随着云计算和大数据的迅速发展,硬盘在存储系统中的可靠性和稳定性越来越重要。硬盘故障导致的数据损坏会给企业和用户带来一定的损失。因此,必须提前检测出故障硬盘。文章提出了一种基于深度学习长短期记忆神经网络(Long Short Term Me...随着云计算和大数据的迅速发展,硬盘在存储系统中的可靠性和稳定性越来越重要。硬盘故障导致的数据损坏会给企业和用户带来一定的损失。因此,必须提前检测出故障硬盘。文章提出了一种基于深度学习长短期记忆神经网络(Long Short Term Memory,LSTM)的硬盘剩余寿命预测方法。该方法相对于传统的机器学习方法能够捕获硬盘特征的序列信息。实验结果表明:文章建立的LSTM模型可以在训练样本和测试样本上分别达到0.27和1.85的平均绝对误差(Mean Absolute Error,MAE),并且比传统的机器学习方法提前更长的时间检测出故障硬盘。展开更多
文摘随着云计算和大数据的迅速发展,硬盘在存储系统中的可靠性和稳定性越来越重要。硬盘故障导致的数据损坏会给企业和用户带来一定的损失。因此,必须提前检测出故障硬盘。文章提出了一种基于深度学习长短期记忆神经网络(Long Short Term Memory,LSTM)的硬盘剩余寿命预测方法。该方法相对于传统的机器学习方法能够捕获硬盘特征的序列信息。实验结果表明:文章建立的LSTM模型可以在训练样本和测试样本上分别达到0.27和1.85的平均绝对误差(Mean Absolute Error,MAE),并且比传统的机器学习方法提前更长的时间检测出故障硬盘。
