产品说明 瞻博网络®SSG500系列安全业务网关由高性能安全平台组成，帮助区域性分支机构和中等规模的独立企业免受内外攻击并阻止未授权的访问，从而满足法规遵从性要求。瞻博网络SSG550/SSG550M安全业务网关提供1Gbps以上的状态防火墙吞吐量和500Mbps的IPsecVPN吞吐量，而瞻博网络SSG520/SSG520M安全业务网关则提供650Mbps的状态防火墙吞吐量和300Mbps的IPsecVPN吞吐量。 安全性：由一流合作伙伴提供支持的经实践检验的统一威胁管理(UTM)安全特性，能够提供防范蠕虫、病毒、木马、垃圾邮件和不断出现的恶意软件的能力。为了满足内部安全和法规遵从性要求，SSG500系列支持一整套高级网络防护特性，例如安全域、虚拟路由器和虚拟局域网，使管理员能够把网络分割为不同的安全域，每个域都运行自己独特的安全策略。保护每个安全域的策略包含了访问控制规则以及任意UTM安全功能所提供的检测规则。
上传时间： 2013-11-22
上传用户：sammi
在建立机动通信网络模型的基础上，分析了复杂电磁对抗环境的基本构成，探讨了敌方可能的基于重要性指标的攻击目标选择策略，建立了电子对抗条件下模拟环境模型。再结合节点连通性、信道带宽、信道丢失率和平均时延等多项指标，建立了复杂电磁环境下机动通信网络抗毁性评估模型，并完成了抗毁性评估计算及仿真分析。
上传时间： 2014-12-30
上传用户：weareno2
针对无线通信情况下地域通信网中心交换机节点间的通信质量，采用模块化的方法描述节点对象的行为并对节点进行建模，通过OPNET网络仿真工具对地域通信网各网络节点的仿真模型以及组成各节点的进程模块进行设计实现，结合地域通信网的一个实例，得出了节点受不同干扰情况下的全局数据业务丢包率和话音业务呼损率。
上传时间： 2013-10-30
上传用户：chenbhdt
为了预报电力系统负荷，采用GRNN（广义回归网络）的方法，通过GRNN神经网络和BP神经网络建立电力系统负荷预报网络模型，用MATLAB7.0仿真，达到了预测的目的。利用GRNN神经网络预测结果准确率高，避免了BP网络预测同样的数据库，算法冗长，网络预测结果不稳定的缺点，GRNN网络具有更好的预报精度。
上传时间： 2014-01-12
上传用户：zhangyigenius
提出了一种基于BP神经网络的浮选机液位稳定及液泡厚度的预测模型。预测模型主要以搅拌槽输出的矿浆流量，扫选输入流量，精选尾矿流量等为输入量，以液泡厚度为输出量，网络隐含层单元个数与中心向量采用正交最小二乘法（OLS）。同时，在此基础上在通过Matlab软件来分析液泡厚度情况，并给出了预测及预警信息。从仿真的结果来看，符合预期的效果，对预防液位变化过大和保证液位稳定具有较大的参考价值和现实意义。
上传时间： 2013-10-22
上传用户：haoxiyizhong
本例是一个神经网络仿真应用程序，对于无这方面技能的人也能方便地使用它，程序基于BP反传播算法实现，通过网络训练，获得你需要的网络模型，同时，你还可以测试你建立的网络模型。内附三个实例
上传时间： 2015-03-03
上传用户：lifangyuan12
落煤残存瓦斯量的确定是采掘工作面瓦斯涌出量预测的重要环节,它直接影响着采掘工作面瓦斯涌出量预测的精度,并与煤的变质程度、落煤粒度、原始瓦斯含量、暴露时间等影响因素呈非线性关系。人工神经网络具有表示任意非线性关系和学习的能力,是解决复杂非线性、不确定性和时变性问题的新思想和新方法。基于此,作者提出自适应神经网络的落煤残存瓦斯量预测模型,并结合不同矿井落煤残存瓦斯量的实际测定结果进行验证研究。结果表明,自适应调整权值的变步长BP神经网络模型预测精度高,收敛速度快 该预测模型的应用可为采掘工作面瓦斯涌出量的动态预测提供可靠的基础数据,为采掘工作面落煤残存瓦斯量的确定提出了一种全新的方法和思路。
上传时间： 2015-03-12
上传用户：熊少锋
一些基于matlab/simulink的模型，以及s-function实现的网络控制系统模型，其中计算机、网络部分采用truetime模块！
上传时间： 2014-01-08
上传用户：小宝爱考拉
本系统是网络上的个人共享文件系统，支持多人注册使用，可在线上传文件、管理自己的文件，还可设置共享权限，便于将自己的文件同其它人分享，使用方法同资源管理器。管理员可在线管理注册帐号，支持每个用户的单独空间大小设置。特色：登录时验证码控制安全登录；支持大文件及多文件上传；可共享文件，并可设置读写权限；支持文件搜索；每个人可单独设置空间大小。需.Net环境支持。
上传时间： 2015-03-16
上传用户：han_zh
开发环境:Matlab 简要说明:自组织特征映射模型(Self-Organizing feature Map)，认为一个神经网络接受外界输入模式时，将会分为不同的区域，各区域对输入模式具有不同的响应特征，同时这一过程是自动完成的。各神经元的连接权值具有一定的分布。最邻近的神经元互相刺激，而较远的神经元则相互抑制，更远一些的则具有较弱的刺激作用。自组织特征映射法是一种无教师的聚类方法。
标签： Self-Organizing feature Matlab Map
上传时间： 2015-03-19
上传用户：杜莹12345
