research centers


Search results: Found 14

Listing 11 - 14 of 14 << page
of 2
>>
Sort by

Article
Propose Multi level Network Intrusion Detection System to detect intrusion in Cloud Environment
اقتراح نظام كشف تطفل شبكي متعدد المستوى لكشف التسلل في بيئة الحوسبة السحابية

Authors: Shawq malik Mehibes شوق مالك محيبس --- Soukaena H. Hashim سكينة حسن هاشم
Journal: AL-MANSOUR JOURNAL مجلة المنصور ISSN: 18196489 Year: 2018 Issue: 29 Pages: 41-61
Publisher: Private Mansour college كلية المنصور الاهلية

Loading...
Loading...
Abstract

Cloud computing is one of the popular technologies, which can used by most organizations because of its attractive properties such as availability, flexibility, integrity. The open and distributed structure of Cloud Computing and the services provided by it make it attractive aim for potential cyber-attacks by intruders. Network intrusion detection system (NIDS) represents important security mechanism, provides defence layer which monitors network traffic to detect suspicious activity and policy violations. This work proposed Multi-level-NIDS to detect intrusions and the type of intrusion in traditional/Cloud network. The proposed system evaluated with kdd99 dataset, the experimental results shows the efficiency and capability of the proposed system in detect attack and type of attack.

الحوسبة السحابية هي واحدة من التقنيات الشائعة،التي تستخدم في معظم المؤسسات لما لها من خصائص مميزة مثل التوافر، المرونة ، التكامل. لهيكلية المفتوحة والموزعة للحوسبة السحابية والخدمات المقدمة جعلتها هدف محبب للهجمات الالكترونية المحتملة. نظام كشف التطفل الشبكي (NIDS) يمثل الية امنية مهمة،توفر طبقة دفاعية التي تراقب حركة مرور الشبكة للكشف عن نشاطات مشبوهة او انتهاك للسياسات. هذا العمل يقترح نظام كشف تطفل شبكي متعدد المستوى لكشف التطفل ونوع التطفل في الشبكة التقليدية / السحابية. النظام المقترح قيم باستخدام مجموعة البيانات القياسية KDD99، النتائج التجريبية اظهرت كفاءة وقدرة النظام المقترح في كشف الهجوم ونوع الهجوم


Article
Artificial Neural Network for TIFF Image Compression
الشبكات العصبونية الاصطناعية لضغط الصور ذوات صيغة TIFF

Author: Huda Dheyauldeen Najeeb هدى ضياء الدين نجيب
Journal: Ibn Al-Haitham Journal For Pure And Applied Science مجلة ابن الهيثم للعلوم الصرفة والتطبيقية ISSN: P16094042/ E25213407 Year: 2017 Volume: 30 Issue: 1 Pages: 246-261
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

The main aim of image compression is to reduce the its size to be able for transforming and storage, therefore many methods appeared to compress the image, one of these methods is "Multilayer Perceptron ".Multilayer Perceptron (MLP) method which is artificial neural network based on the Back-Propagation algorithm for compressing the image. In case this algorithm depends upon the number of neurons in the hidden layer only the above mentioned will not be quite enough to reach the desired results, then we have to take into consideration the standards which the compression process depend on to get the best results.We have trained a group of TIFF images with the size of (256*256) in our research, compressed them by using MLP for each compression process the number of neurons in the hidden layer was changing and calculating the compression ratio, mean square error and peak signal-to-noise ratio to compare the results to get the value of original image.The findings of the research was the desired results as the compression ratio was less than five and a few mean square error thus a large value of peak signal-to-noise ratio had been recorded.

إن الهدف الأساسي من ضغط الصورة هو تقليل حجمها حتى تكون قابلة للنقل والتخزين .وبالتالي ظهرت العديد من الطرق لضغط الصورة وإحدى هذه الطرق " متعدد الطبقات بيرسيبترون". متعدد الطبقات بيرسيبترون (MLP) وهو شبكة عصبونية اصطناعية تستخدم خوارزمية الشبكات العصبونية الاصطناعية ذات الانتشار الخلفي في ضغط الصورة. وفي حالة اعتماد هذه الخوارزمية فقط على عدد الخلايا العصبية الموجودة في الطبقة المخفية قد تكون غير كافية للوصول إلى النتائج المرغوبة لذلك لابد من الأخذ بنظر الاعتبار المعايير القياسية الأساسية التي تعتمد عليها عملية الضغط للحصول على نتائج أفضل.ففي هذا البحث قمنا بتدريب مجموعة من الصور من نوع TIFF ذات حجم (256*256) ثم ضغطهم باستخدام متعدد الطبقات بيرسيبترون وعند كل عملية ضغط تم تغيير عدد الخلايا العصبية في الطبقة المخفية و حساب نسبة الضغط و متوسط مربع الخطأ و نسبة الإشارة إلى الضجيج وذلك للوصول إلى قيم الصورة الأصلية .و النتيجة التي توصل اليها البحث هي إمكانية الوصول إلى النتائج المرغوبة عندما تكون نسبة الضغط اقل من 5 و متوسط مربع الخطأ قليل وبالتالي ستكون نسبة الإشارة إلى الضجيج كبيرة.


