排序方式: 共有39条查询结果,搜索用时 15 毫秒
1.
2.
由于词典类DGA域名的字符分布随机性低,单词组合随机性高,基于传统机器学习的恶意域名检测方法难以识别,虽然利用LSTM等深度学习的检测方法能捕捉域名字符序列特征,但缺乏局部词根组合特征,检测准确率低。针对以上问题,提出一种基于融合嵌入层的DGA域名检测方法。在域名词嵌入阶段,基于分词技术,进行字符和词根的融合嵌入向量表示,结合一维卷积神经网络(CNN)和双向门控循环单元(BiGRU),构建混合的深度学习模型,实现DGA域名检测。实验表明,该方法与单一采用CNN或LSTM模型相比,在域名二分类任务中的准确率分别提高3.1%和4.3%,针对词典类DGA家族matsnu、suppobox、ngioweb的检测具有更高的精确率。 相似文献
3.
4.
5.
6.
7.
8.
在实现光伏电站低电压穿越(Low Voltage Ride Through,LVRT)的基础上,分析了光伏电站接入配电网LVRT对前加速自动重合闸的影响。根据故障发生的位置不同,基于时域分析对LVRT和前加速自动重合闸的延时进行整定,提出了光伏电站LVRT与前加速自动重合闸的配合方案。该方法能够解决前加速重合闸重合时间与LVRT时限不匹配,导致并网点电压二次跌落和瞬时性故障发展成为永久性故障的问题。通过在电磁暂态仿真软件(Power Systems Computer Aided Design,PSCAD)中建立仿真模型,在10 kV配电网中验证了所提方法的有效性和正确性。 相似文献
9.
这是美国能源部(DOE)核安全管理局(NNSA)根据2003财年国防授权法素3142条款和1997、1998及2001财年国防授权法案中的相关规定而提交给国会的核试验准备报告。 相似文献
10.
为了提高光伏并网点短路时光伏系统输出短路电流计算准确性,提出以电压跌落程度n和光伏并网逆变器输出有功p及电网电压正序分量u+三个特征量为关键因子,分析推导三个关键因子与光伏并网逆变器输出电流峰值Imax的关系。采用光伏并网逆变器输出对称三相正弦交流电流为控制目标的电压功率控制策略,基于系统辨识技术,建立光伏并网逆变器输出短路电流模型并辨识其相关参数。运用求和算法,获得近似的光伏并网发电系统输出短路电流模型。基于MATLAB编程软件验证了所建模型的正确性。同时与PSCAD/EMTDC搭建的恒功率控制仿真模型对比分析论证了该模型能较准确反映光伏并网发电系统输出短路电流的大小。 相似文献