文献类型：期刊文章

作　　者：暴占彪[1]

BAO Zhan-biao(Cyberspace Administration Center,Henan University of Economics and Law,Zhengzhou Henan 450046,China)

机构地区：[1]河南财经政法大学网络信息管理中心,河南郑州450046

出　　处：《计算机仿真》

年　　份：2019

卷　　号：36

期　　号：4

起止页码：345-348

语　　种：中文

收录情况：BDHX、BDHX2017、JST、ZGKJHX、核心刊

摘　　要：对分布式网络资源用户的信息进行快速获取,能够有效整合网络用户,提高网络运行效率。对资源用户信息的获取,需要对BP神经网络误差函数权值进行更新调整,对数据结构神经元之间连接权值进行修正。传统方法根据本征模函数上的数据结构包络,采用3α原则与计算获取阈值的对比,但忽略了对数据结构权值的修正,导致获取精度偏低。提出一种基于BP神经网络的资源用户信息快速获取方法,对数据结构原信号的尺度缺失进行补充,采用BP神经网络计算其误差函数,同时利用梯度下降法对BP神经网络误差函数权值进行更新调整;引入动量因子α,将BP神经网络学习模式不断输入到输入层,对数据结构神经元之间的连接权值进行修正,实现对分布式网络资源用户信息的快速获取。实验结果显示,所提方法具有高快速获取率、低误报率的资源用户信息快速获取性能,且大大提高了收敛速度。

关 键 词：分布式网络 网络资源 用户信息 快速获取  

分 类 号：TP183] TP393.0]