改进差分进化算法优化BP神经网络用于入侵检测
100 积分
50
评分
4.5 积分- 详情
- 2021-04-27
- 简介
pdf
- 744KB
- 页数 8P
- 阅读 93
- 下载 38
为解决BP神经网络应用于入侵检测时检测率较低、训练时间过长的问题,对改进差分进化算法(SAMDE)优化BP神经网络并用于入侵检测的可行性进行研究。该算法引入模拟退火算法(SA)和一种融合DE/rand/1与DE/best/1的变异算子对差分进化算法进行改进以提高其全局寻优能力。用改进后的算法优化BP神经网络权值阈值。通过逐次的迭代训练使BP神经网络收敛,将优化过的BP神经网络用于入侵检测。仿真实验结果显示,优化的BP网络在收敛速度和精度方面有明显提升,用于入侵检测时提高了检测准确率,缩短了训练时间。
对不起，您暂无在线预览权限，如需浏览请
立即登录热门商品
相关推荐
改进差分进化算法优化BP神经网络用于入侵检测 744KB
改进差分进化算法优化BP神经网络用于入侵检测 4.1MB
工业控制网络入侵检测的BP神经网络优化方法 834KB
改进BP神经网络算法在基坑沉降预测中的应用 292KB
基于遗传算法优化BP神经网络的电解碲电源 3.2MB
基于粒子群算法优化BP神经网络漏钢预报的研究 193KB
基于改进D-S证据理论的网络入侵检测 407KB
基于改进BP神经网络的矿井CO检测方法的研究 203KB
遗传算法优化BP神经网络的信号检测 173KB
改进BP神经网络及其在西北建筑业预测中的应用 138KB