《表3 误报率与参数对比：轻量级卷积神经网络架构在入侵检测上的应用》

  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

《轻量级卷积神经网络架构在入侵检测上的应用》

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

由表3可以看出，提出的Speed Net误报率比CNN、RNN-IDS要低，比Squeeze Net的误报率高0.38%的情况下，参数量降低了将近3倍，同时提出的两种变形框架也有较好的检测效果.新提出的Speed Net误报率表现优于传统网络架构，其原因在于传统的神经网络架构由于参数量较大，在学习的过程中产生了过拟合现象；而优于Squeeze Net网络，其原因在于Speed Net最大化降低学习参数的同时，纵向加深了网络学习的深度，有利于降低检测误报率.