دانلود ترجمه مقاله شبکه های عصبی یادگیری رقابتی مترقی درباره شناخت نفوذ درشبکه
عنوان فایل ترجمه فارسی: شبکه های عصبی آموزشی رقابتی پیشرفته در مورد تشخیص نفوذ در شبکه و شناسایی کلاهبرداری
عنوان نسخه انگلیسی: Improved competitive learning neural networks for network intrusion and fraud detection
مرتبط با رشته های : کامپیوتر و فناوری اطلاعات
تعداد صفحات مقاله فارسی: ۳۲ صفحه
کلیدواژه: آموزش رقابتی، شناسایی کلاهبرداری، شناسایی نفوذ، خوشه بندی نظارتی/ غیر نظارتی، شبکه عصبی
این فایل ترجمه شده به صورت ورد word است و دارای امکان ویرایش می باشد.
و دریافت رایگان متون لاتین در قسمت پایین با فرمت pdf آمده دانلود است.
قسمتی از متن انگلیسی:
While ICLN has the capability to cluster data in its nature groups. The SICLN uses labels to guide the clustering process. The ICLN groups data into clusters by gathering closer data points into the same group. As a supervised clustering algorithm, the SICLN minimizes the impurity of the groups and the number of groups. Fig. 11 shows the improvement from the ICLN to the SICLN. The result of the ICLN is in Fig. 11(a). The data are identified in their nature groups without looking at the data labels. Weight vectors w2 and w3 become the cluster center of two groups of data at the left bottom although both groups belong to the same class. On the other hand, weight vector w4 represents the group of data on the right upper, which contains data of two classes. The result of the SICLN applying to the same data is in Fig. 11(b). Weight vector w4 is split into wb and wc, which represent the centers of two groups of data with different classes. Therefore, the purity of the clustering result is higher than that of the ICLN. At the same time, the SICLN attempts to result in less clusters while keeping the same level of purity. Weight vectors x2 and w3 are merged to wa. The new weight vector wa becomes the center data group w2 + w3, which belongs to the same class.
قسمتی از ترجمه مقاله