模拟退火优化神经网络研究及其在入侵检测中的应用

【摘要】： 本文在研究神经网络理论和模拟退火算法理论的基础上,分析了传统BP神经网络算法的不足之处,提出了基于模拟退火思想的双层模拟退火优化算法。第一层简单退火,是一种类模拟退火算法思想,它先设置较大的学习率和动量项系数,然后逐渐减小学习率和动量项系数,使得误差精度快速下降到一个较小值。当误差精度下降到一个预设的目标精度值时,就可以跳出训练神经网络。第二层深度退火,在第一层简单退火达到一个较小的误差之后,在此基础上利用模拟退火算法,寻找全局最优解。最后利用KDD CUP1999入侵检测数据对该算法进行了仿真验证,并和其它的优化BP神经网络算法进行了对比验证。实验结果表明:采用该算法能够显著减少训练时间,提高网络训练速度,同时提高了入侵检测系统的检测率,降低了误报率,取得了良好的入侵检测效果。