导读:本文包含了多态学习论文开题报告文献综述及选题提纲参考文献，主要关键词:网络安全,深度学习,幂级数RNN
多态学习论文文献综述
王鹏祥[1]（2018）在《基于深度学习的多态网络蠕虫检测方法的研究》一文中研究指出进入新世纪以来互联网的使用逐渐普及,互联网的安全问题越来越受到人们的重视。蠕虫由于其自身的特性被不法分子大量使用,并且蠕虫在互联网上不断涌现出新的变种,蠕虫爆发后会在短时间内席卷整个网络,造成巨大损失。为了可以在短时间内检测出蠕虫尽早切断蠕虫的传播,本文进行了基于深度学习的多态网络蠕虫检测方法的研究,多态是指蠕虫实例具有不同形态。主要研究内容包括以下两个方面:(1)利用CNN网络对互联网中有效载荷进行检测。首先,提出新的数据矩阵化处理方式,并将矩阵处理划分为32x32和256x256两种矩阵类别,矩阵中每点都有叁种不同的计算方式,分别为频率,频率x(行+列),频率x行x列。实验目标为二分类和多分类。二分类是指区分蠕虫和非蠕虫,多分类是识别出不同蠕虫与背景噪声的种类。二分类有两种不同的识别目标,分别是识别已知蠕虫与识别未知蠕虫。最后,根据不同的矩阵类化处理方式与检测目标依次进行了蠕虫检测实验,并讨论了在不同矩阵化处理方式下实验所得到的准确率。(2)利用幂级数RNN从蠕虫有效载荷中提取出特征码。首先对数据进行处理,将蠕虫流量包的有效载荷作为提取源,并将该蠕虫的特征码作为提取结果。进行实验训练并得出可以从有效载荷中自动提取蠕虫特征码的模型。并根据幂级数的特性并提出了“幂级数RNN”。幂级数RNN对原网络中神经元的短记忆状态进行了幂级数化处理从而产生新的短记忆状态,同时新的短期记忆代入输出门,输入门和忘记门进行计算。并且在Encoder-Decoder网络的解码器部分使用了提出的幂级数RNN进行了实验,通过比较解码得出的特征码与人工提取的特征码来验证实验结果的优劣。本文中通过训练CNN获得的模型去识别网络流量中属于蠕虫的流量,检测出蠕虫流量后在使用幂级数RNN从蠕虫流量的有效载荷中提取出蠕虫的特征码。基于实验的结果证明了训练CNN网络得到的模型,在蠕虫识别方面取得了良好的结果。使用幂级数RNN进行特征码提取结果同原来的LSTM神经元相比较,在特征码提取的准确率也有所上升。(本文来源于《辽宁大学》期刊2018-05-01）
雷小葳,李长云,徐曦,杲玄玄[2]（2018）在《基于多态Q学习的无线网络MAC层CSMA协议优化策略》一文中研究指出由于无线信道具有共享特性,节点之间竞争不可避免。传统P-坚持载波感知多址(CSMA)的传输概率对吞吐量有很大影响[1]。笔者设计了一种多态增强学习(RL)方法,在多态Q学习模型中提出了叁种学习类型,定义传输概率Q为节点学习策略,节点没有关于网络的先验信息,只利用历史感知信息包括碰撞次数及成功传输率,来学习最佳策略[2-3]。并通过综合仿真,对不同状态定义下的Q学习模型性能进行了比较。(本文来源于《信息与电脑(理论版)》期刊2018年06期）
张园,胡国兵[3]（2016）在《高职生源多态下适应性学习研究》一文中研究指出基于目前高职生源多元化的形式,可以借助信息化手段,根据每一个学生的需求和能力为其提供个性化的适应性学习。以模拟电子技术课程学习为例,构建适应性学习结构,通过在线学习平台对学习者的知识水平和认知能力等因素进行综合测量和分析,为其营造个性化的学习环境。研究结果表明运用适应性学习方法能够保证不同层次生源的高职学习者发挥最大的学习潜能,高效扎实地掌握知识,提高学习效果。(本文来源于《当代职业教育》期刊2016年01期）
