1) Dynamic Network Security Model
动态网络安全模型
1.
The Research of Dynamic Network Security Model Based on Complex Adaptive System;
基于复杂适用系统的动态网络安全模型的研究
2) Adaptable Dynamic Network Security
可适应性动态网络安全模型
3) dynamic network security
动态网络安全
1.
By adding the management factor,the network security adapted key models of PDR and P2DR are extended to P2DRM model to implement dynamic network security management.
在可适应网络安全理论模型PDR和P2DR的基础上加入管理因素,将模型扩展为P2DRM模型以实现动态网络安全管理的功能。
2.
Risk evaluation for network security is the base of dynamic network security model.
网络安全风险评估是动态网络安全模型的基础。
4) network security model
网络安全模型
1.
A Self-adaptable Network Security Model with Immune Character under the Dynamic Environment;
动态环境下具有免疫特性的自适应网络安全模型
2.
Based on Intrusion Detective Technology Campus Network Security Model;
基于入侵检测技术的校园网络安全模型
3.
The new network security model is improved and the components and architecture of the model are introduced.
新的网络安全模型具有健壮、分布、并行、自适应和协同等免疫特性。
5) network security mode
网络安全模型
1.
At the end, a kind of network security model based on packet filtering technology is proposed.
通过分析Internet中常见的网络安全问题 ,对包过滤技术作了简单阐述 ,并介绍了一个基于包过滤技术的网络安全模型 。
补充资料：Hopfield神经网络模型
Hopfield神经网络模型
Hopfield neural network model
收敛于稳定状态或Han加Ing距离小于2的极限环。 上述结论保证了神经网络并行计算的收敛性。 连续氏pfield神经网络中，各个神经元状态取值是连续的，由于离散H6pfield神经网络中的神经元与生物神经元的主要差异是:①生物神经元的I/O关系是连续的;②生物神经元由于存在时延，因此其动力学行为必须由非线性微分方程来描述。为此，在1984年J.J.H叩fi酗提出了连续氏pfield神经网络，它可用图1所示的电路实现，其动态方程┌───┐│·T叮 │└───┘图1连续F砧pfield神经网络 (a)Sigmoid非线性;(b)神经元模型可由下述微分方程式描述: 、，产 门J /r、l、1.。瓮一客、一佘Ii认=f(u￡)￡=l，2，…，n式中f(·)为连续可微的Sign101d函数;T，j=兀、i，j=1，2，“’，n几=0]=i1~.吞~·‘八文一Q*+，戮T，j‘一‘，2，”一”连续时间氏pfield神经网络式的计算能量函数定义为:一告客客几从砚 石l「Vi_1，、，合，，， +乞古!‘厂‘(x)dx一乙I，从(4) ’月R‘Jo“‘、一’一月一，” 对于式(3)，若f一‘为单调增且连续，C>0，T，j=几(i，j=1，2，一，n)，则沿系统的运动轨道有dE一。-丁丁足之Uat当且仅当贷一。时 箭一。式(3)的稳定平衡点就是能量函数E〔式(4)」的极小点，反之亦然。同时，连续氏pfield神经网络式(3)以大规模非线性连续时间并行方式处理信息。网络的稳定平衡点对应于其计算能量函数E的极小点，网络的计算时间就是它到达稳定的时间，网络的计算在系统趋于稳态的过程中也就完成了。这也是式(3)用于神经计算及联想记忆的基本原理，也即神经计算机的基本原理。HoPfield shenling wangluo moxingHopfield神经网络模型(Hopfieldne，Ine幻即0比m侧触l)一种单层全反馈的人工神经网络模型(后称之为氏p玉idd模型)，它对推动人工神经网络研究的复苏起了很重要的作用。 且，lield对人工神经网络研究的贡献主要有: (l)把有反馈的神经网络看作一个非线性动力系统，提出了系统的全局Lyap阴lov函数(或称能量函数)的概念，用于系统稳定性的分析; (2)利用上述分析方法解决人工智能中的组合优化问题，如15护;(3)给出了利用模拟电子线路实现的连续Hopfidd网络的电路模型，为进一步研究神经计算机创造了条件。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条