分布式网络资源用户信息快速获取仿真

摘要：

对分布式网络资源用户的信息进行快速获取,能够有效整合网络用户,提高网络运行效率.对资源用户信息的获取,需要对BP神经网络误差函数权值进行更新调整,对数据结构神经元之间连接权值进行修正.传统方法根据本征模函数上的数据结构包络,采用3α原则与计算获取阈值的对比,但忽略了对数据结构权值的修正,导致获取精度偏低.提出一种基于BP神经网络的资源用户信息快速获取方法,对数据结构原信号的尺度缺失进行补充,采用BP神经网络计算其误差函数,同时利用梯度下降法对BP神经网络误差函数权值进行更新调整;引入动量因子α,将BP神经网络学习模式不断输入到输入层,对数据结构神经元之间的连接权值进行修正,实现对分布式网络资源用户信息的快速获取.实验结果显示,所提方法具有高快速获取率、低误报率的资源用户信息快速获取性能,且大大提高了收敛速度.

关键词：分布式网络、网络资源、用户信息、快速获取

所属期刊栏目：36

分类号：TP306(计算技术、计算机技术)

在线出版日期：2019-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：345-348