Andere Kunden interessierten sich auch für
![Novo sistema de previsão de doenças utilizando técnicas híbridas de aprendizagem profunda]( "Novo sistema de previsão de doenças utilizando técnicas híbridas de aprendizagem profunda")
Novo sistema de previsão de doenças utilizando técnicas híbridas de aprendizagem profunda51,99 €![TÉCNICAS DE APRENDIZAGEM PROFUNDA PARA A DETECÇÃO DE DOENÇA PULMONAR OBSTRUTIVA CRÓNICA]( "TÉCNICAS DE APRENDIZAGEM PROFUNDA PARA A DETECÇÃO DE DOENÇA PULMONAR OBSTRUTIVA CRÓNICA")
TÉCNICAS DE APRENDIZAGEM PROFUNDA PARA A DETECÇÃO DE DOENÇA PULMONAR OBSTRUTIVA CRÓNICA29,99 €![Contribuição para a detecção de veículos através de aprendizagem profunda]( "Contribuição para a detecção de veículos através de aprendizagem profunda")
Contribuição para a detecção de veículos através de aprendizagem profunda26,99 €![Tecnologias da informação para o reconhecimento de objectos em vídeo: monografia]( "Tecnologias da informação para o reconhecimento de objectos em vídeo: monografia")
Tecnologias da informação para o reconhecimento de objectos em vídeo: monografia62,99 €![Método de afinação para a aprendizagem profunda]( "Método de afinação para a aprendizagem profunda")
Método de afinação para a aprendizagem profunda29,99 €![Análise de sentimentos de textos X com aprendizagem profunda]( "Análise de sentimentos de textos X com aprendizagem profunda")
Análise de sentimentos de textos X com aprendizagem profunda39,99 €![FLAMED: Uma abordagem de aprendizagem profunda para a deteção de incêndios e fumo em tempo real]( "FLAMED: Uma abordagem de aprendizagem profunda para a deteção de incêndios e fumo em tempo real")
FLAMED: Uma abordagem de aprendizagem profunda para a deteção de incêndios e fumo em tempo real39,99 €
Este trabalho centra-se no desenvolvimento de uma nova abordagem baseada em aprendizagem profunda para implementar um sistema de detecção de intrusão eficiente e flexível, utilizando a abordagem comportamental e dirigida principalmente a infra-estruturas críticas e sistemas de controlo industrial. Partindo do pressuposto de que a modelação do comportamento normal da rede dos sistemas de controlo industrial é viável e fiável, uma vez que as operações realizadas nestes sistemas são bastante estacionárias e repetitivas, as Redes Neuronais Convolucionais (CNN), uma técnica de aprendizagem profunda, são utilizadas no conjunto de dados NSL-KDD, um conjunto de dados de referência utilizado para a implementação de sistemas de detecção de intrusões. O desempenho da abordagem é apresentado e comparado com alguns trabalhos anteriores. As métricas utilizadas incluem a percentagem de classificação correcta, a precisão e os falsos positivos, mostrando que a abordagem proposta melhora o desempenho dos sistemas anteriores.