科研之友
微信
新浪微博
Facebook
分享链接
摘要
层次结构的泛函网络结构存在较多的隐变量，导致相同时间周期内的学习预测次数较少，为此设计基于云安全模型的层次泛函网络整体学习算法。采用云服务器获取安全模型运行时的各类信息数据，定义云安全模型内指标的姿态值，并构建姿态值三元约束数值关系，控制网络结构内隐变量数量，构建层次泛函网络逼近数值模型，将同等属性数据集的泛函数值处理为输入单元，输出整体学习算法形成的邻近域。结果表明：所设计的整体学习算法产生的学习预测次数最多，算法的学习预测能力最强。
- 单位
层次结构的泛函网络结构存在较多的隐变量，导致相同时间周期内的学习预测次数较少，为此设计基于云安全模型的层次泛函网络整体学习算法。采用云服务器获取安全模型运行时的各类信息数据，定义云安全模型内指标的姿态值，并构建姿态值三元约束数值关系，控制网络结构内隐变量数量，构建层次泛函网络逼近数值模型，将同等属性数据集的泛函数值处理为输入单元，输出整体学习算法形成的邻近域。结果表明：所设计的整体学习算法产生的学习预测次数最多，算法的学习预测能力最强。
