《表7 模型训练时间:基于dCNN的入侵检测方法》
本文还比较了dCNN和S-NDAE模型的训练时间,结果如表7所示。可以看出,本文方法大大减少了模型的训练时间,而且如果采用性能更好、存储更大的GPU或者是GPU阵列,训练时间还将进一步缩短,这对于在线的入侵检测系统是很有意义的,意味着系统有更快、更好的实时处理性能。
图表编号 | XD0039167000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.01 |
作者 | 张思聪、谢晓尧、徐洋 |
绘制单位 | 贵州大学计算机科学与技术学院、贵州师范大学贵州省信息与计算科学重点实验室、贵州师范大学贵州省信息与计算科学重点实验室 |
更多格式 | 高清、无水印(增值服务) |