科研之友
微信
新浪微博
Facebook
分享链接
摘要
由于环境、技术等扰动因素对网络数据时间递归属性的影响，导致网络数据分析的时间花费较大。为此，本文提出基于深度学习的网络数据分析模型。利用经典动态机制表示网络数据的时间递归过程，然后引入环境动态系统扰动参数，结合以模型输入状态为基准的共享参数处理数据包，将处理后的数据作为深度学习的训练数据，通过深度学习提取的特征结果实现对数据的分类。测试结果表明，该模型可以实现快速分析网络数据，提高了对网络数据的分析效率。
- 单位
由于环境、技术等扰动因素对网络数据时间递归属性的影响，导致网络数据分析的时间花费较大。为此，本文提出基于深度学习的网络数据分析模型。利用经典动态机制表示网络数据的时间递归过程，然后引入环境动态系统扰动参数，结合以模型输入状态为基准的共享参数处理数据包，将处理后的数据作为深度学习的训练数据，通过深度学习提取的特征结果实现对数据的分类。测试结果表明，该模型可以实现快速分析网络数据，提高了对网络数据的分析效率。
