沈阳航空工业学院学报
瀋暘航空工業學院學報
침양항공공업학원학보
JOURNAL OF SHENYANG INSTITUTE OF AERONAUTICAL ENGINEERING
2010年
1期
56-59
,共4页
入侵检测%量子神经网络%多层激励函数
入侵檢測%量子神經網絡%多層激勵函數
입침검측%양자신경망락%다층격려함수
为解决传统入侵检测模型所存在的检测效率低,对未知的入侵行为检测困难等问题,对神经网路隐层激励函数进行了研究,利用多层激励甬数的量子神经网络模型进行入侵检测,该量子神经网络借鉴量子理论中量子态叠加的思想,使得隐层神经元能表示更多地状态或量级,从而很好的对入侵类型进行分类,增加隐层神经元的处理速度和检测性能法.实验表明,叠加的每个sigmoid函数较传统的sigmoid函数不仅对已知的入侵具有较好的识别能力,而且能较好的识别未知入侵行为,从而实现入侵检测的智能化.
為解決傳統入侵檢測模型所存在的檢測效率低,對未知的入侵行為檢測睏難等問題,對神經網路隱層激勵函數進行瞭研究,利用多層激勵甬數的量子神經網絡模型進行入侵檢測,該量子神經網絡藉鑒量子理論中量子態疊加的思想,使得隱層神經元能錶示更多地狀態或量級,從而很好的對入侵類型進行分類,增加隱層神經元的處理速度和檢測性能法.實驗錶明,疊加的每箇sigmoid函數較傳統的sigmoid函數不僅對已知的入侵具有較好的識彆能力,而且能較好的識彆未知入侵行為,從而實現入侵檢測的智能化.
위해결전통입침검측모형소존재적검측효솔저,대미지적입침행위검측곤난등문제,대신경망로은층격려함수진행료연구,이용다층격려용수적양자신경망락모형진행입침검측,해양자신경망락차감양자이론중양자태첩가적사상,사득은층신경원능표시경다지상태혹량급,종이흔호적대입침류형진행분류,증가은층신경원적처리속도화검측성능법.실험표명,첩가적매개sigmoid함수교전통적sigmoid함수불부대이지적입침구유교호적식별능력,이차능교호적식별미지입침행위,종이실현입침검측적지능화.
