基于深度学习的网络数据分析模型构建

摘要：

由于环境、技术等扰动因素对网络数据时间递归属性的影响,导致网络数据分析的时间花费较大.为此,本文提出基于深度学习的网络数据分析模型.利用经典动态机制表示网络数据的时间递归过程,然后引入环境动态系统扰动参数,结合以模型输入状态为基准的共享参数处理数据包,将处理后的数据作为深度学习的训练数据,通过深度学习提取的特征结果实现对数据的分类.测试结果表明,该模型可以实现快速分析网络数据,提高了对网络数据的分析效率.

关键词：深度学习、网络数据、动态机制、时间递归、环境动态系统扰动参数

所属期刊栏目：34

分类号：TP393(计算技术、计算机技术)

资助基金：基于多元回归分析的学生满意度评价预测模型的研究与实证项目;基于学生行为画像的混合式教学模式的实证研究项目;后疫情时代混合式教学模式下的高职学情调查分析研究项目;需求视角下1+X课证融通教学路径探究——以《Web前端框架》课程为例项目

在线出版日期：2022-09-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：44-46