神经网络技术范文精选

摘要：根据现代控制技术的人工神经网络理论提出了一种保护原理构成方案，并分析了原理实现的可行性和技术难点。

人工神经网络（AartificialNeuralNetwork，下简称ANN）是模拟生物神经元的结构而提出的一种信息处理方法。早在1943年，已由心理学家WarrenS.Mcculloch和数学家WalthH.Pitts提出神经元数学模型，后被冷落了一段时间，80年代又迅猛兴起［1］。ANN之所以受到人们的普遍关注，是由于它具有本质的非线形特征、并行处理能力、强鲁棒性以及自组织自学习的能力。其中研究得最为成熟的是误差的反传模型算法（BP算法，BackPropagation），它的网络结构及算法直观、简单，在工业领域中应用较多。

经训练的ANN适用于利用分析振动数据对机器进行监控和故障检测，预测某些部件的疲劳寿命［2］。非线形神经网络补偿和鲁棒控制综合方法的应用（其鲁棒控制利用了变结构控制或滑动模控制），在实时工业控制执行程序中较为有效［3］。人工神经网络（ANN）和模糊逻辑（FuzzyLogic）的综合，实现了电动机故障检测的启发式推理。对非线形问题，可通过ANN的BP算法学习正常运行例子调整内部权值来准确求解［4］。

因此，对于电力系统这个存在着大量非线性的复杂大系统来讲，ANN理论在电力系统中的应用具有很大的潜力，目前已涉及到如暂态，动稳分析，负荷预报，机组最优组合，警报处理与故障诊断，配电网线损计算，发电规划，经济运行及电力系统控制等方面［5］。

本文介绍了一种基于人工神经网络（ANN）理论的保护原理。

1、人工神经网络理论概述

前言

客户流失情形时目前移动通信业所不可回避的现实问题，严重困扰着该产业的进一步发展。本文基于数据挖掘技术以及神经网络技术来构建移动通信业客户流失行为预测模型，将主要从模型构建思想、模型预测过程两方面加以论述，以针对移动通信业客户流失行为做出准确预测。

1基于数据挖掘和神经网络技术的客户流失

行为预测模型构建思想本文针对移动通信业客户流失行为所构建的基于数据挖掘和神经网络技术的客户流失行为预测模型的总体构建思想如下：

（1）能够分析海量的样本数据信息，并且根据移动通信业当前已知的领域知识加以梳理与汇总，并构建出初始信息表格。

（2）采用离散的方法对初始信息表格的连续属性进行离散化处理，之后将处理所得到的信息采用基于遗传算法所研发出来的并行约简算法随其进行更加深入的属性约简处理。随后将属性约简之后得到的属性信息作为输入层神经元，继续对相关的数据实施垂直约简，从而将客户流失行为数据中包含的对象信息不一致情形以及冗余或重复的对象。

1计算机网络安全管理概述

一般而言,计算机网路安全管理指的是计算机在连接网络后进行信息的交换、浏览以及下载的过程中,对信息安全进行有效的管理,防止信息被他人窃取或者破坏。随着信息时代的到来,越来越多的人对计算机产生了很强的依赖,从儿童到老年人,计算机的影响无处不在,随着计算机的普及,人们在使用计算机的过程中对其安全性就有了顾忌。对于计算机网络,只要连接互联网,随时都存在被攻击的可能,相对而言,没有任何计算机是绝对的安全或者是不受到任何的攻击。运用计算机网络技术进行攻击或者盗取个人信息或者是企业信息的事件凡乎每年都会发生,计算机网络存在严重的安全隐患。所以,要及时的认识以及了解计算机网络面临的安全隐患,积极的采取相应的措施加强对计算机网络安全的管理

2神经网络在计算机网络安全管理应用的现状

2.1对神经网络在计算机安全管理运用中的重视程度不够。计算机网络安全是因特网发展的最基础的目的,但与此同时近乎所有的计算机网络在开创以及不断的发展过程中都趋向于实用以及便利,相反却在一定程度卜没有重视对计算机的安全管理,更没有将神经网络技术运用到计算机的安全管理中,进而对计算机网络的安全管理留下了严重的隐患。另外,神经网络在计算机网络安全管理中主要是对计算机的网络安全进行评估,然而由于不重视对神经网络在计算机网络安全管理中的运用,使得没有建立良好的计算机网络安全评价标准体系。

2.2对神经网络在计算机网络安全评价模型的设计和实际运用不够合理。一般来说,神经网络在计算机网络安全管理中主要是对计算机网络安全进行一定的评估,在对其进行评估的过程中,就需要设计一定的计算机网络安全评价模型,主要包含刊浦俞入层、输出层以及隐含层的设计;但是,目前神经网络在计算机网络安全管理中对于评价模型的设计还没有将这三方面有效的联系起来、除此之外,对神经网络在计算机网络安全管理的实际运用中,不能科学、合理的实现计算机网络安全管理评价模型运用,不注重对评价模型的学习以及不关注对评价模型进行有效的验证。

