基于决策边界分析的深度神经网络鲁棒性评估与优先次序验证

随着深度学习技术在现实世界的广泛应用,人们对基于深度神经网络的系统安全性提出了更高要求.鲁棒性是神经网络的重要安全性质,对网络鲁棒性的量化分析和验证是深度学习模型安全性研究的关键问题.针对神经网络验证技术中难以解决的效率问题,提出了一种新颖的优先次序优化方法.结合局部鲁棒性的规约方式,在一组待验证输入内选择具有更高验证需求的不稳定点代替常规的逐点验证模式.根据对鲁棒性问题与决策边界距离的关联性分析,提出了一种基于网络输出单元值大小的鲁棒性评估方法作为优先验证的输入点选择依据.在此基础上将其扩展为输入的预分析模块与验证工具集成,进而设计了基于优先次序的验证框架.在常用的验证基准上进行了实验,结果表明,该方法的决策边界分析理论与突变测试结果一致,鲁棒性评估中选择不安全样本的平均准确率高于90%,通过减少安全样本的验证开销使验证效率提高了148.6%～432.6%.     

基于神经网络集成的汽车牌照识别

对基于神经网络集成的汽车牌照识别的原理和方法进行了研究,并着重分析了现有技术的积极因素和潜在问题,提出了一种基于神经网络集成进行车牌文字识别的方法.在特征提取时采用了多种特征提取的方法,对提取的每种特征构建一个BP神经网络分别进行训练.最终待识别的字符将被神经网络集成进行识别.实践证明,利用该方法比单个神经网络识别有更高的识别率,具有较高的使用价值.     

石英加速度计零偏非线性集成预测

基于小波变换(WT)的多尺度分析能力和径向基函数(RBF)神经网络良好的非线性预测与集成能力,研究了一种非线性集成预测方法.针对贮存期石英挠性加速度计零偏漂移抑制的问题,提出了基于WT和RBF神经网络的一种石英挠性加速度计零偏非线性集成预测方法.为验证所提方法的有效性,设计了一种加速度计参数的重力场标定实验,并针对某型号石英挠性加速度计进行了为期2年的标定实验.分别利用所提WT-RBF集成模型和RBF模型对零偏标定序列进行了预测分析,仿真结果显示:WT-RBF集成模型具有更好的预测性能.     

集成模型在网络入侵检测中的仿真研究

研究保证网络安全问题,针对网络入侵具有多样性和复杂性,信息冗余十分严重,传统检测方法不能很好消除冗余信息,导致检测时间长和检测正确率低的难题.为了提高检测准确性,将主成分分析和RBF神经网络相结合起来,组成一个集成的网络入侵检测模型.模型首先通过主成分析分析法对网络原始数据进行预处理,降低特征维数、消除冗余信息,将处理后特征作为神经网络的输入,网络入侵类型作为神经网络的输出,建立RBF神经网络入侵检测模型对网络数据进行检测.在Matlab平台上,采用权威网络入侵数据DARPA数据集对集成模型进行预试,仿真结果表明,集成模型的网络入侵检测正确率高于传统入侵检测模型,加快了网络入侵检测速度,为网络入侵提供了一种实时检测方法.     

基于集成多神经网络在模拟电路故障诊断中的研究

以进行模拟电路故障诊断为主要目的,针对单神经网络故障字典法在进行复杂电路系统故障诊断时,对多故障和多任务诊断的不足之处,讨论了基于多故障的神经网络集成技术,采用集成多神经网络来提高诊断速度和精度,提出了集成多神经网络故障字典法来解决多故障任务,对基于层次分类模型的多重结构神经网络进行了研究,给出了两种对故障定位的统一融合算法,克服了采用单神经网络多故障时学习速度慢,出现新故障的网络要重新进行学习等缺点.并给出了应用实例.     

基于AdaBoost的集成分类器在电信增值业务中的应用

为了解决数据挖掘技术较难有效地在电信行业挖掘出潜在增值业务用户的问题,针对当前单分类器分类精度低这一不足,提出一个基于BP神经网络与AdaBoost结合的集成分类器模型.选用BP神经网络作为基分类器,通过AdaBoost算法进行T轮迭代,每次迭代增加错分样本的权重,最终通过投票产生强分类器.通过对中国电信某地市用户消费数据进行实例仿真,证明该模型能有效地提升分类精确度,分类精度达到76.7%,并且拥有不错的鲁棒性,为以后的研究工作提供了新的研究思路.     