肖蒙,张友鹏[4]（2015）在《小数据集条件下的多态系统贝叶斯网络参数学习》一文中研究指出针对贝叶斯网络中多父节点条件概率分布参数学习问题,提出了一种适用于多态节点、模型不精确、样本信息不充分情形的参数学习方法。该方法利用因果机制独立假设,分解条件概率分布,使条件概率表的规模表现为父节点个数和状态数的线性形式;利用Leaky Noisy-MAX模型量化了多态系统模型未含因素对参数学习的影响;从小样本数据集中获取模型参数并合成条件概率表。结果表明,该方法能提高参数学习效率与精度。(本文来源于《计算机科学》期刊2015年04期）
孙玉平[5]（2013）在《基于投影矩阵构造复值多态Hopfield网络的学习算法》一文中研究指出一种在二值Hopfield网络中的投影学习算法,推广后得到一种能够在复值多态网络中应用的高效学习算法,新的算法学习效率高、具有扩展性等优点。(本文来源于《德宏师范高等专科学校学报》期刊2013年03期）
刘璐,李海梅,钱秋谨,杨莉,王玉凤[6]（2013）在《肾上腺素能α1A受体基因多态与注意缺陷多动障碍共患学习困难的关联分析》一文中研究指出目的:探讨肾上腺素能α1A受体基因(ADRA1A)多态性与注意缺陷多动障碍(ADHD)共患学习困难(LD)的关联。方法:依据美国精神障碍诊断与统计手册第4版(DSM-IV)标准,诊断ADHD、划分临床亚型并评定共患病。采用中国韦氏儿童智力量表(Chinese Wechsler Intelligence Scale forChildren,C-WISC)评估智商。入组678例ADHD共患LD的儿童(含457个核心家系),1137例ADHD未共患LD的儿童(含792个核心家系)及936名正常对照。进行ADRA1A基因3个单核苷酸多态性位点(SNPs)的基因型检测,采用传递不平衡检验、χ2检验对单个SNP位点及单体型与ADHD及其表型进行关联分析,采用协方差分析探讨基因与ADHD儿童智商的关联。结果:家系研究显示,rs17426222位点的C等位基因(校正P=0.026)及由rs17426222、rs573514、rs3808585组成的CAC单体型(校正P=0.011),在ADHD共患LD家系中存在过度传递。在ADHD共患LD样本中,rs573514位点的A等位基因频率具有高于对照组的趋势(0.596 vs.0.557,校正P=0.071),控制性别、年龄后该关联仍存在(P<0.05)。在ADHD未共患LD中,家系与病例对照研究均未发现任何关联(P>0.05);将ADHD共患/未共患LD合并后,关联均消失(P>0.05)。协方差分析显示,rs573514位点基因型与ADHD儿童的操作智商存在关联(P<0.05),AA基因型携带者操作智商低于AG[(95±15)vs.(97±15),P<0.05]、GG[(95±15)vs.(98±14),P=0.007]基因型携带者。结论:ADRA1A可能与ADHD共患LD存在关联,ADHD共患LD与否可能存在遗传学差异;ADRA1A可能与ADHD操作性智商存在关联。(本文来源于《中国心理卫生杂志》期刊2013年06期）
李泽华,钱秋谨,刘璐,李海梅,杨莉[7]（2012）在《BAIAP2基因多态与儿童注意缺陷多动障碍共患学习困难的关联分析》一文中研究指出目的:探讨脑特异性血管发生抑制剂1相关蛋白2(BAIAP2)基因多态与儿童注意缺陷多动障碍(ADHD)共患学习困难(LD)的关联。方法:选取符合美国精神障碍诊断与统计手册第4版(DSM-IV)诊断标准731例共患LD的ADHD儿童和957例健康对照,采用高通量实时荧光定量PCR方法检测基因型,探讨BAIAP2基因的9个单核苷酸多态性(SNPs)位点与共患LD的儿童ADHD的关联。