Выбор технологий Data Mining для систем обнаружения вторжений в корпоративную сеть
7
3) объединение (суперпозиция) модифицированных подмножеств;
4) скаляризация результата суперпозиции – переход от нечетких
подмножеств к скалярным значениям.
К основным преимуществам нечеткой логики относятся [9]:
– возможность оперирования нечеткими входными данными;
– возможность нечеткой формализации критериев оценки и срав-
нения;
– возможность проведения качественных оценок как входных
данных, так и выходных результатов;
– возможность проведения быстрого моделирования сложных
динамических систем и их сравнительный анализ с заданной степе-
нью точности.
Недостатком нечетких систем является то, что с увеличением
входных переменных сложность вычислений увеличивается экспо-
ненциально, в результате увеличивается база правил, что приводит к
трудному ее восприятию.
Если структура области решения
заранее неизвестна, а известны толь-
ко отдельные точки области реше-
ния, то целесообразно для интеллек-
туальной обработки информации
применить нейронные сети, элемен-
тарной составляющей которых явля-
ется искусственный нейрон. В функ-
циональном отношении его можно
представить либо как специализированный процессорный элемент,
либо как нелинейный динамический информационный элемент с па-
мятью. Каждый такой элемент (или узел) связан с большим числом
других элементов. Особенность этих связей состоит в том, что на
вход элемента поступает несколько сигналов
U
in
(
i
),
i
= 1, ...,
N
, а на
его выходе формируется только один
U
out
(рис. 3).
Сигнал
U
out
передается нескольким другим нейронам и так далее.
Входные сигналы могут иметь синаптические веса
w
i
,
i
= 1, ...,
N
. Ма-
тематически такой нейропроцессор описывается уравнением
( )
1
N
out
i in
i
U f
wU i Q
=
⎡
⎤
=
−
⎢
⎥
⎣
⎦
∑
,
где
f
– некоторая функция активации, определенная для каждого типа
нейрона;
Q
– порог.
Функция активации определяет зависимость выходного сигнала
нейрона от входных сигналов. Эта зависимость может быть выраже-
на с помощью известных функций, например, линейной, кусочно-
линейной, сигмоидальной или гауссовой функции (рис. 4).
Рис. 3.
Схематическое изобра-
жение нейропроцессора с
N
вхо-
дами и одним выходом