开关电路中的潜在问题进化Petri网分析方法

利用神经网络进行潜在通路分析(SCA)由于丢失了系统的结构信息,所以导致分析结果不可靠以及解释困难等问题;为了克服这个缺陷,将学习型Petri网(LPN)用于SCA;但是传统LPN有两个缺陷:(1)都是针对无回路PN模型,这不符合实际情况;(2)大部分都是利用BP算法进行学习,带来BP算法固有的缺陷;针对这两个缺陷,提出基于克隆选择算法(CSA)的LPN(CSALPN);首先对系统进行PN建模,然后利用CSA训练PN,使得PN既可以学习先验知识又可以利用系统的结构信息;为了提高LPN的泛化能力,引入了神经网络集成;具体方法就是将训练的所有抗体作为集成中的个体,然后通过简单加权集成输出;文章还提出了带回路的学习型PN不陷入死锁的充要条件;最后用CSALPN对一个典型的电路进行SCA;统计结果证实了该方法可以有效发现开关电路的潜在通路。     

基于 GBDT 的铁路事故类型预测及成因分析

运用数据挖掘技术进行铁路事故类型预测及成因分析, 对于建立铁路事故预警机制具有重要意义. 为此, 本文提出一种基于梯度提升决策树(Grandient boosting decision tree, GBDT)的铁路事故类型预测及成因分析算法. 针对铁路事故记录数据缺失的问题, 提出一种基于属性分布概率的补全算法, 最大程度保持原有数据分布, 从而降低数据缺失对事故类型预测造成的影响. 针对铁路事故记录数据类别失衡的问题, 提出一种集成的GBDT模型, 完成对事故类型的鲁棒性预测. 在此基础上, 根据GBDT预测模型中特征重要度排序, 实现事故成因分析. 通过在开放数据库上进行实验, 验证了本文模型的有效性.     

基于神经网络信息融合的印刷体字符识别研究

针对印刷体字符识别,提出一种基于神经网络信息融合的方法.在对待识别目标提取特征后,分别采用2种反向传播算法的改进算法和遗传算法构造神经网络分类器模型,并进行网络的训练和识别工作.通过实验数据着重分析和比较了3种算法的特点,将此3种分类器得出的分类结果进行决策级的信息融合,最终得出识别结果.实验结果表明,此方法简单可行,具有较高的鲁棒性和识别率.     

基于集成神经网络入侵检测系统的研究与实现

为解决传统入侵检测模型所存在的检测效率低,对未知的入侵行为检测困难等问题,对集成学习进行了研究与探讨,提出一种采用遗传算法的集成神经网络入侵检测模型,阐述了模型的工作原理和各模块的主要功能.模型通过遗传算法寻找那些经过训练后差异较大的神经网络进行集成.实验表明,集成神经网络与检测率最好的单个神经网络相比检测率有所提高.同时,该模型采用机器学习方法,可使系统能动态地适应环境,不仅对已知的入侵具有较好的识别能力,而且能识别未知的入侵行为,从而实现入侵检测的智能化.     

Wavelet based fault detection in analog VLSI circuits using neural networks

This paper deals with a new method of testing analog VLSI circuits, using wavelet transform for analog circuit response analysis and artificial neural networks (ANN) for fault detection. Pseudo-random patterns generated by Linear Feedback Shift Register (LFSR) are used as input test patterns. The wavelet coefficients obtained for the fault-free and faulty cases of the circuits under test (CUT) are used to train the neural network. Two different architectures, back propagation and probabilistic neural networks are trained with the test data. To minimize the neural network architecture, normalization and principal component analysis are done on the input data before it is applied to the neural network. The proposed method is validated with two IEEE benchmark circuits, namely, the operational amplifier and state variable filter.     

基于电力电子变换器邻接表的潜电路分析方法

潜电路分析(SCA)是保障电路系统可靠性的重要方法.本文通过研究电力电子变换器电路结构,提出了一种基于电力电子变换器邻接表模型的潜电路分析方法.该方法通过搜索变换器邻接表得到所有的电路模态,然后根据线索表去除冗余的和正常工作的电路模态,从而得到所有的潜在电路模态.最后以四阶升压谐振开关电容变换器潜电路分析为例,验证了所提出方法和设计软件的正确性.     

