CN119168626B 基于深度学习的智能运维方法、系统、设备及介质 （广州钛动科技股份有限公司）_第1页
CN119168626B 基于深度学习的智能运维方法、系统、设备及介质 （广州钛动科技股份有限公司）_第2页
CN119168626B 基于深度学习的智能运维方法、系统、设备及介质 （广州钛动科技股份有限公司）_第3页
CN119168626B 基于深度学习的智能运维方法、系统、设备及介质 （广州钛动科技股份有限公司）_第4页
CN119168626B 基于深度学习的智能运维方法、系统、设备及介质 （广州钛动科技股份有限公司）_第5页
已阅读5页，还剩21页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

A,2023.09.05A,2024.06.14A,2024.09.17A,2024.09.27本发明公开一种基于深度学习的智能运维本申请利用深度学习的预测模型对系统实时运2获取第一历史运维数据，并对所述第一历史运维数据进行预处将所述第二历史运维数据输入到预设的基于深度历史运维数据矩阵X:X∈RN×T×F表示过去T个时间窗口内N个运维指标数据的值，其中F获取第一实时运维数据，并对所述第一实时运维数据进行预处将所述第二实时运维数据输入到所述训练后的故障预测模型中2.根据权利要求1所述的基于深度学习的智能运维方法，其特征在于，所述方法还包3.根据权利要求2所述的基于深度学习的智能运维方法，其特征在于，所述方法还包35.根据权利要求1所述的基于深度学习的智能运维方法，其特征在于，所述预处理包训练模块，用于将所述第二历史运维数据输入到预设故障预测模块，用于将所述第二实时运维数据输入到所述训练后的故障预测模型中，程序，所述处理器执行所述计算机程序时实现权利要求1_5中任一项所述的基于深度学习9.一种计算机可读存储介质，其特征在于，序，所述计算机程序被处理器执行时实现权利要求1_5中任一项所述的基于深度学习的智45[0020]jt=argmax(pi)6非旨在限制本发明一个或多个实施例。在本发明一个或多个实施例中所使用的单数形式的7[0052]S20、将所述第二历史运维数据输入到预设的基于深度学习的故障预测模型中进8数据输入到预设的基于深度学习的故障预测模型中进行训练，带到训练后的故障预测模9[0086]tanhtanh是一个激活函数(双曲正切函数)，它的作用是将计算结果的范围控制[0088]h")是第m个模态在时间t时刻的数据；经过一些深度学习模型(比如LSTM或[0090]融合后的特征向量输入到全连接层(FullyConnectedLayer)中，最后通过[0105]所有数据通过系统的数据采集模块进行标准化处理并存[0107]系统中的故障预测模块基于LSTM时间序列预测模型，结[0113]当系统检测到订单处理服务即将过载时，自修复模块立即启动了以下自修复操[0119]智能运维系统发现登录服务的响应速度有所降低，但无[0121]AI助手利用自然语言理解技术解析该问题，并从系统的监控数据中找到相关信[0128]训练模块202，用于将所述第二历史运维数据输入到预设的基于深度学习的故障[0130]故障预测模块204，用于将所述第二实时运维数据输入到所述训练后的故障预测用于在传输介质上与各种其他装置通信的单元。处理器402负责管理总线架构和通常的处图显示了根据本申请的多个实施例的装置、方法和

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论