收藏本站
收藏 | 论文排版

基于遗传算法的深度学习优化方法及应用

彭敏  
【摘要】:近些年来,深度学习的应用越来越广泛,已成为最热门的研究领域之一。以深度神经网络(Deep Neural Network,DNN)和卷积神经网络(Convolutional Neural Network,CNN)为主的网络模型,具有优秀的特征提取能力和高维数据处理能力。然而,DNN和CNN在入侵检测中的性能很容易受到初始权重和阈值等网络结构参数的影响,目前这些参数的选择多依赖于人工经验,在相同的问题上,不同的选择方式会导致网络模型学习性能的较大差异。随着DNN和CNN的不断复杂化,人工选择模型结构参数的方法已经越来越不具有实用性。本文基于遗传算法,研究DNN、CNN的结构和参数优化的方法,并将优化后的DNN、CNN应用于入侵检测中。本文首先提出了一种基于遗传算法的DNN结构与参数优化方法并将其应用于入侵检测中。利用遗传算法对DNN隐藏层的数目、学习率及训练次数等进行寻优,改善DNN的学习和泛化能力。设计合理的隐藏层数目、学习率及训练次数的变异规则,提高寻找最优值的收敛速度、群体的多样性及预测精度。同时构建不同隐藏层数的DNN模型框架,验证本文所提方法在隐藏层数目不断增加后同样具有一定的优化性能。最后利用预处理后的KDDCUP99数据集进行实验验证,结果表明,相比未优化的几种DNN结构和经典机器学习算法,该方法在准确率、检测率有一定的提升,误报率也有一定的改善。本文然后给出了一种基于遗传算法的CNN结构与参数优化方法并将其应用于入侵检测中。利用遗传算法强大的全局寻优能力来自动选择最优初始权重、阈值、网络结构、优化器及全连接层神经元数等参数的最优CNN模型结构,扩展CNN结构的多样性,减少训练时间,使CNN结构趋向自动化。同时构建不同卷积层、池化层数的CNN基础框架,验证本文所提方法在卷积层、池化层数增加的情况下,同样具有一定的优化性能。利用KDDCUP99数据集进行实验验证,实验结果证明,所提方法和未优化的CNN模型在准确率和检测率上有一定提升,误报率也有所改善;相比于经典机器学习算法,准确率和检测率显著提升,误报率也显著降低。


知网文化
【相似文献】
中国期刊全文数据库 前18条
1 王明;李剑;;基于卷积神经网络的网络入侵检测系统[J];信息安全研究;2017年11期
2 李荷婷;冯仁君;陈海雁;景栋盛;;基于异卷积神经网络的入侵检测[J];计算机与现代化;2019年10期
3 吕刚;郝平;盛建荣;;一种改进的深度神经网络在小图像分类中的应用研究[J];计算机应用与软件;2014年04期
4 张露璐;刘勇;;基于深度学习的入侵检测研究[J];信息与电脑(理论版);2019年11期
5 钱程;刘金生;霍丽娜;;基于HGWO-RBF神经网络的入侵检测技术的研究[J];网络安全技术与应用;2019年10期
6 谢万里;李宏志;周辉;尹绍武;;基于迁移学习与卷积神经网络的鱼濒死预警系统研究[J];中国农机化学报;2019年02期
7 王建军;刘乐姗;李子坤;;基于卷积神经网络的网络入侵检测系统模型[J];河北经贸大学学报(综合版);2019年01期
8 李超;柴玉梅;高明磊;昝红英;;句法分析和深度神经网络在中文问答系统答案抽取中的研究[J];小型微型计算机系统;2017年06期
9 张少巍;杨红兰;周飞;;基于人工神经网络的入侵检测方法研究[J];北京印刷学院学报;2017年07期
10 栾五洋;;基于深度学习的图像风格转换浅论[J];数字通信世界;2018年02期
11 高强;靳其兵;程勇;;基于卷积神经网络探讨深度学习算法与应用[J];电脑知识与技术;2015年13期
12 王佳;;图神经网络浅析[J];现代计算机;2019年23期
13 王艳娜;孙丙宇;;基于卷积神经网络的烟瘾渴求脑电分类[J];计算机系统应用;2017年06期
14 王茜;张海仙;;基于深度神经网络的汽车车型识别[J];现代计算机(专业版);2015年35期
15 余培;行鸿彦;刘刚;;中文评论情感分析方法研究[J];电子测量与仪器学报;2018年12期
16 曾凡婧;雷鸣;;基于卷积神经网络的花卉识别研究[J];电脑知识与技术;2019年11期
17 邓凝旖;沈志强;郭跃飞;;基于类别先验与深度神经网络特征的显著性检测[J];计算机工程;2017年06期
18 易生;梁华刚;茹锋;;基于多列深度3D卷积神经网络的手势识别[J];计算机工程;2017年08期
中国重要会议论文全文数据库 前20条
1 彭瑾;刘必慰;陈胜刚;刘畅;;神经网络压缩模型的解压算法设计及其硬件实现[A];第二十二届计算机工程与工艺年会暨第八届微处理器技术论坛论文集[C];2018年
