文件名称：循环神经网络-详解mysql 获取某个时间段每一天、每一个小时的统计数据
文件大小：527KB
文件格式：PDF
更新时间：2024-07-22 01:37:22
首发论文
2.6 循环神经网络 循环神经网络（Recurrent Neural Network, RNN）是一类以序列数据为输入，在序列的 演进方向进行递归且所有节点按链式连接的递归神经网络。 对循环神经网络的研究始于二十世纪 80-90 年代，并在二十一世纪初发展为深度学习算325 法之一[34]，其中双向循环神经网络（Bidirectional RNN, Bi-RNN）和长短期记忆网络（Long Short-Term Memory networks，LSTM）是常见的循环神经网络[35]。 循环神经网络具有记忆性、可以保存上一次处理的结果，因此在处理非线性特征序列时 具有一定优势。循环神经网络在自然语言处理（Natural Language Processing, NLP），例如 语音识别、语言建模、机器翻译等领域得到广泛应用，也被用于各类时间序列预测。循环神330 经网络的核心部分是一个有向图（directed graph）。 Fu 等[36]提出一种基于 LSTM-RNN 的异常行为检测算法，算法框架如图 7 所示。首先是 数据预处理，包括数据采样、数据清洗、数据降维；然后是以矢量形式进行特征提取；然后 对提取的特征利用 LSTM 进行训练；最后进行异常行为检测。实验数据集选用 NSL-KDD 数 据集，实验环境为 Tensorflow（v1.2），与常用的其他方法（如贝叶斯网络、SVM、GRNN、335 PNN、RBNN、KNN）的实验结果做了比较。实验模型由 LSTM 层、平均池和 Logistic 回归 层组成，并且使用随机梯度下降算法调整权重。实验结果选用检测率和误报率来评估。实验 各种算法结果如下图。由此可见，该算法的检测率比其他算法都高，DR 也都高。该算法的 扩展性较高，训练测试时间短，但是误警率较高。 340