-
公开(公告)号：CN113516228A
公开(公告)日：2021-10-19
申请号：CN202110773828.0
申请日：2021-07-08
Applicant: 哈尔滨理工大学
Abstract: 本发明涉及一种基于深度神经网络的网络异常检测方法。本发明首先对网络流量数据进行预处理，对字符型特征进行数值化，然后对数值化后的数据进行最大最小归一化，使数值范围在(0,1)之间；然后利用训练数据集对模型进行训练，得到优化后的ResNet‑GRU深度学习模型；在优化后的ResNet‑GRU深度学习模型上，对测试数据集进行测试，得到每条测试数据在每个类别上的概率分布；具有最大概率的类别即为该样本所属于的流量类别。本发明对网络流量数据实现了很好的分类，更准确地判断了网络流量的类型，从而提高网络异常检测的准确率。
-
公开(公告)号：CN113516228B
公开(公告)日：2023-04-18
申请号：CN202110773828.0
申请日：2021-07-08
Applicant: 哈尔滨理工大学
IPC: G06N3/0464 , G06N3/047 , G06N3/084 , H04L9/40
Abstract: 本发明涉及一种基于深度神经网络的网络异常检测方法。本发明首先对网络流量数据进行预处理，对字符型特征进行数值化，然后对数值化后的数据进行最大最小归一化，使数值范围在(0,1)之间；然后利用训练数据集对模型进行训练，得到优化后的ResNet‑GRU深度学习模型；在优化后的ResNet‑GRU深度学习模型上，对测试数据集进行测试，得到每条测试数据在每个类别上的概率分布；具有最大概率的类别即为该样本所属于的流量类别。本发明对网络流量数据实现了很好的分类，更准确地判断了网络流量的类型，从而提高网络异常检测的准确率。
-
公开(公告)号：CN114627657A
公开(公告)日：2022-06-14
申请号：CN202210229236.7
申请日：2022-03-09
Applicant: 哈尔滨理工大学
Abstract: 本发明提出一种基于图深度强化学习的自适应交通信号控制方法。现有的基于深度强化学习的交通信号控制方法大多数使用标准神经网络，例如卷积神经网络来感知交通状态，但这些方法往往忽略了交通状态的内在关系特征对控制选择的影响。为此，本发明将图神经网络和强化学习相融合，采用基于多维度特征融合的图结构数据表示形式，利用图神经网络对非线性深度特征的高效提取能力，挖掘交通状态的潜在关联信息，结合深度强化学习反馈适配策略，实现交通信息的有效获取与调度的自适应控制。相较于传统深度强化学习的交通信号控制方法，本发明在交通信号控制中更好的提升了决策信息的有效性与调度方法的鲁棒性。
-
公开(公告)号：CN218747761U
公开(公告)日：2023-03-28
申请号：CN202223149829.7
申请日：2022-11-25
Applicant: 哈尔滨理工大学
Abstract: 本实用新型公开了基于五连杆机械臂的自动消杀机器人，包括履带式移动底盘，履带式移动底盘的上表面安装有药剂储存箱和五连杆机械臂，药剂储存箱的上方设置有屏幕支架，屏幕支架固定安装在履带式移动底盘上，屏幕支架的顶端固定装配有操作屏幕。该基于五连杆机械臂的自动消杀机器人，通过以履带式移动底盘为载体，带动整机进行室内外移动，提升该机器人对室内空间环境的适应能力，在履带式移动底盘上部安装五连杆机械臂，通过三个关节电机控制五连杆机械臂的全方位移动，提升喷雾器喷头的喷洒范围，方便对不同大小的房间进行消毒，防止消毒液喷洒后出现一些死角。
-
-
-
Search Results
4
records
(took 0.023 seconds)
