《表1 五种神经网络参数设置》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于抽象语法树的智能化漏洞检测系统》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

1)针对RQ1的实验:在本次实验中，为了确定哪种模型对结构化数据最友好，共设计了5种神经网络模型分别进行实验，包括:卷积神经网络（Convolutional Neural Networks，CNN）、长短期记忆网络（Long Short-Term Memory，LSTM）、双向长短期记忆网络（Bi-Direction Long Short-Term Memory，BLSTM）、门控循环神经网络（Gated Recurrent Unit，GRU）和双向门控循环神经网络（Bi-Direction Gated Recurrent Unit，BGRU）。表1给出了5种模型得到最优结果时所设置的参数值。其中，Layers表示对应神经网络的层数；Dropout是指在训练过程中，为避免出现过拟合，按照一定的概率将部分神经网络单元从网络中丢弃，如0.2代表丢弃20%的神经网络单元；Batchsize表示一次训练所选取的样本数，不同的取值对模型的优化程度和训练速度有不同的影响；Units指的是神经网络中隐藏层的神经元个数，神经元个数不同对模型训练也有一定影响；VectorDim和MaxLen针对的是样本数据的数据格式而设置的参数，VectorDim表示样本的向量维度，MaxLen表示向量的长度。参数的取值是由将样本转为向量的Word2Vec模型决定的。根据Word2Vec模型的训练结果，这两个参数值为固定值40和500，即实验的样本数据都是40维，长度为500的向量。