典型文献
基于GRU循环神经网络的云数据中心应用故障预测方法
文献摘要：
云数据中心的分布式应用故障具有复杂性、随机性等特点,导致应用的运行与维护(简称:运维)管理任务难度大、效率低.为此,提出一种云数据中心应用故障预测方法,构建基于门控循环单元(GRU,Gated Recurrent Unit)循环神经网络(RNN,Recurrent Neural Network)的云数据中心应用故障预测模型,对云数据中心的应用监控数据进行分析处理并预测将要出现的应用故障.试验结果表明,本方法预测精确率满足应用运维管理中故障提前发现和处理的相关要求,在降低应用运维管理难度和提升运维效率方面具有一定的实用价值.
文献关键词：
云数据中心;循环神经网络(RNN);特征工程;门控循环单元(GRU);故障预测;单层感知器(SLP)
中图分类号：
作者姓名：
胡小宁
作者机构：
中国铁路信息科技集团有限公司,北京 100844
文献出处：
引用格式：
[1]胡小宁-.基于GRU循环神经网络的云数据中心应用故障预测方法)[J].铁路计算机应用,2022(02):7-11
A类：
B类：
GRU,循环神经网络,云数据中心,分布式应用,随机性,运行与维护,管理任务,任务难度,门控循环单元,Gated,Recurrent,Unit,RNN,Neural,Network,故障预测模型,监控数据,分析处理,将要,精确率,运维管理,特征工程,感知器,SLP
AB值：
0.356488
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
