一种新的基于神经网络的入侵容忍系统

与预防攻击为主的安全方案不同,入侵容忍系统可以在受到攻击之后仍能提供正常连续的服务,作者从入侵容忍技术的原理入手,提出了一个入侵容忍模型,在该模型中采用了基于神经网络的入侵检测技术作为触发器,通过对该模型的工作流程和性能进行分析得出它具有很好的自适应性、安全性和弹性.     

网格安全研究综述

随着网络规模和应用的不断发展,网络安全问题已经成为影响社会经济发展和国家战略的重要因素.网格(Grid)作为第三代网络信息技术,它所具备的虚拟性、异构性、集成性及动态自适应性特征,决定了网格安全面临着巨大的困难和挑战.综述了网格安全目前面临的问题及其安全策略、技术和实施方案.     

虚拟专用网技术在校园网中的应用研究

在分析校园网实际情况的基础上,提出了一个基于校园网的虚拟专用网应用方案.通过对方案的实现结果进行测试和分析,验证了方案的可行性和有效性.     

基于改进神经网络的多AUV全覆盖路径规划

针对三维环境下的多自主水下机器人(Autonomous Underwater Vehicle,AUV)全覆盖路径规划问题,提出一种基于改进神经网络—Glasius生物启发神经网络（Glasius Bio-inspired Neural Network,GBNN）的全覆盖路径规划算法。对AUV的水下工作环境构建离散的三维栅格地图;根据栅格地图,建立相对应的三维GBNN模型;根据GBNN活性值的动态变化,AUV规划各自的搜索路径,对水下任务区域进行全覆盖搜索。仿真结果表示,多AUV可以协同完成覆盖搜索任务,能够自动避开各类静态和动态的障碍物,自动逃离路径的死锁区。     

基于动态贝叶斯网的时变样本空间无监督学习

提出了针对概率分布参数时变的样本空间的参数估计问题,由于一般的聚类和EM算法等参数估计方法是针对概率分布时不变的样本空间的问题所采用的。因此,对于概率分布时变的样本空间而言,这些方法均不能有效、准确地估计实时变化的样本参数。通过构建动态贝叶斯网,利用先验和后验的知识进行预测和滤波,结合贝叶斯增量式学习方法并充分利用了其学习所获得的样本空间概率模型变化演进的规律,这样可以较准确、平滑地学习实时概率模型及其分布参数。     

BP网络泛化能力改进研究

详细阐述了防止BP网络过度训练的方法,总结了常用的增强网络泛化能力的方法。并在此基础上,提出了基于主要影响因素和基于修正误差函数来增强网络泛化能力的方法,取得了良好的效果,提高了BP神经网络的适应性。     

一种基于神经网络的混沌控制方法

将神经网络(NN)与内模控制(IMC)相结合,提出了一种用基于BP神经网络的内模控制进行混沌抑制的方法,该方法既具有内模控制的特点,又引入了神经网络的在线自校正机制。应用所提出的方法,针对Duffing振荡器的混沌控制问题进行了仿真研究,仿真结果验证了该方法的有效性,同时还表明该方法具有很好的鲁棒性与自适应能力。     

神经网络的智能雷战斗部总体效能评价研究

建立了反直升机智能雷战斗部系统总体效能的评价体系.对各种评价方法进行了分析,这些方法都是以判断矩阵为核心,仍然显著地受决策者的主观影响.对应用人工神经网络技术解决反直升机智能雷战斗部系统总体效能评价问题进行了探讨,给出了神经网络评价模型和算法.对层次TCPSIS法评价结果与神经网络评价结果进行比较,结果表明神经网络的评价结果受决策者的主观性影响较小.     

一个基于专家系统的入侵检测系统的实现

入侵检测系统是传统被动方式的网络安全检测手段的重要补充,它是一种主动、实时、自动检测入侵行为的工具和手段.本文论述了两种入侵检测方法--异常行为检测方法和比较学习检测方法的基本原理,同时根据这两种网络安全检测方法,采用专家系统技术,构筑了一个实际的网络监控系统的具体实现,并给出了该网络监控系统的结构图.     

基于DLENN模型的沈阳地区PM2.5浓度预测

受到重工业发展规模、北温带季风气候、秋冬季燃煤取暖、机动车拥堵状况以及微观气象条件等各种因素影响,沈阳地区PM2.5浓度变化具有趋势性、周期性及随机性特征.针对上述三种特征,论文构建了一种集成双向长短期记忆网络的神经网络预测模型DLENN(Double-LSTM Ensemble Neural Network),内含的...