3加强神经网络在计算机网络安全管理中的应用采取的措施

摘要：本文针对计算机网络安全评价中神经网络的应用研究，将从计算机网络安全与神经网络的相关概述入手，对计算机网络安全评价中神经网络的具体应用策略进行深入分析，以此推动我国计算机网络的发展。此次研究选用的是文献分析法，通过查找相关的文献，为文章的分析提供理论基础。通过文章的分析得知，神经网络在计算机安全评价网络中的应用较为广泛，希望本文的研究，能在一定程度上对提升神经网络在计算机网络安全评价中的应用水平提供参考性意义。

关键词：计算机网络，网络安全；神经网络

近年来，我国的国民经济得到了快速发展，计算机的应用领域与范围也越来越广，但是随之而来的互联网安全问题不容忽视，除了网络漏洞与病毒外，具有针对性的网络入侵也越来越多，这不仅对互联网安全造成了极大威胁，而且还增加了计算机网络安全评价的难度。目前，计算机网络安全评价的方式较为传统，使得计算机网络安全评价的准确性无法保证，而应用神经网络进行计算机网络安全评价能够有效地改善这一现状。

一、计算机网络安全与神经网络的相关概述

（一）计算机网络安全概述

计算机技术为人类社会所带来的改变不言而喻，其既改变了人们的生活，又促进了人们的生产，但即便如此，互联网的安全问题依然存在。由于互联网具有较强的虚拟性，信息被窃取、篡改、破坏的现象时有发生，信息持有者的财产安全与人身安全极有可能因此而无法获得有力保障，为了有效防止这一事件的发生，互联网对软件与硬件均采取了相应的保护工作，这就是所谓的计算机网络安全，其不仅能够为计算机网络提供良好的应用环境，而且还能够为企业创设有序的竞争环境，对推动现代化建设具有重要意义。

1财务管理决策支持系统的研究现状

决策支持系统经过二十多年的发展，形成了如图l所示公认的体系结构。它把模型并入信息系统软件中，依靠管理信息系统和运筹学这两个基础逐步发展起来。它为解决非结构化决策问题提供了相应的有用信息，给各级管理决策人员的工作带来了便利。从图1可以看出决策支持系统体系结构可划分为三级，即语言系统(LS)级、问题处理系统(PPS)级和知识系统fKS)级。其中问题处理系统级包括推理机系统(RS)、模型库管理系统(MBMS)、知识库管理系统(KBMS)及数据库管理系统(DBMS)。知识系统级包括模型库(MB)、知识库(KB)及数据库(DBo九十年代中期，兴起了三个辅助决策技术：数据仓库(DW)、联机分析处理(0LAP)和数据挖掘(DM)。联机分析处理是以客户，服务器的方式完成多维数据分析。数据仓库是根据决策主题的需要汇集大量的数据库，通过综合和分析得到辅助决策的信息。数据挖掘顾名思义，是为了获得有用的数据，在大量的数据库中进行筛选。人工智能技术建立一个智能的DSS人机界面，可进行图、文、声、像、形等多模式交互，人机交互此时变得更为自然和谐，人们能沉浸其中，进行合作式、目标向导式的交互方法。从目前情况来看，财务决策支持系统的研究还处于初级发展阶段，财务数据的保密性、特殊性决定了财务决策不能全部公开化、透明化，但随着中央及国务院相关部门财务预决算数据的公开，财务决策系统及其支持系统和过程也将随之公开，这就要求决策者充分利用财务知识和决策支持系统的知识“聪明”决策、合理决策、科学决策、规范决策。

2财务管理神经网络智能决策支持系统总体研究框架

2．1神经网络运行机制神经网络的着眼点是采纳生物体中神经细胞网络中某些可利用的部分，来弥补计算机的不足之处，而不是单单用物理的器件去完整地复制。第一，神经网络中的链接的结构和链接权都可以通过学习而得到，具有十分强大的学习功能；第二，神经网络所记忆的信息是一种分布式的储存方式，大多储存在神经元之间的权中；第三，神经网络部分的或局部的神经元被破坏后，仍可以继续进行其他活动，不影响全局的活动，因此说，神经网络的这种特性被称作容错性；第四，神经网络是由大量简单的神经元组成的，每个神经元虽然结构简单，但是它们组合到一起并行活动时，却能爆发出较快较强的速度来。我们可以利用神经网络的上述特点，将之应用于模式识别、自动控制、优化计算和联想记忆、军事应用以及决策支持系统中。

2.2财务管理神经网络集成智能财务DSS的必然性在企业经营管理、政府机构财务活动中，人们时常面临着财务决策。人们往往需要根据有关的理论及经验制定出一系列的衡量标准。这种评价是一个非常复杂的非结构化决策过程，一般都是由内行专家根据一定的专业理论凭经验和直觉在收集大量不完全、不确定信息基础上建立起多级指标体系。但在这种指标体系中，各种指标之间的关系很难明确，而且还受评价者的效用标准和主观偏好所左右。因此，很难在指标体系和评价目标间建立起准确的定量或定性模型。因此，我们需要采用一种可处理不确定性、不完全性信息的评价方法以支持决策。自然，利用人工神经网络构造系统模式来支持这类评价决策问题是目前财务管理智能决策支持系统的一种发展趋势和必然趋势圈。

2．3财务管理神经网络集成智能DSS系统框架神经网络智能决策支持系统主要以知识、数据和模型为主体，结合神经网络进行推理与数据开采。图2给出了神经网络智能决策支持系统研究框架『2I。研究中有两个重点，即神经网络推理系统和神经网络数据开采系统。