基于改进遗传算法的RBF神经网络结构优化研究

针对RBF神经网络隐含层节点数过多导致网络结构复杂的问题,提出了一种基于改进遗传算法(IGA)的RBF神经网络优化算法。利用IGA优化基于正交最小二乘法的RBF神经网络结构,通过对隐含层输出矩阵的列向量进行全局寻优,从而设计出结构更优的基于IGA的RBF神经网络(IGA-RBF)。将IGA-RBF神经网络的学习算法应用于电子元器件贮存环境温湿度预测模型,与基于正交最小二乘法的RBF神经网络进行比较的结果表明:IGA-RBF神经网络设计出来的网络训练步数减少了44步,隐含层节点数减少了34个,且预测模型得到的温湿度误差较小,拟合精度大于0.95,具有更高的预测精度。     

大数据背景下电子数据取证规范化研究

随着网络信息技术的拓展和延伸,电子数据已涉及人们生活的各个领域。司法实践中,电子数据作为证据时一般以数字信息编码的形态存在,主要呈现出真实性、混杂性、脆弱性和不稳定性等特点,在取证过程中普遍存在取证制度不够完善、司法取证流程欠规范、证据收集和保全不足、证据审查和运用不到位等突出问题,亟须通过完善电子数据证据的立法保障、健全电子数据证据的取证机制、加强电子数据证实的合法性认定、强化电子数据证据的审查把关等路径强化电子数据的取证规范。     

网络诈骗犯罪侦防难点及对策研究

网络诈骗犯罪随着网络信息技术的诈骗形式和作案手段发展不断翻新,已成为严重影响社会稳定的突出犯罪类型。目前呈现出诈骗手段多样作案隐蔽、案件易发高发打击滞后,受害群众面广止损困难的特点,基于宣传不到位、手法更新快、办案成本高、协作不密切等因素影响,致使网络诈骗犯罪在防范和打击层面存在难点,亟须通过拓展宣传形式强化源头防控,加强管控预判网络诈骗动向,坚持多方联动内外协同配合,探究精准战法打造侦防模型等路径强化防范打击。