| dc.contributor.author | Войцехович, Леонид Юрьевич | |
| dc.contributor.author | Головко, Владимир Адамович | |
| dc.contributor.author | Рубанов, Владимир Степанович | |
| dc.coverage.spatial | Брест | |
| dc.date.accessioned | 2021-03-05T09:25:59Z | |
| dc.date.available | 2021-03-05T09:25:59Z | |
| dc.date.issued | 2007 | |
| dc.identifier.citation | Войцехович, Л. Ю. Некоторые аспекты применения алгоритмов усиления в модулярных нейронных сетях для обнаружения вторжений / Войцехович Л.Ю., Головко В.А., Рубанов В.С. // Вестник Брестского государственного технического университета. Серия: Физика, математика, информатика. – 2007. – № 5. – С. 2-5. | |
| dc.identifier.uri | https://rep.bstu.by/handle/data/10958 | |
| dc.description | VAITSEKHOVICH L.U., GOLOVKO V.A., RUBANOV V.S. Some aspects of applying boosting algorithms in modular neural networks for intrusion Detection | |
| dc.description.abstract | В данной статье рассматривается задача классификации образов, отражающих состояние компьютерной сети. Часто выбранный алгоритм оказывается недостаточно хорош для его эффективного применения на практике. Возникает вопрос: как усовершенствовать алгоритм? В этом случае на помощь приходят так называемые ассоциативные машины, которые позволяют повысить точность и надежность результатов за счет распределения сложной вычислительной задачи между отдельными экспертами, мнения которых впоследствии учитываются при формировании общего решения. | |
| dc.language.iso | ru | |
| dc.publisher | БрГТУ | |
| dc.title | Некоторые аспекты применения алгоритмов усиления в модулярных нейронных сетях для обнаружения вторжений | |
| dc.type | Статья (Article) | |
| dc.identifier.udc | 004.8.032.26 | |
| dc.abstract.alternative | In this article the classification task in the domain of intrusion detection is considered. Often a chosen algorithm is not good enough for practical use. So the question arises how it is possible to improve the performance? In this case we can employ so-called Committee Machines that increase accuracy and reliability of the base classification model. These advantages are the result of dividing complex computational problems among several experts. The knowledge of each expert influences on the general conclusion of Committee Machine. | |
