导读:本文包含了自定义神经网络论文开题报告文献综述及选题提纲参考文献，主要关键词:用户异常行为,网络流量,自定义,深度神经网络
自定义神经网络论文文献综述
陈胜,朱国胜,祁小云,雷龙飞,吴善超[1]（2019）在《基于深度神经网络的自定义用户异常行为检测》一文中研究指出在大数据网络环境下,由于传统用户异常行为检测方法无法满足海量数据检测需求,对不断更新的异常行为和恶意软件无法快速地做出响应,没有考虑用户行为管理等问题,导致异常检测的精度和稳定性都不足。文中结合网络流量分析技术,提出了基于深度神经网络的自定义用户异常行为检测模型,实现了网络流量的细粒度分析,并自定义用户行为管理设定,使用户异常检测与特定网络环境的需要更紧密地结合,将网络流量分析的数据作为深度神经网络算法的输入向量,实现海量数据检测和自定义用户行为管理,同时检测未知异常行为。实验结果表明,所提方法具有较高的准确性及鲁棒性,能有效实现自定义用户行为管理,进而解决传统用户异常行为检测的不足。(本文来源于《计算机科学》期刊2019年S2期）
刘波,张鼎松[2]（2019）在《一种神经网络中自定义损失函数的设计与分析》一文中研究指出在神经网络的训练中,不同的损失函数将影响最终的权重参数。本文在分析经典损失函数局限性的基础上,针对一种实际问题提出和设计自定义损失函数,并基于Tensorflow设计对比实验,对自定义损失函数与常用损失函数进行对比分析,得出在特定环境下自定义损失函数更符合实际需求的结论。(本文来源于《长春师范大学学报》期刊2019年04期）
左祥,巴振宇,栗志意,包飞,齐欣[3]（2015）在《基于深度神经网络和身份认证矢量的自定义唤醒词检测》一文中研究指出本文提出了一种全新的算法,用于解决在少量训练数据下自定义唤醒词检测问题。该算法包括一个注册阶段和一个检测阶段。在注册阶段,通过一个在线注册的过程,基于隐马尔科夫模型—深度神经网络(Hidden markov model-deep neural network,HMM-DNN)训练说话人相关的唤醒词模型。在检测阶段,使用该唤醒词模型,对特定说话人所说的唤醒词进行检测。本文最主要的创新点在于,将身份认证矢量(Identity vector,i-vector)作为额外的特征,和传统的声学层特征一起作为DNN特征层的输入对唤醒词建模,使训练得到的唤醒词模型具有说话人信息,从而提高检测精度。实验结果证明,本文所提算法仅使用平均2.8的训练数据就达到了11.7%的平均假负率和0%的平均假正率。(本文来源于《第十叁届全国人机语音通讯学术会议(NCMMSC2015)论文集》期刊2015-10-25）
陈国迎,陈翀[4]（2009）在《基于自定义神经网络的EPS助力特性研究》一文中研究指出对电动助力转向(EPS)系统的助力特性进行了分析,并利用搭建的自定义神经网络模型对助力特性曲线进行预描,在MATLAB中得到的仿真结果是一组非常理想的助力曲线。这表明该自定义网络能有效预测EPS的助力特性,同时也为后期的回正控制策略研究提供了思路。(本文来源于《拖拉机与农用运输车》期刊2009年05期）
李殿奎,曲若梅,孙志勇[5]（2002）在《利用双向联想神经网络对缺损自定义字符图形的识别》一文中研究指出阐述了采用计算机人工智能原理的双向联想神经网络进行自定义字符图形识别的方法和技术实现的方式 ,给出采用 Visual,Foxpro数据库管理系统程序实现的实例 ,讨论影响双向联想神经网络系统识别准确率的因素(本文来源于《佳木斯大学学报(自然科学版)》期刊2002年04期）
自定义神经网络论文开题报告
（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：
在神经网络的训练中,不同的损失函数将影响最终的权重参数。本文在分析经典损失函数局限性的基础上,针对一种实际问题提出和设计自定义损失函数,并基于Tensorflow设计对比实验,对自定义损失函数与常用损失函数进行对比分析,得出在特定环境下自定义损失函数更符合实际需求的结论。
（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。
自定义神经网络论文参考文献
[1].陈胜,朱国胜,祁小云,雷龙飞,吴善超.基于深度神经网络的自定义用户异常行为检测[J].计算机科学.2019
[2].刘波,张鼎松.一种神经网络中自定义损失函数的设计与分析[J].长春师范大学学报.2019
[3].左祥,巴振宇,栗志意,包飞,齐欣.基于深度神经网络和身份认证矢量的自定义唤醒词检测[C].第十叁届全国人机语音通讯学术会议(NCMMSC2015)论文集.2015
[4].陈国迎,陈翀.基于自定义神经网络的EPS助力特性研究[J].拖拉机与农用运输车.2009
[5].李殿奎,曲若梅,孙志勇.利用双向联想神经网络对缺损自定义字符图形的识别[J].佳木斯大学学报(自然科学版).2002