号表示等任务的学习.近几年研究发现深度神经网络极易受到对抗性攻击,对“对抗性示例”缺乏鲁棒性.笔者就神经网络的通信信号识别算法的鲁棒性问题,将经过PGD攻击的数据看作基于模型...     

基于数据挖掘的通信网络故障分类研究

以往针对通信网络故障分类的算法没有考虑告警和故障数据中的潜在特征,导致故障分类准确率低,因此提出一种基于数据挖掘的通信网络故障分类算法。首先,根据对数据背景和数据特点的理解,使用特征构造挖掘数据中潜在的特征,将挖掘到的特征加入原数据中。然后,使用LightGBM算法的特征重要性评估函数对新数据集中的所有特征进行重要性评估,根据重要性值删除不重要特征。最后,使用集成学习模型对特征筛选后的数据集进行故障分类研究。实验结果表明,基于数据挖掘的通信网络故障分类算法的准确率有更好的效果。     

Emfacenet:一种轻量级人脸识别的卷积神经网络

随着计算机技术日益发展，计算机视觉逐渐融入人们的生活，深度卷积神经网络在计算机视觉领域得到了广泛的应用.然而计算资源和内存的限制，为卷积神经网络在嵌入式设备的部署带来了巨大的困难.本文提出了一种新的轻量级的人脸识别的卷积神经网络——Emfacenet,通过在CASIA-WebFace数据集上进行卷积神经网络的训练，并在计算机CPU平台以及嵌入式平台上利用LFW数据集对模型的预测效果分别进行测试，Emfacenet在CPU平台下识别速度分别是Resnet50、Mobilenetv3以及Mobilefacenets这3种模型的2.07倍、1.67倍、1.63倍，在嵌入式平台下识别速度分别56.65倍、2.09倍、3.41倍.而且Emfacenet卷积神经网络模型大小仅为138.1KB,保持较高精度的同时运行效率显著提高，可以适用于嵌入式等硬件资源受限领域来实现人脸识别.     

计算机网络故障检测

计算机网络故障种类较多,计算机网络故障检测是一个复杂的系统工程,不仅对网络故障处理步骤有所要求,而且对网络故障分析方法以及计算机故障维护都有极高的要求。为此,本文也主要从这几个方面对计算机网络故障检测进行分析。     

视频侦查中人像智能分析应用及算法优化

人像智能分析指的是对视频或录像中的人像进行结构化和可视化分析,对目标人物进行性别、年龄、发型等特征的智能识别,这项技术在视频侦查中有极高的应用价值。人像识别早期的算法是通过人工提取特征,通过学习低级视觉特征来针对不同属性进行分类学习,这种基于传统方法的模型表现常常不尽如人意。在计算机视觉领域,通过海量图像数据学习的神经网络比传统方法有更丰富的信息量和特征可以被提取。文章尝试通过深度学习技术训练神经网络模型对行人进行检测和识别,对于衣着不同的行人进行智能识别,具有更好的鲁棒性,提升了视频人像识别的准确率,拓展了人工智能技术在身份识别领域的应用。     

基于Softmax回归的通信辐射源特征分类识别方法

当前通信辐射源的特征识别方法不仅需要较高的样本数,而且存在识别效率低、识别率下降的问题。为此,提出一种应用Softmax回归对通信信号循环谱进行多分类识别的方法。以通信信号的循环谱密度特征为样本集,通过主成分分析降维算法筛选特征样本,使用Softmax回归多分类识别器对特征样本进行分类。实验结果表明,与传统神经网络方法相比,该方法可以实现对通信辐射源个体的有效识别,并且识别时间较短。     

基于卷积神经网络的手写数字识别研究与实现

文章针对计算机视觉领域的手写数字识别问题,介绍了神经网络原理、卷积神经网络(Convolutional Neural Networks,CNN)构成、TensorFlow框架等相关知识,并应用卷积神经网络在MNIST数据集上进行验证。实验结果表明,基于卷积神经网络识别手写数字具有较高的准确性。     

数据增强策略在人脸识别技术实现的研究

以小数据集为样本进行卷积神经网络模型的训练过程,容易出现所得到的神经网络模型泛化能力不足的问题。传统的处理方法大都通过数据增强的方式来提高训练数据的样本总数。本文选取多个网络模型进行对比实验,验证不同神经网络在训练过程中是否使用数据随机增强方式的模型识别准确率提高的效果,为如何选取小数据集样本训练神经网络提供参考。     

基于深度神经网络的行为识别算法

在计算机视觉领域中,行为识别是重点研究问题.而随着大规模行为数据的收集以及计算机水平的提升,深度神经网络得到了长足发展,计算机视觉性能超越了以往,但是当前方法也存在一些局限.本文就深度神经网络中的行为识别算法展开研究,首先阐述了行为识别现状,其次分布分析了RGB视频行为识别和人体骨架3D行为识别.     

计算机网络故障排除

网络故障极为普遍,故障种类也十分繁杂。如果把网络故障的常见故障进行归类查找,那么无疑能够迅速而准确的查找故障根源,解决网络故障。本文通过分析计算机的网络故障,从专业人士和非专业人士的角度对网络故障的解决方法逐一进行分析,并列出了诊断网络故障的步骤,从故障发生到解决给出了详细的分析和阐述。