Application of convolutional networks in 5G network performance testing of open pit mines
-
摘要: 随着5G网络应用场景的多样化，网络的优化和安全成为不可忽视的问题。为此，提出了一种结合卷积神经网络与门控循环单元的混合模型，用于露天矿5G网络环境下的性能测试与优化。该模型利用卷积神经网络提取网络流量数据的局部特征，通过门控循环单元对时序特征进行处理，增强模型对网络攻击的检测能力。性能测试结果显示：CNN-GRU模型在训练集上快速收敛，准确率接近1.0;在测试集上的准确率稳定在0.9,展现出良好的泛化能力。仿真实验结果表明，CNN-GRU模型在2个数据集上的检测准确率均达90%以上，误报率分别为4.1%和4.5%,明显优于其他2种对比模型。
-
-
[1] 袁亚兴,贺媛婧,管梦媛,等.基于5G技术的大规模在线智慧考试体系构建[J].中国考试,2024(10):70-80. [2] 顾本硕,林湘宁,李正天,等.基于负序量排序及5G通信的主动配电网有界面保护原理[J].电力系统保护与控制,2024,52(18):12-23. [3] 孟积渐.煤矿井下5G射频源远场辐射防爆安全分析[J].煤矿安全,2024,55(10):221-227. [4] 华晨晨,王奭寅,徐茂森,等.基于改进VGG16的射流式鱼泵内鱼类损伤的图像识别与分类[J].中国海洋大学学报(自然科学版),2024,54(11):49-57. [5] 余果,李大成,杨毅.结合空洞卷积与注意力机制的道路提取方法[J].中国空间科学技术(中英文),2024,44(5):175-185. [6] MENG Jijian,GUO Ziwen,ZHANG Yong,et al.Analysis of electromagnetic wave ignition mechanism and calculation of power threshold in underground coal mine[J].Journal of Electromagnetic Waves and Applications,2024,38(2):234-249.
[7] 徐静.深度学习下的网络异常流量检测模型设计[J].信息与电脑(理论版),2024,36(15):8-11. [8] 董卫宇,李海涛,王瑞敏,等.基于堆叠卷积注意力的网络流量异常检测模型[J].计算机工程,2022,48(9):12-19. [9] DANGI R,LALWANI P.Harris Hawks optimization based hybrid deep learning model for efficient network slicing in 5G network[J].Cluster Computing,2024,27(1):395-409.
[10] 李鑫.某露天矿5G网络安全技术研究与应用[J].黄金,2023,44(11):32-34,43. [11] MURRAY X,APAN A,DEO R,et al.Rapid assessment of mine rehabilitation areas with airborne LiDAR and deep learning:bauxite strip mining in Queensland,Australia[J].Geocarto International,2022,37(26):11223-11252.
[12] 王春燕,郭浩,杨艳丽,等.基于优化零模型的脑功能超网络拓扑结构分析及多特征融合分类[J].科学技术与工程,2024,24(27):11604-11623. [13] 何春晖,冯彩,孙启刚,等.基于边缘计算实现三维勘测数据的自动分类方法研究[J].自动化技术与应用,2024,43(10):181-185. [14] 齐戈尧,徐进,金志超.基于循环神经网络模型的创伤重症患者临床结局的动态预测[J].海军军医大学学报,2024,45(10):1241-1249. [15] 徐洪平,马泽文,易航.基于卷积神经网络的运载火箭测发网络流量异常检测技术[J].上海航天(中英文),2023,40(1):86-93. [16] 张兵,卞利.基于FW-PSO的大区域无线传感网络流量异常检测算法[J].传感技术学报,2023,36(7):1116-1121. [17] 赵经宇,杨义先,辛阳,等.基于CGAN-LSTM的无监督网络异常流量检测算法[J].软件导刊,2022,21(3):170-175.
计量
- 文章访问数: 2
- HTML全文浏览量: 0
- PDF下载量: 0
下载:
