LU分解流形正则化网络

训练更快，检测更准

在流形正则化框架下引入LU分解，缩短训练时间并规避奇异值问题，入侵检测性能优于经典及最新模型。

Liu, Yaodi · 张坤 · 王振东

Journal of Supercomputing 2023

技术优势

训练时间缩短

采用LU分解求解输出权重矩阵，避免奇异值问题，训练速度更快。

检测性能提升

通过流形正则化挖掘数据结构信息并优化模型，检测结果优于经典机器学习模型和最新入侵检测模型。

应用场景

• 入侵检测系统：直接部署到入侵检测系统，提升对网络攻击的识别准确率。
• 网络安全：为网络安全防护提供高性能检测模型，降低漏报率。