Article
Design of New Hybrid Neural Structure for Modeling and Controlling Nonlinear Systems
تصميم هيكل عصبي هجين جديد لنمذجة والسيطرة المنظومات اللاخطية

Authors: Ahmed Sabah Al-Araji احمد صباح الاعرجي --- Shaymaa Jafe'erAl-Zangana شيماء جعفرالزنكنه
Journal: Journal of Engineering مجلة الهندسة ISSN: 17264073 25203339 Year: 2019 Volume: 25 Issue: 2 Pages: 116-135
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

This paper proposes a new structure of the hybrid neural controller based on the identification model for nonlinear systems. The goal of this work is to employ the structure of the Modified Elman Neural Network (MENN) model into the NARMA-L2 structure instead of Multi-Layer Perceptron (MLP) model in order to construct a new hybrid neural structure that can be used as an identifier model and a nonlinear controller for the SISO linear or nonlinear systems. Weight parameters of the hybrid neural structure with its serial-parallel configuration are adapted by using the Back propagation learning algorithm. The ability of the proposed hybrid neural structure for nonlinear system has achieved a fast learning with minimum number of epoch, minimum number of neurons in the hybrid network, high accuracy in the output without oscillation response as well as useful model for a one step ahead prediction controller for the nonlinear CSTR system that is used in the MATLAB simulation.

أن هذا البحث يقترح هيكل جديد لمسيطر عصبي هجين مبنيا على أساس النموذج التعريفي للمنظومات اللاخطية. ان الهدف من هذا العمل هو توظيف هيكل النموذج الشبكة العصبية ايلمن المعدلةMENN في هيكل NARMA-L2 بدلا من نموذج تعدد الطبقات بيرسبترون MLP لكي يكون هيكل عصبي هجين جديد والذي يمكن استخدامه كنموذج معرف ومسيطر لاخطي للمنظومات الخطية و اللاخطية. ان أوزان العناصر لهيكل العصبي الهجين مع هيكل التوالي-التوازي قد تكيف باستخدام خوارزمية التعلم الانتشار العكسي. ان امكانية هذا الهيكل العصبية الهجين المقترح للمنظومات اللاخطية قد حقق سرعة تعلم مع اقل عدد من دورات التعلم وكذلك اقل عدد للعقد الشبكة العصبية الهجينة مع دقة عالية في الإخراج وبدون تذبذب الاستجابة إضافة الى ذلك استخدام النموذج كمسيطر تنبوئي لخطوة واحدة لنظام اللاخطية لخزان مفاعل مستمر الإثارة الذي استخدم في الحقيبة البرمجية ماتلاب. الكلمات الرئيسية: نموذج NARMA-L2, الشبكة العصبية MLP , الشبكة العصبية MENN , خوارزمية الانتشار


Article
Design of New Hybrid Neural Controller for Nonlinear CSTR System based on Identification
تصميم مسيطر عصبي هجين جديد لنظام خزان مفاعل مستمر الاثارة اللاخطي مبنيا على اساس التعريف

Authors: Ahmed Sabah Al-Araji احمد صباح الاعرجي --- Shaymaa Jafe'er Al-Zangana شيماء جعفرالزنكنه
Journal: Journal of Engineering مجلة الهندسة ISSN: 17264073 25203339 Year: 2019 Volume: 25 Issue: 4 Pages: 70-89
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

This paper proposes improving the structure of the neural controller based on the identification model for nonlinear systems. The goal of this work is to employ the structure of the Modified Elman Neural Network (MENN) model into the NARMA-L2 structure instead of Multi-Layer Perceptron (MLP) model in order to construct a new hybrid neural structure that can be used as an identifier model and a nonlinear controller for the SISO linear or nonlinear systems. Two learning algorithms are used to adjust the parameters weight of the hybrid neural structure with its serial-parallel configuration; the first one is supervised learning algorithm based Back Propagation Algorithm (BPA) and the second one is an intelligent algorithm namely Particle Swarm Optimization (PSO) algorithm. The numerical simulation results show that the hybrid NARMA-L2 controller with PSO algorithm is more accurate than BPA in terms of achieving fast learning and adjusting the parameters model with minimum number of iterations, minimum number of neurons in the hybrid network and the smooth output one step ahead prediction controller response for the nonlinear CSTR system without oscillation.

أن هذا البحث يقترح تحسين في هيكل مسيطر عصبي مبنيا على أساس النموذج التعريفي للمنظومات اللاخطية. ان الهدف من هذا العمل هو توظيف هيكل النموذج الشبكة العصبية ايلمن المعدلةMENN في هيكل NARMA-L2 بدلا من نموذج تعدد الطبقات بيرسبترون MLP لكي يكون هيكل عصبي هجين جديد والذي يمكن استخدامه كنموذج معرف ومسيطر لاخطي للمنظومات الخطية و اللاخطية و وأيضاً إجراء مقارنة بين خوارزميات التعلم المختلفة التي استخدمت لتعلم المسيطر الهجين. لقد تم استخدام خوارزميتان لتعليم ولتعديل أوزان العناصر لهيكل العصبي الهجين مع هيكل التوالي-التوازي; ان اول خوارزمية تم استخدامها في هذا البحث هي خوارزمية الانتشار العكسي (BPA) والثاني هي الخوارزمية الذكية والتي حشد الجسيمات االمثلية (PSO).ان نتائج المحاكاة العددية اثبتت أن خوارزمية PSOمع المسيطر الهجين NARMA-L2 هي أكثر دقة من حيث تحقيق التعلم السريع وتعديل عناصر النموذج مع الحد الأدنى من عدد التكرار التعلم وكذلك اقل عدد للعقد الشبكة العصبية الهجينة مع دقة عالية في الإخراج وبدون تذبذب الاستجابة للمسيطر التنبؤي لخطوة واحدة لنظام خزان مفاعل مستمر الإثارة اللاخطية.

Listing 11 - 14 of 14 << page
of 2
>>
Sort by
Narrow your search

Resource type

article (14)


Language

English (10)

Arabic and English (3)

Arabic (1)


Year
From To Submit

2019 (2)

2018 (2)

2017 (1)

2015 (2)

2014 (1)

More...