结果:BAIAP2的SNP位点rs8079626/G(病例对照频率0.638 vs.0.604)和rs4969385/T(0.179 vs.0.150)与儿童ADHD共患LD关联,rs3934492/C(0.572 vs.0.532)和rs4969385/T(0.180 vs.0.142)与男性儿童ADHD共患LD关联,rs4969239/G(0.426 vs.0.329)和rs4969358/A(0.472 vs.0.389)与女性儿童ADHD共患LD关联(均P<0.05);由rs4969239-rs4969358-rs6565531-rs8079626组成的单体型AAGG与共患LD的儿童ADHD共患LD(0.100 vs.0.065)和男性儿童ADHD共患LD(0.101 vs.0.065)关联(均P<0.05)。结论:BAIAP2基因多态性可能与汉族儿童ADHD共患LD的病理机制有关,且这种作用机制可能存在性别差异。(本文来源于《中国心理卫生杂志》期刊2012年06期）
李君,王玉凤,周儒伦,杨莉,张浩波[8]（2007）在《5-羟色胺1D基因多态与共患学习困难的儿童注意缺陷多动障碍的相关性》一文中研究指出目的:探讨共患学习困难(LD)的儿童注意缺陷多动障碍(ADHD)与5-羟色胺1D受体基因(HTR1D)1350T>C和1236A>G两种多态之间的关联。方法:就91个共患LD的ADHD核心家系和181个不共患LD的ADHD核心家系的1350T>C和1236A>G两种多态进行检测,并分别进行传递不平衡(TDT)检验和单体型分析。结果:在不共患LD的家系中1236A等位基因(χ2=5.306,P=0.021,传递和未传递的次数分别为115和82)传递次数明显增加。在共患LD的家系中未发现任何等位基因和单体型的传递不平衡现象。结论:ADHD共患LD与否在HTR1D受体基因多态水平存在遗传差别,遗传在不共患LD的ADHD中具有更重要的作用。(本文来源于《北京大学学报(医学版)》期刊2007年05期）
李君,王玉凤,周儒伦,杨莉,张浩波[9]（2004）在《5-羟色胺转运体基因多态与共患学习困难的儿童注意缺陷多动障碍的相关性》一文中研究指出目的探讨共患学习困难(LD)的注意缺陷多动障碍(ADHD)患儿与5-羟色胺转运体(5-HTT)基因连锁多态区(5-HTTLPR)和第2内含子17 bp数目可变的顺向重复(stin2.VNTR)的关联关系。方法对126例共患LD的ADHD患儿和198例不共患LD的ADHD患儿的5-HTTLPR和stin2.VNTR两种多态进行检测,并采用传递不平衡检测(TDT)和单体型分析方法进行关联分析。结果(1)TDT检测:5-HTTLPR多态的S等位基因在共患LD的ADHD和ADHD混合型(ADHD-C)核心家系中优先传递(X2=5.831和5.281,P=0.015和0.020);所有家系均未观察到stin2.VNTR多态中的任何等位基因有传递不平衡现象(均P>0.05);(2)单体型分析:5-HTT基因与共患LD的ADHD和ADHD-C相关联(X2=11.391和13.343,v=3,P=0.010和P=0.004);单体型L／12在共患LD的ADHD和ADHD-C核心家系中传递较少(X2=10.317和8.948,v=1,P=0.001和0.003),而单体型L／10在共患LD的ADHD核心家系中传递较多(X2=4.065,v=1,P=0.044)。结论5-HTT基因可能与共患LD的ADHD相关联,其中主要为共患LD的ADHD-C亚型。(本文来源于《中华精神科杂志》期刊2004年04期）
