Рекомендуемая категория для самостоятельной подготовки:
Курсовая работа*
Код |
591677 |
Дата создания |
2016 |
Страниц |
39
|
Мы сможем обработать ваш заказ (!) 23 декабря в 16:00 [мск] Файлы будут доступны для скачивания только после обработки заказа.
|
Содержание
Термины и определения 5
ВВЕДЕНИЕ 6
1. ОБЗОР МОДЕЛЕЙ И МЕТОДОВ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ 8
1.1. Модели на базе цепей Маркова 9
1.2. Нейросетевые модели 11
1.3. Сравнение моделей прогнозирования 14
Выводы по 1-ой главе 16
2. КОМПЬЮТЕРНЫЕ НЕЙРОННЫЕ СЕТИ 17
2.1. Роль искусственных нейронных сетей в исследовании и анализе информационных систем 17
2.2. Основные методы обучения нейронной сети 24
2.3. Обучение с учителем: алгоритм обратного распространения 24
3. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ МОДЕЛЕЙ НЕЙРОСЕТЕЙ В ЗАДАЧАХ ДИАГНОСТИКИ УГРОЗ В ИНФОРМАЦИОННЫХ СИСТЕМАХ 26
3.1. Особенности программной реализации моделей нейронных сетей в пакете MATLAB 26
3.2 Идентификация классов и объектов атаки на операционную систему 27
3.3. Распознавание угроз информационной системе 30
ЗАКЛЮЧЕНИЕ 37
ЛИТЕРАТУРА 38
Введение
Входы информационных систем представляют собой информационные потоки, формируемые программными и аппаратными средствами. Контроль над информационными потоками по мере продвижения их в вычислительных или телекоммуникационных сетях состоит в идентификации и документальной фиксации отклонений от нормального состояния в виде программно-аппаратных сбоев, операций несанкционированного доступа, нерегламентированных действий персонала, внешних и внутренних атак и т.д.
В дальнейшем на основании анализа и обработки этих данных строятся модели эталонных информационных потоков и модели возникновения и развития угроз и ошибок, критерии определения вероятности ошибок системы первого и второго рода, диапазоны безопасной работы информационных систем и их статистические параметры.
На функционирование информационных систем, как вычислительных, так и телекоммуникационных, оказывают влияние множество постоянно меняющихся факторов внешних и внутренних условий.
Следовательно, актуальность совершенствования методов диагностики информационных систем обусловлена, с одной стороны, постоянно растущими требованиями к уровню и качеству их исследования, а с другой – также постоянно растущими возможностями аппаратных и программных вычислительных средств: задачи диагностики информационных систем усложняются одновременно с расширением возможностей информационных технологий.
Целью работы является изучение модели нейросетей и соответствующего ей метода исследования и анализа информационных систем.
Для достижения этой цели были поставлены и решены следующие задачи.
1. Провести анализ методов и моделей исследования и анализа информационных систем для выявления достоинств и недостатков моделей каждого класса. Определить наиболее эффективные модели исследования и анализа информационных систем, проанализировать их основные недостатки, определить подходы, позволяющие устранить недостатки известных моделей.
2. Разработать модель исследования и анализа информационных систем методами нейросетей, устраняющую недостатки других моделей.
3. Реализовать алгоритмы нейросетевых исследований в среде MatLab.
4. Оценить эффективность нейросетевой модели для решения задач исследования и анализа информационных систем различной природы.
Методы исследования. Для решения поставленных задач в настоящей работе необходимо использовать методы исследования и анализа информационных систем.
Объектом исследования являются нейросетевые методы исследования и анализа информационных систем.
Предметом – эффективность исследования и анализа информационных систем методом нейросетей.
Фрагмент работы для ознакомления
Задача применения математического аппарата нейронных сетей для исследования информационных систем актуальна и решается на основании моделей нейросетей. Одним из наиболее используемых классов моделей прогнозирования является класс моделей на основе перцептрона.
Установлено, что для моделей данного класса необходимо большое число свободных параметров, требующих определения. Определено перспективное направление развития моделей прогнозирования, позволяющее устранить указанный недостаток.
Изучены возможности применения математического аппарата нейронных сетей для исследования информационных систем с помощью средств пакета MATLAB.
Выполнена программная реализация разработанных алгоритмов средствами математического пакета MATLAB для идентификации классов и объектов атаки на операционную систему и распознавание угроз информационной системе.
Список литературы
1. Gheyas I.A., Smith L.S. A Neural Network Approach // Proceedings of the World Congress on Engineering, London, 2009, Vol 2 [электронный ресурс]. P. 1292 – 1296. URL: www.iaeng.org /publication/WCE2009/WCE2009_pp1292-1296.pdf
2. Morariu N., Iancu E., Vlad S. A neural network model // Romanian Journal of Economic Forecasting. 2009, No. 4. P. 213 – 223.
3. Нормативные системы в прогнозировании развития предпринимательского сектора экономики / Л.И. Муратова [и др.] // Управление экономическими системами [электронный ресурс]. 2009, №20. URL: http://uecs.mcnip.ru/modules.php?name=News&file=print&sid=145
4. Ф. Уоссермен “Нейрокомпьютерная техника”, М.: Мир, 1992. – 126 с.
5. Панфилов П. “Введение в нейронные сети” – статьи, журнал «Современный трейдинг» №№ 1, 2, 3 2001г. – СПб.: Изд-во “Альпина”
6. Найман Э.Л. “Малая энциклопедия трейдера”. – К., “ВИРА-Р”, Изд-во “Альфа Капитал”, 1999. – 285 c.
7. Леоненков А. Нечеткое моделирование в среде MATLAB и fuzzyTECH. СПб: БХВ-Петербург, 2005. 736 с.
8. «Применение ИНС для создания экспертной системы диагностирования технологического оборудования» А.В. Семенченко Московский государственный строительный университет (МГСУ)
9. http://leonarus.com/2008/09/08/tipichnye-primery-primeneniya-nejronnyx-setej-v-menedzhmente/
10. Быкадоров Р.В., Воронин С.Ю. Вероятностные методы расчета технологического процесса ткачества. Иваново, ИГТА, 2006. – 108 с.
11. Вилленброк Х. Тайны принятия решений// GEO, июль 2009, с. 70-87.
12. Воробьев Н.Н. Теория игр для экономистов-кибернетиков – М.: Наука, Главная редакция физико-математической литературы, 1985. – 272 с.
13. Вороновский Г. К., Махотило К. В., Петрашев С. Н., Сергеев С. А. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности. — Харьков: Основа, 1997. — 112 с.
Пожалуйста, внимательно изучайте содержание и фрагменты работы. Деньги за приобретённые готовые работы по причине несоответствия данной работы вашим требованиям или её уникальности не возвращаются.
* Категория работы носит оценочный характер в соответствии с качественными и количественными параметрами предоставляемого материала. Данный материал ни целиком, ни любая из его частей не является готовым научным трудом, выпускной квалификационной работой, научным докладом или иной работой, предусмотренной государственной системой научной аттестации или необходимой для прохождения промежуточной или итоговой аттестации. Данный материал представляет собой субъективный результат обработки, структурирования и форматирования собранной его автором информации и предназначен, прежде всего, для использования в качестве источника для самостоятельной подготовки работы указанной тематики.
bmt: 0.00455