基于改进残差网络的流量识别方法研究

作者：严志兵; 马自强; 王恒; 黄岩

来源：黑龙江工程学院学报, 2022, 36(06): 25-29.

DOI：10.19352/j.cnki.issn1671-4679.2022.06.005

• 卷积神经网络
• 流量分类
• 残差网络
• 恒等映射层

随着网络层数的加深，卷积神经网络在训练过程中会出现梯度爆炸或者梯度消失的问题。为了解决这个问题，同时提高预测的精度，文中提出一种改进的残差网络。该网络主要对残差网络的结构进行改进，在直接映射层中将BN层和非线性激活层移动到卷积层之前，在恒等映射层中加入BN层和Conv2D层，这样不仅能解决加深网络情况下的梯度消失或梯度爆炸问题，而且预测的准确率和收敛速度也有很大的提升。通过实验证明，提出的改进残差网络算法相比于卷积神经网络准确率由之前的98.3%提升到1,损失值也从之前的0.26减少到0.024。该算法显著地提高了预测的准确度，降低了损失值，在流量分类中具有更好的应用。