期刊文献+
共找到11篇文章
< 1 >
每页显示 20 50 100
基于多模态神经网络流量特征的网络应用层DDoS攻击检测方法
1
作者 王小宇 贺鸿鹏 +1 位作者 马成龙 陈欢颐 《沈阳农业大学学报》 CAS CSCD 北大核心 2024年第3期354-362,共9页
农业设备、传感器和监控系统与网络的连接日益紧密,给农村配电网带来了新的网络安全挑战。其中,分布式拒绝服务(DDoS)攻击是一种常见的网络威胁,对农村配电网的安全性构成了严重威胁。针对农村配电网的特殊需求,提出一种基于多模态神经... 农业设备、传感器和监控系统与网络的连接日益紧密,给农村配电网带来了新的网络安全挑战。其中,分布式拒绝服务(DDoS)攻击是一种常见的网络威胁,对农村配电网的安全性构成了严重威胁。针对农村配电网的特殊需求,提出一种基于多模态神经网络流量特征的网络应用层DDoS攻击检测方法。通过制定网络应用层流量数据包捕获流程并构建多模态神经网络模型,成功提取并分析了网络应用层DDoS攻击流量的特征。在加载DDoS攻击背景下的异常流量特征后,计算相关系数并设计相应的DDoS攻击检测规则,以实现对DDoS攻击的有效检测。经试验分析,所提出的方法在提取DDoS攻击相关特征上表现出色,最大提取完整度可达95%,效果明显优于对比试验中基于EEMD-LSTM的检测方法和基于条件熵与决策树的检测方法。 展开更多
关键词 农村配电网 流量特征提取 DDOS攻击 网络应用层 多模态神经网络 攻击行为检测
下载PDF
基于多模态神经网络的新型冠状病毒感染患者继发医院感染的预测模型分析
2
作者 徐璐 周兴蓓 +5 位作者 吴静 魏渊 谈慧颖 黄菊 邹圣强 沈硕 《抗感染药学》 2024年第5期474-478,共5页
目的:基于多模态神经网络,构建新型冠状病毒感染(COVID-19)患者继发医院感染的预测模型,为临床患者继发医院感染的防治提供参考。方法:选取2022年8月1日—2023年1月20日镇江市第三人民医院收治的2519例COVID-19患者作为研究对象,收集患... 目的:基于多模态神经网络,构建新型冠状病毒感染(COVID-19)患者继发医院感染的预测模型,为临床患者继发医院感染的防治提供参考。方法:选取2022年8月1日—2023年1月20日镇江市第三人民医院收治的2519例COVID-19患者作为研究对象,收集患者的年龄、既往病史、住院时间、抗菌药物使用、行机械通气等信息,采用多模态神经网络预测模型分析患者继发医院感染的影响因素,并与传统的多因素Logistic回归分析模型进行比较。结果:2519例COVID-19患者中发生医院感染的有312例,感染发生率为12.39%;Logistic回归分析结果显示,COVID-19患者继发医院感染与年龄、是否有高血压病史和呼吸系统疾病史、是否有经验性使用抗菌药物和免疫抑制剂、是否行机械通气具有相关性(P<0.05),其中年龄>65岁、有高血压病史、有呼吸系统疾病史、住院时间>7 d、经验性使用抗菌药物、行机械通气是患者继发医院感染的独立危险因素(P<0.05);多模态神经网络预测结果显示,住院时间、呼吸系统疾病史、年龄、经验性使用抗菌药物和机械通气是患者继发医院感染的5个最大的危险因素,其训练样本、检验样本和坚持样本的准确度分别为87.49%、86.31%和90.28%;多模态神经网络预测模型和多因素Logistic回归分析模型的接受者操作特征曲线的曲线下面积分别为0.879和0.852,并且Delong检验结果显示二者之间存在统计学差异(P<0.05)。结论:多模态神经网络预测模型和多因素Logistic回归分析模型均可以较好地预测COVID-19患者继发医院感染的相关风险,但多模态神经网络预测模型的预测结果更好。 展开更多
关键词 新型冠状病毒感染 医院感染 预测模型 多模态神经网络 多因素LOGISTIC回归分析
原文传递
多模态神经网络在视频字幕生成中的探索
3
作者 胡迎彬 《中国科技期刊数据库 工业A》 2024年第11期150-154,共5页
多模态学习是指从多个不同的数据源中提取信息并进行综合分析,以获得比单一模态更为丰富和准确的表征。在视频字幕生成任务中,多模态神经网络能够同时处理视频的视觉信息和音频信息,通过深层次的特征融合与交互,实现对视频内容的全面理... 多模态学习是指从多个不同的数据源中提取信息并进行综合分析,以获得比单一模态更为丰富和准确的表征。在视频字幕生成任务中,多模态神经网络能够同时处理视频的视觉信息和音频信息,通过深层次的特征融合与交互,实现对视频内容的全面理解和精准描述。这一技术路径不仅突破了传统方法的局限,还为视频内容的自动化处理开辟了新的可能。 展开更多
关键词 多模态神经网络 视频字幕生成 多模态学习 视觉特征提取
下载PDF
