排序方式： 共有7条查询结果，搜索用时 0 毫秒
1
1.
网络安全问题日益严峻,网络规模日益扩大的背景下,网络漏洞、网络攻击的方式具有了多样性,影响着社会经济的安全、健康与稳定发展。本文主要研究了基于数据挖掘的网络入侵检测关键技术,旨在有效解决各种网络安全问题。 相似文献
2.
一、概述
电力系统自动化是电力系统的发展趋势,随着计算机技术的不断成熟,应用领域不断拓展,在电力自动化系统中的信息输入、输出甚至是存储和传输中都应用了计算机技术。鉴于电力系统具有功能复杂,分布范围广,管理调度较为集中等特点,故基于计算机的视觉图像技术在电力自动化系统中具有非常广泛的应用领域和应用前景。如结合红外成像技术对线路设备进行监测、应用遥感技术和工业电视技术分担工作人员的工作压力等。 相似文献
3.
在应用C-Mn钢工业大数据进行神经网络建模时,如果将大量原始数据不加处理或者经过简单的剔除异常值处理后进行建模,很容易建立满足一定精度要求的模型。但是,如果进一步研究模型的规律性,却常常有违背客观规律的情况。这是由于原始数据中大量的数据相互干扰和生产数据的离散分布造成的。因此在建模过程中,需要将冗余和误差较大的数据剔除,保证训练数据和预测数据的均匀分布,这样能够在减小建模的计算量的同时保证数据具有显著的规律性,从而建立出合理的模型。文章利用Bayes神经网络建立了多种牌号C-Mn钢力学性能预测模型,并对影响屈服强度的工艺参数进行了分析。经统计,屈服强度和抗拉强度的预测数据中分别有96.64%和99.16%的数据预测值和实测值绝对误差在±30 MPa之内,伸长率的预测数据中有85.71%的数据预测值和实测值绝对误差在±4%内。 相似文献
4.
在信息化、网络化时代背景下,计算机网络的普及性运用给社会社会生产与人们生活带来了极大的改变,并在提升社会生产效率的同时,丰富了人们的精神生活。但是,在计算机网络传输中,网络安全问题的存在则给应用者带来了极大的困扰,而将防火墙技术应用于网络搭建中,则能够为有效解决这一安全问题提供出路。本文就防火墙技术在安全网络构建中的运用展开了研究,并提出了一系列对策。 相似文献
5.
神经网络数据样本的质量影响着模型的预测精度；选择有效的工艺参数进行建模可以提高模型的训练速度，节省训练时间。针对数据样本质量和输入工艺参数的选择问题进行了研究，采用了计算马氏距离的方法剔除异常点，改善数据样本的质量。基于采集到的热轧汽车大梁板的17个工艺参数的生产数据，采用贝叶斯神经网络建立力学性能预测模型。通过采用平均影响值筛选出对力学性能影响较大的工艺参数进行建模，以简化模型。结果显示：简化后的模型取得了较高的预测精度，对于抗拉强度和屈服强度，分别有96·64％和94·96％的数据预测值和实际值相对误差在±6％以内；对于伸长率，有96·64％的数据预测值和实际值的绝对误差在±4％以内。 相似文献
6.
为了实现快速的热轧工艺优化设计,基于工业数据的钢铁材料性能预测引起了研究者的极大关注,对利用机器学习进行钢铁材料轧制过程性能预测的研究进展进行了梳理。首先介绍了钢铁材料轧制过程性能预测常用的主流机器学习算法,其中包括人工神经网络、模糊神经网络、支持向量机、随机森林、智能优化算法等。其次,分别对钢铁材料轧制过程性能预测建模方法研究进展和模型应用情况进行了综述。最后,对钢铁轧制过程性能预测研究进行了展望,指出了数据质量的改善、小样本数据建模、建模数据加密、模型可解释性研究、钢铁材料组织预测和利用模型进行有效的工艺优化设计等可能发展方向。 相似文献
7.
基于工业数据的热轧带钢力学性能预测技术可以有效减少热轧过程中带钢性能检测取样频率、缩短交货周期、降低生产成本，然而针对小样本下的数据驱动建模始终是一个建模难题。本文聚焦小样本条件下的热轧带钢力学性能建模问题，基于工业生产过程中产生的数据，采用安全弱监督学习(safe weakly supervised learning, SAFEW)算法为未标记数据添加伪标签，实现训练数据的扩展，采用随机森林算法建立热轧带钢成分、工艺、性能之间对应关系，并通过贝叶斯优化的方法确定随机森林超参数，实现小样本条件下热轧带钢力学性能预测。针对工业应用，本文在此基础上开发了热轧带钢力学性能预测软件，结果显示，融合半监督学习的随机森林算法较普通随机森林算法在小样本热轧带钢力学性能预测方面表现更为优异。经统计，屈服强度和抗拉强度预测值和实测值绝对误差在±30 MPa以内的命中率较普通随机森林模型分别提高了6.08%和2.60%,伸长率预测值和实测值绝对误差在±3%以内的命中率较随机森林模型提高了4.78%。 相似文献
1
