《表1 卷积神经网络模型参数》
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
《基于卷积神经网络的JavaScript恶意代码检测方法》
在全连接层之后使用dropout来减少过度拟合[19]。设置过拟合学习率为0.5。GPU的出现使得计算速度大大提高。本文提出的CNN的网络架构模型如图4所示,模型包含了5个卷积层和2个全连接层,CNN模型的参数来自文献[15],并对参数进行优化。模型详细参数如表1所示。
图表编号 | XD0090182600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.15 |
作者 | 龙廷艳、万良、邓烜堃 |
绘制单位 | 贵州大学计算机科学与技术学院、贵州大学计算机科学与技术学院、贵州大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |