基于云安全模型的层次泛函网络整体学习算法
徐胜超
邓斌涛
广州华商学院数据科学学院 广州 511300
摘要：层次结构的泛函网络结构存在较多的隐变量,导致相同时间周期内的学习预测次数较少,为此设计基于云安全模型的层次泛函网络整体学习算法.采用云服务器获取安全模型运行时的各类信息数据,定义云安全模型内指标的姿态值,并构建姿态值三元约束数值关系,控制网络结构内隐变量数量,构建层次泛函网络逼近数值模型,将同等属性数据集的泛函数值处理为输入单元,输出整体学习算法形成的邻近域.结果表明:所设计的整体学习算法产生的学习预测次数最多,算法的学习预测能力最强.
关键词：云安全模型层次泛函网络整体学习隐变量神经元突变三元约束数值关系
分类号：TP181(自动化基础理论)
资助基金：国家自然科学基金(61403219)广州华商学院校内导师制科研项目(2022HSDS07)
论文发表日期：2022-07-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 1405-1409,1438 )
英文信息