Q3算法的改进及其在潜在通路分析中的应用

为了克服基于定性仿真的潜在通路的局限性,提出一种改进的Q3算法（ImQ3）,并将其用于潜在通路分析（SCA）．ImQ3对Q3算法作了3方面的改进：定性状态描述的改进,单调约束关系的改进以及步长精炼技术的改进．分别用定性仿真．Q3算法以及ImQ3算法对一个典型电路进行潜在通路分析．统计结果发现,ImQ3算法的正确率达到98％．     

基于小波-神经网络的数字电路IDDT故障诊断

利用小波变换与神经网络相结合的方法,采用“能量-故障”特征提取方法和BP算法,提出了一种基于小波分析和神经网络的数字电路瞬态电流I_DDT故障诊断方法。该方法首先采样电源到地的瞬态电流I_DDT,然后通过小波分析提取电路的故障特征向量,最后输入到神经网络进行故障诊断。经过计算机软件对故障进行仿真,结果表明使用小波-神经网络的数字电路I_DDT方法行之有效。     

Application of Feed-forward Artificial Neural Networks to the Identification of Defective Analog Integrated Circuits

This paper presents a new approach for detecting defects in analog integrated circuits using a feed-forward neural network trained by the resilient error back-propagation method. A feed-forward neural network has been used for detecting faults in a simple analog CMOS circuit by representing the differences observed in power supply current of fault-free and faulty circuits. The identification of defects was performed in time and frequency domains, followed by a comparison of results achieved in both domains. We show that resilient back-propagation neural networks can be a very efficient and versatile approach for identifying defective analog circuits. Moreover, this approach is not limited to the supply current analysis, because it also offers monitoring of other circuit parameters. The type of defects detected by the resilient backpropagation neural networks, as well as other possible applications of this approach, are discussed.     

非线性电路的神经网络故障诊断方法

针对非线性动态电子电路,提出一种基于神经网络的故障诊断方法。通过故障字典的建立,对电路故障响应进行预处理后得到的故障特征作为神经网络的输入,然后利用神经网络对各种状态下的特征向量进行分类决策,对故障类别进行辨识,并对电路进行了可测性分析,从而实现非线性电路的故障诊断。详细的仿真过程及结果表明, 该方法有效地解决了非线性电路辨识难的问题,能较好地对故障模式进行分类,取得了满意的诊断效果。     

基于RBF网络的模拟电路故障诊断算法

针对BP神经网络在模拟电路故障诊断上存在的收敛速度慢、易陷入局部最小等不足,提出了一种基于多层小波分解和RBF神经网络的模拟电路故障诊断算法。为提高诊断效率,用多层小波分解能有效提取电路故障特征;用RBF网络优良的泛化能力和快速的非线性逼近能力可以较好的解决模拟电路中存在的容差和非线性问题。故障诊断仿真实验表明,在保证较高故障诊断正确率的情况下,RBF网络的训练次数得到了极大地缩小,有效克服了基于BP网络算法存在的上述不足,极大地提高了模拟电路故障诊断的时间效率。     

电气机车整流电路的故障诊断仿真分析

利用电力电子器件和仿真功能软件对我国电气机车整流器常用的控制电路(单相串联3重联结电路)进行了故障分析诊断;在Matlab/Simulink环境下对单相串联3重联结电路进行了电路分析和仿真,并在其基础上,提出了基于BP神经网络故障分析的方法;基于BP神经网络,利用电路分析产生的故障数据,采用归一化(或标准化)进行数据预...     

潜在通路分析在自动测试系统中的应用研究

以军用电子设备自动测试系统的可靠性设计要求为背景,在详细了解目前航空航天、军用系统等领域一项重要的可靠性分析与设计工具——潜在通路分析的相关技术基础上,研究了军用电子设备自动测试系统中潜在通路分析的必要性和可行性,提出并实践了在自动测试系统中进行潜在通路分析的方法,进而研究了在自动测试系统设计中实现潜在通路自动分析的方法。     

主成分分析法用于化工过程人工神经网络建模

达到提出应用主成分分析法对样本进行预处理,减少网络的输入因子数,消除输入因子间的关相性关简化网络结构,达到提高网络学习速率的目的,得到的人工神经网络模型能达到所要求的精度。