《表3 模型训练耗时：网络攻击检测的门控记忆网络方法》

  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

《网络攻击检测的门控记忆网络方法》

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

门控记忆网络中，隐状态维度是影响网络能力的关键参数因子。为了进一步分析该参数变化对性能的影响。本节中固定dropout参数为0.9，低维实值词向量维度为40。测试不同维度条件下模型检测方法的F1分数综合性能。为了进一步说明本文方法的有效性，同时对比不同参数条件下LSTM方法的F1分数，实验结果如图4所示。此外，不同参数条件下，模型训练耗时如表3所示。