多模态神经网络的网络舆情大数据特征识别 被引量:1
4
作者 熊亿民 《信息技术》 2021年第6期114-119,共6页
传统网络舆情大数据特征识别方法所构建的演化模型损失值偏高,导致识别结果属性不一致,因此提出基于多模态神经网络的网络舆情大数据特征识别方法。布设网络舆情大数据情感维度空间,在该空间中分析网络舆情在三个阶段的演化规律,以此构... 传统网络舆情大数据特征识别方法所构建的演化模型损失值偏高,导致识别结果属性不一致,因此提出基于多模态神经网络的网络舆情大数据特征识别方法。布设网络舆情大数据情感维度空间,在该空间中分析网络舆情在三个阶段的演化规律,以此构建网络舆情大数据演化模型。采用多模态神经网络进行模型演化结果学习,识别具有相同属性的网络舆情大数据特征。仿真测试结果表明,该方法构建的模型损失值低,识别出的大数据特征具有相同属性,应用效果更好。 展开更多
关键词 多模态神经网络 网络舆情 大数据 特征识别
下载PDF
多模态卷积神经网络的物体抓取检测 被引量:3
5
作者 魏英姿 曹雪萍 《沈阳理工大学学报》 CAS 2019年第4期35-40,共6页
针对散乱摆放的未知物体的抓取,提出一种将物体的RGB图像和Depth图像分开作为两个输入的多模态神经网络模型,实现对物体抓取框的检测,完成机器人对未知物体的智能抓取。通过背景减除的方法,获取物体的掩膜,根据等间距采样规则,得到这个... 针对散乱摆放的未知物体的抓取,提出一种将物体的RGB图像和Depth图像分开作为两个输入的多模态神经网络模型,实现对物体抓取框的检测,完成机器人对未知物体的智能抓取。通过背景减除的方法,获取物体的掩膜,根据等间距采样规则,得到这个物体所有可能的候选抓取矩形框;再通过多模态神经网络分类模型,从所有可能的候选矩形框中找到评判值排名前三的矩形框;然后采用比较重心的算法找到中心最接近物体重心的抓取框(最优抓取框)。结果表明,该方法在物体抓取准确性和鲁棒性方面有很大提高。 展开更多
关键词 RGB-D 深度学习 多模态卷积神经网络 物体抓取检测
下载PDF
一种基于多模态融合神经网络对疲劳度检测的方法 被引量:2
6
作者 邱达锋 《现代计算机》 2020年第35期32-36,42,共6页
基于脑电信号特征变化,来判断司机是否处于疲劳状态,已经被证明是一种有效的方法。但单一用传统的机器学习的方法对脑电信号进行疲劳检测的准确率还较低。因此,提出一种基于脑电信号和前额眼电信号多模态融合的神经网络方法,并利用上海... 基于脑电信号特征变化,来判断司机是否处于疲劳状态,已经被证明是一种有效的方法。但单一用传统的机器学习的方法对脑电信号进行疲劳检测的准确率还较低。因此,提出一种基于脑电信号和前额眼电信号多模态融合的神经网络方法,并利用上海交通大学公开数据集SEED-VIG进行训练,实验结果表明,与单一的模态相比,多模态融合对于疲劳度检测有更好的识别效果,其准确率达到98.3%,有助于推动司机驾驶过程基于脑电信号疲劳度检测系统的应用。 展开更多
关键词 脑电信号 眼电信号 疲劳检测 多模态神经网络
下载PDF
基于多模态深度神经网络的应用层DDoS攻击检测模型 被引量:11
7
作者 周奕涛 张斌 刘自豪 《电子学报》 EI CAS CSCD 北大核心 2022年第2期508-512,共5页
为进一步提升应用层DDoS攻击检测准确率,提出一种将流量与用户行为特征相结合且模型参数可高效更新的应用层DDoS攻击检测模型.为统一处理流量与用户行为特征的异源数据,利用多模态深度(Multimodal Deep Learning,MDL)神经网络从数据流... 为进一步提升应用层DDoS攻击检测准确率,提出一种将流量与用户行为特征相结合且模型参数可高效更新的应用层DDoS攻击检测模型.为统一处理流量与用户行为特征的异源数据,利用多模态深度(Multimodal Deep Learning,MDL)神经网络从数据流量与网页日志中提取流量与用户行为深层特征后输入汇聚深度神经网络进行检测.为减少MDL神经网络参数更新时的灾难性遗忘现象,在模型参数更新过程中基于弹性权重保持(Elastic Weight Consolidation,EWC)算法为重要模型参数增加惩罚项,保持对初始训练数据集检测准确率的同时,提升对新数据集的检测性能.最后,基于K-Means算法获得模型初始训练数据集聚类,并筛选出新数据集中聚类外数据进行模型参数更新,防止EWC算法因数据相关性过高而失效.实验表明,所提应用层DDoS检测模型检测准确率可达98.2%,且相对MLP_Whole方法模型参数更新性能较好. 展开更多
关键词 应用层DDoS攻击 攻击检测模型 多模态深度神经网络 弹性权重保持算法 参数更新
下载PDF
自优化双模态多通路非深度前庭神经鞘瘤识别模型
8
