双向长短期记忆模型如何工作（深度学习）

Photo by 弗雷迪·雅各布 on 不飞溅

1. 使用改进的双向长短期记忆神经网络 (arXiv) 检测恶意请求

作者 ： Wenhao Li , Bincheng Zhang , Jiajie Zhang

抽象的 ： 检测和拦截恶意请求是网络安全中最广泛使用的抵御攻击的方法之一。大多数现有的检测方法，包括匹配黑名单字符和机器学习算法，都被证明容易受到复杂的攻击。为了解决上述问题，需要一种更通用、更严格的检测方法。在本文中，我们将检测恶意请求的问题表述为时间序列分类问题，并提出了一种新颖的深度学习模型，即卷积神经网络-双向长短期记忆-卷积神经网络（CNN-BiLSTM-CNN）。通过连接卷积层的阴影和深度特征图，在更详细的功能上提高了恶意特征提取能力。在 HTTP 数据集 CSIC 2010 上的实验结果证明了所提出的方法与现有技术相比的有效性。

2. 使用双向长短期记忆神经网络和词嵌入的 Twitter Bot 检测（ arXiv )

作者 ： Feng Wei , 阮庄阮

抽象的 ： Twitter 是一个兼具在线社交网络和微博功能的网络应用程序。 Twitter 的流行和开放结构吸引了大量的自动化程序，称为机器人。合法的爬虫程序会生成大量良性上下文内容，即传递新闻和更新提要的推文，而恶意爬虫程序则传播垃圾邮件或恶意内容。为了帮助人类用户识别他们正在与谁进行交互，本文重点关注 Twitter 上的人类和垃圾邮件帐户的分类，通过使用循环神经网络，特别是双向长短期记忆 (BiLSTM)，有效地捕获推文中的特征。据我们所知，我们的工作是第一个开发带有词嵌入的递归神经模型来区分 Twitter 机器人和人类账户的工作，它不需要关于用户个人资料、友谊网络或目标历史行为的先验知识或假设帐户。此外，我们的模型不需要任何手工制作的特征。初步的模拟结果非常令人鼓舞。在 cresci-2017 数据集上的实验表明，与现有最先进的机器人检测系统相比，我们的方法可以实现具有竞争力的性能。

3. 基于U-Net和双向长短期记忆的双通道1的QRS波群短时检测（ arXiv )

作者 ： 何润南 , 杨柳 , Kuanquan Wang , Na Zhao , Yongfeng Yuan , Qince Li , Henggui Zhang

抽象的 ： 心血管疾病与高发病率和死亡率相关，可通过心电图 (ECG) 的 19 项异常特征反映出来。检测 ECG 20 信号中 QRS 复合波的变化被认为是一种用于评估患者心脏健康的直接、无创、廉价和初步诊断方法 21。因此，在 ECG 信号中检测 QRS 复合波必须 22 在短时间内准确。然而，自动 QRS 检测的可靠性受到全部 23 种噪声和复杂信号形态

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明

本文链接：https://www.qanswer.top/11940/39210408