摘要
本发明公开了基于电数字数据处理的计算机应用数据处理方法,涉及电数字数据处理技术领域,采用基于增量学习的计算机安全漏洞识别模型训练;对采集到的电数字数据进行人工标注;采集到的电数字数据进行维数划分;采用基于数值近似的方法提升分数阶神经网络模型捕捉复杂非线性的计算机电数字数据特征的能力;采用基于高维拓扑边界效应的自编码器算法结合非线性相变点的特征稀疏化进行改进。本发明采用基于高维拓扑边界效应的自编码器算法处理高维复杂电数字数据,通过保留边界效应特征和稀疏化策略,实现降维过程中信息的高效保留,解决了高维的计算机电数字数据降维时信息丢失的问题。
技术关键词
分数阶神经网络
电数字数据处理
数据处理方法
编码器算法
样本
训练计算机
漏洞
重构误差
非线性
解码器
协方差矩阵
识别模型训练方法
效应
系统为您推荐了相关专利信息
焊接机器人控制系统
材料消耗量
能源控制策略
控制焊接机器人
边缘检测网络
工业时序数据
条件生成对抗网络
样本
时序特征
异常点
衣物信息
衣物间距
晾衣杆
温湿度
衣物湿度传感器
图像生成模型
样本
文本特征向量
多层感知机
图像特征向量