作者 张睿 张鹏云 高美蓉 《计算机应用》 CSCD 北大核心 2024年第9期2975-2982,共8页
针对不同模态间对应特征极易融合错位、识别模型专家主观经验式调参且计算成本高等问题,提出自优化双模态(“对比增强T1加权”与“高分辨率增强T2加权”)多通路非深度前庭神经鞘瘤识别模型。首先,通过构建前庭神经鞘瘤识别模型进一步挖... 针对不同模态间对应特征极易融合错位、识别模型专家主观经验式调参且计算成本高等问题,提出自优化双模态(“对比增强T1加权”与“高分辨率增强T2加权”)多通路非深度前庭神经鞘瘤识别模型。首先,通过构建前庭神经鞘瘤识别模型进一步挖掘前庭神经鞘瘤病症多模态影像特征及模态间复杂的非线性互补信息;其次,设计基于博弈论全局并行麻雀搜索算法的模型优化策略,实现模型关键超参数的自适应寻优,使模型具有较优的识别效果。实验结果表明,相较于基于深度学习的模型,所提模型在识别准确率提升4.19个百分点的情况下参数量降低了27.9%,验证了它的有效性和自适应性。 展开更多
关键词 前庭神经鞘瘤 多模态神经网络 非深度模型 并行加速 模型自优化
下载PDF
Multi-dimension and multi-modal rolling mill vibration prediction model based on multi-level network fusion
9
作者 CHEN Shu-zong LIU Yun-xiao +3 位作者 WANG Yun-long QIAN Cheng HUA Chang-chun SUN Jie 《Journal of Central South University》 SCIE EI CAS CSCD 2024年第9期3329-3348,共20页
Mill vibration is a common problem in rolling production,which directly affects the thickness accuracy of the strip and may even lead to strip fracture accidents in serious cases.The existing vibration prediction mode... Mill vibration is a common problem in rolling production,which directly affects the thickness accuracy of the strip and may even lead to strip fracture accidents in serious cases.The existing vibration prediction models do not consider the features contained in the data,resulting in limited improvement of model accuracy.To address these challenges,this paper proposes a multi-dimensional multi-modal cold rolling vibration time series prediction model(MDMMVPM)based on the deep fusion of multi-level networks.In the model,the long-term and short-term modal features of multi-dimensional data are considered,and the appropriate prediction algorithms are selected for different data features.Based on the established prediction model,the effects of tension and rolling force on mill vibration are analyzed.Taking the 5th stand of a cold mill in a steel mill as the research object,the innovative model is applied to predict the mill vibration for the first time.The experimental results show that the correlation coefficient(R^(2))of the model proposed in this paper is 92.5%,and the root-mean-square error(RMSE)is 0.0011,which significantly improves the modeling accuracy compared with the existing models.The proposed model is also suitable for the hot rolling process,which provides a new method for the prediction of strip rolling vibration. 展开更多
