极限学习机应用于入侵检测(一)

引言

    最近读了一篇2014年CCS的论文,Using Extreme Learning Machine for Intrusion Detection in a Big Data Environment,并对其内容进行了总结和扩展。

基本知识

     极限学习机(extreme learning machine)ELM是一种简单易用、有效的单隐层前馈神经网络SLFNs学习算法。2004年由南洋理工大学黄广斌副教授提出。传统的神经网络学习算法(如BP算法)需要人为设置大量的网络训练参数,并且很容易产生局部最优解。极限学习机只需要设置网络的隐层节点个数,在算法执行过程中不需要调整网络的输入权值以及隐元的偏置,并且产生唯一的最优解,因此具有学习速度快且泛化性能好的优点,目标是解决回归、二分类以及多分类问题。ELM是有监督的机器学习算法,单隐层前馈神经网络(single hidden layer feed-forward neural networks),意味着SLFN只有一个隐藏层,整个SLFN包括输入层

你可能感兴趣的:(论文,项目,机器学习,IDS,极限学习机)