公开(公告)号：CN110222817A

公开(公告)日：2019-09-10

申请号：CN201910390336.6

申请日：2019-05-10

Applicant: 上海交通大学

Inventor： 李生红 ,  冯帅 ,  郭浩楠

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于学习自动机的卷积神经网络压缩方法、系统及介质，包括：参数初始化步骤：初始化学习自动机参数；状态值选择步骤：根据获得的初始化后的学习自动机参数，每个学习自动机依据预设的行为选择概率选择自己的状态值，获得每个学习自动机的状态值；网络结构更新步骤：根据获得的每个学习自动机的状态值更新网络结构，获得更新后网络结构。本发明创新的将学习自动机思想用于筛选卷积神经网络中的最优卷积核集合，使得卷积神经网络可以在损失较少分类精度情况下最大程度地完成网络压缩任务。

公开(公告)号：CN110191081A

公开(公告)日：2019-08-30

申请号：CN201810153375.X

申请日：2018-02-22

Applicant: 上海交通大学

Inventor： 马颖华 ,  苏宇 ,  李生红 ,  狄冲 ,  张波 ,  李怡晨 ,  冯帅

IPC: H04L29/06

Abstract: 一种基于学习自动机的网络流量攻击检测的特征筛选系统及方法，该系统包括：数据预处理模块、设置模块、学习自动机模块、随机环境模块、特征筛选模块以及攻击检测模块，本发明通过与分类器的交互和学习自动机的演变，冗余特征被逐个去除，最终最优的特征被筛选出来，组成最优特征子集，有效的解决了网络流量数据量大、维度高的问题，利用这些筛选出的特征可以有效提高网络流量攻击检测的效率，可以被应用于电网工控网络等大规模网络的环境中。