关键词 rolling mill vibration multi-dimension data multi-modal data convolutional neural network time series prediction
下载PDF
基于心音心电信号的心衰分析系统
10
作者 李俊杰 杨思誉 岳星宇 《软件工程与应用》 2022年第1期81-90,共10页
心音信号和心电信号作为常见的生理信号,在临床上被广泛用于心脏疾病的预防、诊断和长期检测。针对心衰的监测和诊断,目前现有的传统诊断方式较为不便,因此本文设计了一种基于心音心电信号的心衰分析系统。本系统的生理信号采集装置以ST... 心音信号和心电信号作为常见的生理信号,在临床上被广泛用于心脏疾病的预防、诊断和长期检测。针对心衰的监测和诊断,目前现有的传统诊断方式较为不便,因此本文设计了一种基于心音心电信号的心衰分析系统。本系统的生理信号采集装置以STM32L432KBU6为主控制器,以ADS1292R为模拟前端采集心电信号,以驻极体麦克风采集心音信号。然后通过蓝牙连接手机,由手机应用软件显示同步心音心电信号并且上传至云平台,实现远程实时监护。云平台上部署的多模态深度神经网对其进行心衰分析。本系统使用简单,且有较高的心衰分类准确率,极大方便了家庭个人使用,同时也能在一定程度上提高医护人员的工作效率。 展开更多
关键词 心音心电 ADS1292R STM32L432KBU6 蓝牙 心衰 多模态神经网络
下载PDF
Multimodality image registration and fusion using neural network
11
作者 Mostafa G Mostafa Aly A Farag Edward Essock 《Journal of Harbin Institute of Technology(New Series)》 EI CAS 2003年第3期235-240,共6页
Multimodality image registration and fusion are essential steps in building 3-D models from remotesensing data. We present in this paper a neural network technique for the registration and fusion of multimodali-ty rem... Multimodality image registration and fusion are essential steps in building 3-D models from remotesensing data. We present in this paper a neural network technique for the registration and fusion of multimodali-ty remote sensing data for the reconstruction of 3-D models of terrain regions. A FeedForward neural network isused to fuse the intensity data sets with the spatial data set after learning its geometry. Results on real data arepresented. Human performance evaluation is assessed on several perceptual tests in order to evaluate the fusionresults. 展开更多
关键词 data fusion image registration image interpolation neural network 3-D model building
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部