2 陈伟辉;孙阳;陈杰;倪玮;陈冲;薛超;;基于深度学习的地震识别技术展望[A];国家安全地球物理丛书(十四)——资源·环境与地球物理[C];2018年
3 张婷;刘允刚;;基于改进卷积神经网络的语音分离方法[A];第36届中国控制会议论文集(C)[C];2017年
4 徐梦洋;;基于深度学习的行人再识别研究综述[A];中国计算机用户协会网络应用分会2018年第二十二届网络新技术与应用年会论文集[C];2018年
5 郭天宇;朱铭健;王云鹤;许超;;基于自整合卷积神经网络的人脸分类算法[A];第十一届全国信号和智能信息处理与应用学术会议专刊[C];2017年
6 唐业辉;许超;郭天宇;王云鹤;;多级卷积神经网络[A];第十二届全国信号和智能信息处理与应用学术会议论文集[C];2018年
7 耿传玉;王泽宇;周晓君;阳春华;;基于U-net卷积神经网络双层参数优化的心脏图像分割[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
8 徐硕;;集合经验模态分解的多路-多级神经网络风功率预测模型[A];用电与能效专题讲座暨智能用电及能效管理技术研讨会论文集[C];2019年
9 段滈杉;乔俊飞;蒙西;汤健;;基于模块化神经网络的城市固废焚烧过程氮氧化物软测量[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
10 韩红桂;甄琪;杜永萍;乔俊飞;;基于低秩双线性卷积神经网络的手机型号识别方法[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
11 李淋雨;邱寅祺;何星;;基于LSTM的火电厂入口硝浓度预测方法研究[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
12 潘岚川;马乐乐;刘向杰;;基于卷积神经网络的一次风机故障预警研究[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
13 刘晶;黄进;赵万国;周丽萍;;一种基于卷积神经网络的非法经营线索挖掘模型[A];2020互联网安全与治理论坛论文集[C];2020年
14 包俊;董亚超;刘宏哲;;卷积神经网络的发展综述[A];中国计算机用户协会网络应用分会2020年第二十四届网络新技术与应用年会论文集[C];2020年
15 刘克楠;侯剑;;基于神经网络的唤醒词识别方法[A];中国计算机用户协会网络应用分会2020年第二十四届网络新技术与应用年会论文集[C];2020年
16 朱利明;路达;陈占毅;李方明;;基于BP-RBF神经网络的深基坑邻近建筑物沉降势预测[A];土木工程新材料、新技术及其工程应用交流会论文集(下册)[C];2019年
17 周浩;戴国忠;;基于神经网络的指挥信息系统体系贡献度分析[A];2019第七届中国指挥控制大会论文集[C];2019年
18 张子腾;梁烨;胡启鹏;张梦隆;陈智慧;;基于迁移卷积神经网络的脑功能连接分类[A];创新发展与情报服务[C];2019年
19 徐小天;李敏;孙跃;高冉馨;;深度神经网络的攻击与防御技术研究[A];第三届智能电网会议论文集——智能用电[C];2019年
20 郝佳恺;赵广怀;高鹏;牛海洋;郝毅;;可变嵌套深度神经网络自动训练方法[A];全国第四届“智能电网”会议论文集[C];2019年
中国博士学位论文全文数据库 前20条
1 马超;基于深度神经网络的三维目标检测与识别技术研究[D];国防科技大学;2019年
2 艾鹏程;基于卷积神经网络的高能物理事例特征信息在线提取算法研究[D];华中师范大学;2020年
3 张仕良;基于深度神经网络的语音识别模型研究[D];中国科学技术大学;2017年
4 毛博;基于卷积神经网络的地震数据重构与模型构建研究[D];吉林大学;2020年
5 曾宇骏;基于深度神经网络的智能车辆目标识别与学习控制方法研究[D];国防科技大学;2018年
6 刘贵松;入侵检测的神经网络方法[D];电子科技大学;2007年
7 高震宇;基于深度卷积神经网络的图像分类方法研究及应用[D];中国科学技术大学;2018年
8 肖理业;基于机器学习的电磁场建模与设计研究[D];电子科技大学;2019年
9 陈涵瀛;核电站热工水力系统工况预测与诊断方法研究[D];哈尔滨工程大学;2018年
10 梁智杰;聋哑人手语识别关键技术研究[D];华中师范大学;2019年
11 刘昂;微结构硅基光子学器件性能的研究[D];南京大学;2019年
12 赵博雅;基于卷积神经网络的硬件加速器设计及实现研究[D];哈尔滨工业大学;2018年
13 杜昌顺;面向细分领域的舆情情感分析关键技术研究[D];北京交通大学;2019年
