基于深度神经网络的序列异常检测研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究工作的背景与意义 | 第10-12页 |
| 1.2 国内外研究历史与现状 | 第12-15页 |
| 1.3 本文的主要贡献与创新 | 第15-16页 |
| 1.4 本论文的结构安排 | 第16-17页 |
| 第二章 深度神经网络基础 | 第17-30页 |
| 2.1 神经网络 | 第17-19页 |
| 2.1.1 神经网络类型 | 第17-18页 |
| 2.1.2 神经网络的训练过程 | 第18-19页 |
| 2.2 自编码网络 | 第19-24页 |
| 2.2.1 自编码网络 | 第19-21页 |
| 2.2.2 变分自编码网络 | 第21-24页 |
| 2.3 循环神经网络 | 第24-27页 |
| 2.3.1 循环神经网络 | 第25页 |
| 2.3.2 长短期记忆网络 | 第25-27页 |
| 2.4 变分循环神经网络 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于自编码循环神经网络的序列异常检测算法 | 第30-48页 |
| 3.1 问题描述 | 第30页 |
| 3.2 自编码循环神经网络模型 | 第30-32页 |
| 3.3 基于自编码循环神经网络的序列异常检测算法 | 第32-36页 |
| 3.3.1 数据准备 | 第33-34页 |
| 3.3.2 训练模型 | 第34页 |
| 3.3.3 异常检测 | 第34-36页 |
| 3.3.4 算法伪代码 | 第36页 |
| 3.4 实验及分析 | 第36-47页 |
| 3.4.1 实验数据介绍 | 第36-38页 |
| 3.4.2 对比算法介绍 | 第38-39页 |
| 3.4.3 异常检测评价指标 | 第39页 |
| 3.4.4 超参数敏感度测试 | 第39-43页 |
| 3.4.5 对比实验结果与分析 | 第43-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 基于变分循环神经网络的序列异常检测算法 | 第48-72页 |
| 4.1 问题描述 | 第48页 |
| 4.2 基于变分循环神经网络的序列异常检测算法 | 第48-54页 |
| 4.2.1 训练模型 | 第49-52页 |
| 4.2.2 异常检测 | 第52-54页 |
| 4.2.3 算法伪代码 | 第54页 |
| 4.3 KL损失退火方法 | 第54-59页 |
| 4.3.1 KL散度快速下降问题 | 第55-56页 |
| 4.3.2 KL损失退火方法 | 第56-59页 |
| 4.4 序列异常得分集成方法 | 第59-60页 |
| 4.5 实验及分析 | 第60-71页 |
| 4.5.1 实验数据介绍 | 第60-61页 |
| 4.5.2 超参数敏感度测试 | 第61-64页 |
| 4.5.3 对比实验结果与分析 | 第64-69页 |
| 4.5.4 KL损失退火方法实验及分析 | 第69-70页 |
| 4.5.5 序列异常得分集成方法实验及分析 | 第70-71页 |
| 4.6 本章小结 | 第71-72页 |
| 第五章 全文总结与展望 | 第72-74页 |
| 5.1 全文总结 | 第72-73页 |
| 5.2 后续工作展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 攻读硕士学位期间取得的成果 | 第78页 |
