简介：为了提高移动设备存在威胁风险分析的准确率和抗干扰能力,进而降低投诉率,提出一种基于PCA融合BP神经网络风险分析模型。通过核主成分分析将设备威胁类型从10个特征量降低到3个主特征量,提取了原始数据的主信息,并以降维后的特征量作为BP神经网络的输入特征量,建立设备威胁风险分析模型。最后通过实验对比了多种模型算法,结果表明采用PCA结合BP神经网络的风险分析模型具有更好的风险识别准确率。
简介：密歇根大学两位计算机科学家及IEEE院士DavidBlaauw和DennisSylvester日前在旧金山IEEE国际固态电路大会（ISSCC）上发表了10篇有关＂智能微尘（M3,MichiganMicroMote）＂毫米级计算机的论文。毫米计算机将搭载深度学习神经网络芯片,而且功耗极低。
基于PCA融合神经网络的移动设备威胁研究
密歇根大学推进毫米级计算机研制,搭载深度学习神经网络芯片