14 陈科海;机器翻译上下文表示方法研究[D];哈尔滨工业大学;2019年
15 饶红霞;信息受限下神经网络的状态估计和拟同步研究[D];广东工业大学;2019年
16 张马路;Spiking机器学习算法研究[D];电子科技大学;2019年
17 付钱华;忆阻神经网络的动力学研究[D];电子科技大学;2019年
18 毛瑞琛;深度神经网络下的规范化地址建设与语义空间模型研究[D];浙江大学;2019年
19 武晨;DFP航天器动力学特性分析及精确控制方法研究[D];哈尔滨工业大学;2018年
20 杨旭辉;基于神经网络的C-ADS InjectorⅡ束流偏移校准技术研究[D];兰州大学;2019年
中国硕士学位论文全文数据库 前20条
1 彭敏;基于遗传算法的深度学习优化方法及应用[D];南华大学;2020年
2 柯岩;卷积神经网络基础要素的机理研究[D];北京化工大学;2019年
3 党倩;基于深度卷积神经网络的交通标志识别[D];陕西师范大学;2016年
4 高卿;基于卷积神经网络的人脸识别研究[D];广西民族大学;2020年
5 黄子良;基于深度学习的图像识别系统算法研究[D];成都信息工程大学;2019年
6 钱辉;基于深度卷积神经网络的无监督领域适配算法研究[D];河北大学;2020年
7 赵薇;基于深度神经网络的图像颜色词汇自动识别方法研究[D];昆明理工大学;2019年
8 王亚敏;基于多尺度卷积神经网络的车型识别[D];郑州大学;2017年
9 凌禹;基于深度神经网络的流量入侵检测模型研究[D];杭州电子科技大学;2020年
10 孟文倩;基于卷积神经网络的年龄估计[D];河北工业大学;2018年
11 蒋璨;一种关于卷积神经网络的加速结构[D];电子科技大学;2020年
12 凌禹;基于深度神经网络的流量入侵检测模型研究[D];杭州电子科技大学;2020年
13 李永礼;基于脉冲神经网络的视觉图像分类方法研究[D];北京化工大学;2019年
14 张广磊;基于免疫卷积神经网络的深度学习研究[D];东华大学;2016年
15 刘兵;基于深度卷积神经网络的图像检索算法研究[D];武汉科技大学;2017年
16 吴秦龙;结合协同训练的深度图像分类网络[D];南京邮电大学;2016年
17 孙俊;基于深度神经网络的推荐系统模型研究[D];浙江师范大学;2020年
18 肖兴;基于深度学习的入侵攻击分析与预测研究[D];西安邮电大学;2020年
19 王若辰;基于深度学习的目标检测与分割算法研究[D];北京工业大学;2016年
20 陈耀丹;基于高波卷积神经网络的人脸识别方法研究[D];东北师范大学;2016年
中国重要报纸全文数据库 前20条
1 记者 董映璧;神经网络技术检测玻璃钢缺陷精度高[N];科技日报;2020年
2 骆无意;图神经网络让集群无人系统更智能[N];中国航天报;2020年
3 张允硕 姜正义 甄海锋 河南理工大学;基于神经网络的自适应PID控制的智能衣架[N];科学导报;2019年
4 湖北日报全媒记者 张爱虎 通讯员 徐向军 实习生 于蓝;一群“90后”率先建成铁路“神经网络”[N];湖北日报;2019年
5 记者 刘霞;忆阻器制成神经网络更高效[N];科技日报;2017年
6 整理 本报记者 诸玲珍 顾鸿儒;微软神经网络切割法可使加速作用超线性[N];中国电子报;2018年
7 ;神经网络小史[N];电子报;2018年
8 张敏;人机大战,到底谁会赢?[N];北京日报;2017年
9 ;人工智能将取得大面积突破[N];中国企业报;2017年
10 本报记者 龚丹韵;人机大战:人类还有优势吗[N];解放日报;2017年
11 ;人类正迎来云端机器人时代[N];中国企业报;2017年
12 张斌;谁还需要“同传”[N];文汇报;2017年
13 邓洲 中国社会科学院工业经济研究所;深度学习:人工智能进入应用阶段[N];上海证券报;2017年
14 中国科学技术大学终身学习实验室博士 吴茂乾;“寒武纪”人工智能大爆发的前夜[N];安徽日报;2017年
15 记者 邱智丽;AI竞赛 中国力量崛起[N];第一财经日报;2017年
16 卡内基·梅隆大学计算机科学学院机器学习系主任 Tom Mitchell;突破人类和机器的边界[N];中国信息化周报;2017年
17 舒年;“深度学习”与人工智能的新挑战[N];工人日报;2017年
18 记者 刘霞;新神经网络使计算机像人一样推理[N];科技日报;2017年
19 本报记者 喻思娈;人工智能有多智能?[N];人民日报;2017年
20 中国信息通信研究院标准所副所长 何宝宏;AI技术的天花板[N];通信产业报;2017年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978