李君,王玉凤,周儒伦,张浩波,汪冰[10]（2004）在《5-HT_(2C)基因多态与共患学习困难的儿童注意缺陷多动障碍的相关性》一文中研究指出目的 :探讨共患与不共患学习困难 (learningdisorder,LD)的儿童注意缺陷多动障碍 (attentiondeficithyperac tivitydisorder,ADHD)与 5 HT2C受体基因 (HTR2C)C 75 9T和G 6 97C两种多态之间的关联。方法 :检测 1 89个共患LD的ADHD核心家系 (ADHD +LD)和 2 99个不共患LD的ADHD核心家系 (ADHD -LD)的C 75 9T和G 6 97C两种多态 ,并对各等位基因和单体型进行传递不平衡检验 (TDT)。结果 :在ADHD -LD家系中 , 75 9C(χ2 =6 .96 1 ,P =0 .0 0 8)和 6 97G(χ2 =8.346 ,P =0 .0 0 4 )等位基因优先传递 ,就单体型而言 , 75 9C/ 6 97G传递较多 (χ2 =9.0 0 0 ,P =0 .0 0 2 7) ,而 75 9T/ 6 97C传递较少 (χ2 =7.784 ,P =0 .0 0 5 3) ;但是 ,在ADHD +LD家系中未发现任何等位基因和单体型的传递不平衡现象。结论 :ADHD共患LD与否在HTR2C基因C 75 9T和G 6 97C两种多态水平上有明显的遗传差别。HTR2C基因与ADHD -LD相关联(本文来源于《北京大学学报(医学版)》期刊2004年04期）
多态学习论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
由于无线信道具有共享特性,节点之间竞争不可避免。传统P-坚持载波感知多址(CSMA)的传输概率对吞吐量有很大影响[1]。笔者设计了一种多态增强学习(RL)方法,在多态Q学习模型中提出了叁种学习类型,定义传输概率Q为节点学习策略,节点没有关于网络的先验信息,只利用历史感知信息包括碰撞次数及成功传输率,来学习最佳策略[2-3]。并通过综合仿真,对不同状态定义下的Q学习模型性能进行了比较。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多态学习论文参考文献
[1].王鹏祥.基于深度学习的多态网络蠕虫检测方法的研究[D].辽宁大学.2018
[2].雷小葳,李长云,徐曦,杲玄玄.基于多态Q学习的无线网络MAC层CSMA协议优化策略[J].信息与电脑(理论版).2018
[3].张园,胡国兵.高职生源多态下适应性学习研究[J].当代职业教育.2016
[4].肖蒙,张友鹏.小数据集条件下的多态系统贝叶斯网络参数学习[J].计算机科学.2015
[5].孙玉平.基于投影矩阵构造复值多态Hopfield网络的学习算法[J].德宏师范高等专科学校学报.2013
[6].刘璐,李海梅,钱秋谨,杨莉,王玉凤.肾上腺素能α1A受体基因多态与注意缺陷多动障碍共患学习困难的关联分析[J].中国心理卫生杂志.2013
[7].李泽华,钱秋谨,刘璐,李海梅,杨莉.BAIAP2基因多态与儿童注意缺陷多动障碍共患学习困难的关联分析[J].中国心理卫生杂志.2012
[8].李君,王玉凤,周儒伦,杨莉,张浩波.5-羟色胺1D基因多态与共患学习困难的儿童注意缺陷多动障碍的相关性[J].北京大学学报(医学版).2007
[9].李君,王玉凤,周儒伦,杨莉,张浩波.5-羟色胺转运体基因多态与共患学习困难的儿童注意缺陷多动障碍的相关性[J].中华精神科杂志.2004
[10].李君,王玉凤,周儒伦,张浩波,汪冰.5-HT_(2C)基因多态与共患学习困难的儿童注意缺陷多动障碍的相关性[J].北京大学学报(医学版).2004