文献类型：期刊文章

作　　者：彭学勤[1] 董梦雪[2] 马琳[1]

PENG Xue-qin;DONG Meng-xue;MA Lin(Henan Information Engineering School,Zhengzhou 451150,China;Hangzhou Wanxiang Polytechnic,Hangzhou 310023,China)

机构地区：[1]河南信息工程学校,河南郑州451150 [2]杭州万向职业技术学院,浙江杭州310023

出　　处：《塑料科技》

年　　份：2020

卷　　号：48

期　　号：8

起止页码：73-76

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、IC、RCCSE、ZGKJHX、核心刊

摘　　要：为提升塑料光纤通信安全态势诊断能力,基于Hadoop大数据平台、应用深度学习技术设计塑料光纤通信安全态势诊断系统。基于并行多任务机制,设置并行任务数为16,批次样本量为20。对于系统中的诊断模型,设计3个分支网络,期望通过卷积神经网络、非线性激活函数、长短期记忆网络捕获多样、抽象、非线性、强依赖性的塑料光纤安全态势特征。经仿真分析表明,本系统对于优、良、中、差、危5种安全态势级别的诊断准确率分别为0.987、0.991、0.979、0.975和0.981,具备较少的建模时间和较高的诊断效率,优于当前的RBF神经网络和BP神经网络诊断系统。

关 键 词：塑料光纤 安全态势  HADOOP 大数据

分 类 号：TP393.0]