Fugu-MT 論文翻訳(概要): Application of Decision Tree Classifier in Detection of Specific Denial of Service Attacks with Genetic Algorithm Based Feature Selection on NSL-KDD

論文の概要: Application of Decision Tree Classifier in Detection of Specific Denial of Service Attacks with Genetic Algorithm Based Feature Selection on NSL-KDD

arxiv url: http://arxiv.org/abs/2210.10232v1
Date: Wed, 19 Oct 2022 01:17:50 GMT
ステータス: 処理完了
システム内更新日: 2022-10-20 13:45:01.660082
Title: Application of Decision Tree Classifier in Detection of Specific Denial of Service Attacks with Genetic Algorithm Based Feature Selection on NSL-KDD
Title（参考訳）: 遺伝的アルゴリズムによるNSL-KDDの特徴選択によるサービス攻撃の特定否認に対する決定木分類器の適用
Authors: Deanna Wilborne
Abstract要約: 遺伝的アルゴリズムと決定木を用いて、NSL-KDDデータセットの特徴を最適化を用いて減らし、NSL-KDDデータセット内のサービスアタックの正確な分類に必要な最小限の機能を決定する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Using a Genetic Algorithm and Decision Tree Classifier, the features of the NSL-KDD dataset are reduced using combinatorial optimization to determine the minimum features required to accurately classify Denial of Service attacks within the NSL-KDD dataset.
Abstract（参考訳）: 遺伝的アルゴリズムと決定木分類器を用いて、NSL-KDDデータセットの特徴を組合せ最適化を用いて減らし、NSL-KDDデータセット内のサービスアタックの正確な分類に必要な最小限の機能を決定する。

関連論文リスト

Unveiling the Power of Sparse Neural Networks for Feature Selection [60.50319755984697]
スパースニューラルネットワーク(SNN)は、効率的な特徴選択のための強力なツールとして登場した。動的スパーストレーニング(DST)アルゴリズムで訓練されたSNNは、平均して50%以上のメモリと55%以上のFLOPを削減できることを示す。以上の結果から,DSTアルゴリズムで訓練したSNNによる特徴選択は,平均して50ドル以上のメモリと55%のFLOPを削減できることがわかった。
論文参考訳（メタデータ） (2024-08-08T16:48:33Z)
Feature Selection via Robust Weighted Score for High Dimensional Binary Class-Imbalanced Gene Expression Data [1.2891210250935148]
非平衡データに対する頑健な重み付けスコア (ROWSU) は, クラス不均衡問題を用いた高次元遺伝子発現二項分類における最も識別性の高い特徴を選択するために提案される。 ROWSU法の性能を6ドルの遺伝子発現データセットで評価した。
論文参考訳（メタデータ） (2024-01-23T11:22:03Z)
Optimizing Feature Selection for Binary Classification with Noisy Labels: A Genetic Algorithm Approach [0.24735591075006394]
雑音ラベル付き二項分類における最適な特徴部分集合を選択するための遺伝的アルゴリズムに基づく新しい手法を提案する。 NMFS-GAは、正確かつ解釈可能な機能サブセットを選択するための統一されたフレームワークを提供する。
論文参考訳（メタデータ） (2024-01-12T12:42:26Z)
Reinforcement Learning for Node Selection in Branch-and-Bound [52.2648997215667]
現在の最先端セレクタは手作りのアンサンブルを使用して、ナイーブなサブノードセレクタと、個々のノードデータに依存する学習ノードセレクタを自動的に切り替える。孤立ノードではなく木の状態全体を考慮しながら強化学習(RL)を用いる新しいシミュレーション手法を提案する。
論文参考訳（メタデータ） (2023-09-29T19:55:56Z)
Improved Algorithms for Neural Active Learning [74.89097665112621]
非パラメトリックストリーミング設定のためのニューラルネットワーク(NN)ベースの能動学習アルゴリズムの理論的および経験的性能を改善する。本研究では,SOTA(State-of-the-art (State-the-art)) 関連研究で使用されるものよりも,アクティブラーニングに適する人口減少を最小化することにより,2つの後悔の指標を導入する。
論文参考訳（メタデータ） (2022-10-02T05:03:38Z)
Sparse Centroid-Encoder: A Nonlinear Model for Feature Selection [1.2487990897680423]
我々はCentro Sparseid-Encoderと呼ばれる非線形データ削減と可視化のためのCentroid-Encoderのスパース実装を開発した。また、各特徴をその発生によってランク付けする特徴選択フレームワークも提供し、検証セットを用いて最適な特徴数を選択する。このアルゴリズムは、単細胞生物データ、高次元感染症データ、ハイパースペクトルデータ、画像データ、音声データを含む幅広いデータセットに適用される。
論文参考訳（メタデータ） (2022-01-30T20:46:24Z)
Adaptive Cost-Sensitive Learning in Neural Networks for Misclassification Cost Problems [2.8935588665357077]
誤分類コスト問題に対する適応学習アルゴリズムを設計する。我々のアルゴリズムは、トレーニングにおけるサンプルのサブグループと、同様の予測された確率を持つテストデータセットのクラス分布の違いを橋渡しする。本稿では,提案アルゴリズムを用いたディープニューラルネットワークが,クラス不均衡分布とクラス不均衡分布を持つ複数のバイナリ分類データセットに対して,他のアプローチと比較して,より良いコスト結果をもたらすことを示す。
論文参考訳（メタデータ） (2021-11-14T16:19:11Z)
NSL: Hybrid Interpretable Learning From Noisy Raw Data [66.15862011405882]
本稿では,ラベル付き非構造データから解釈可能なルールを学習するニューラルシンボリック学習フレームワークNSLを提案する。 NSLは、機能抽出のためのトレーニング済みニューラルネットワークと、解集合セマンティクスに基づくルール学習のための最先端のILPシステムであるFastLASを組み合わせる。 NSLは、MNISTデータから堅牢なルールを学び、ニューラルネットワークやランダムフォレストベースラインと比較して、比較または優れた精度を達成できることを実証します。
論文参考訳（メタデータ） (2020-12-09T13:02:44Z)
Delving Deep into Label Smoothing [112.24527926373084]
ディープニューラルネットワーク(DNN)の効果的な正規化ツールとしてのラベル平滑化対象カテゴリのモデル予測の統計に基づいてソフトラベルを生成するオンラインラベル平滑化(OLS)戦略を提案する。
論文参考訳（メタデータ） (2020-11-25T08:03:11Z)
Self-Organized Operational Neural Networks with Generative Neurons [87.32169414230822]
ONNは、任意の非線型作用素をカプセル化できる一般化されたニューロンモデルを持つ異種ネットワークである。我々は,各接続の結節演算子を適応(最適化)できる生成ニューロンを有する自己組織型ONN(Self-ONNs)を提案する。
論文参考訳（メタデータ） (2020-04-24T14:37:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。