公开(公告)号：CN109634790B

公开(公告)日：2020-07-10

申请号：CN201811398445.4

申请日：2018-11-22

Applicant: 华中科技大学

Inventor： 万继光 ,  王中华 ,  鲁凯 ,  李大平 ,  郑文凯 ,  胡泽鑫 ,  伍信一 ,  瞿晓阳 ,  张超 ,  徐鹏 ,  闫锐 ,  谭志虎 ,  谢长生

IPC: G06F11/22 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请公开了一种于循环神经网络的磁盘故障预测方法，选取用户定义的故障磁盘数据，利用故障磁盘数据构建双层多输出等级的GRU网络模型进行磁盘故障预测，最后平衡不同等级故障磁盘数据解决不同级别数据不平衡的问题。该方法通过划分多等级的方式，延长了预测磁盘故障的时间，提升了在实际系统中的可用性，并且通过将传统神经网络替换为GRU网络并使用基于特征递归消除的随机森林算法来选择关键特征，来简化预测模型复杂度，最后根据不同等级包含时长不同来确定训练数据的取样步长，实现了训练数据的平衡，提高了最终磁盘故障预测的准确度。

公开(公告)号：CN109634790A

公开(公告)日：2019-04-16

申请号：CN201811398445.4

申请日：2018-11-22

Applicant: 华中科技大学

Inventor： 万继光 ,  王中华 ,  鲁凯 ,  李大平 ,  郑文凯 ,  胡泽鑫 ,  伍信一 ,  瞿晓阳 ,  张超 ,  徐鹏 ,  闫锐 ,  谭志虎 ,  谢长生

IPC: G06F11/22 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请公开了一种于循环神经网络的磁盘故障预测方法，选取用户定义的故障磁盘数据，利用故障磁盘数据构建双层多输出等级的GRU网络模型进行磁盘故障预测，最后平衡不同等级故障磁盘数据解决不同级别数据不平衡的问题。该方法通过划分多等级的方式，延长了预测磁盘故障的时间，提升了在实际系统中的可用性，并且通过将传统神经网络替换为GRU网络并使用基于特征递归消除的随机森林算法来选择关键特征，来简化预测模型复杂度，最后根据不同等级包含时长不同来确定训练数据的取样步长，实现了训练数据的平衡，提高了最终磁盘故障预测的准确度。

公开(公告)号：CN109634820A

公开(公告)日：2019-04-16

申请号：CN201811296138.5

申请日：2018-11-01

Applicant: 华中科技大学

Inventor： 万继光 ,  李大平 ,  瞿晓阳 ,  王中华 ,  郑文凯 ,  胡泽鑫 ,  伍信一 ,  鲁凯 ,  张超 ,  徐鹏 ,  闫锐 ,  谭志虎 ,  谢长生

IPC: G06F11/34

Abstract: 本发明公开了一种云端移动端协同的故障预警方法、相关设备及系统，通过移动端监控用户数据信息，云端接收移动端发送的数据，对移动端发送的数据进行处理，得到故障预警模型并将故障预警模型下发给移动端，移动端获取故障预警模型进行故障预警。该方法利用云端的高计算能力和大的存储空间能够有效解决用户移动端资源有限，机器学习模型训练过程中对计算能力和存储空间的需求。同时云端能够提供大量的用户数据，解决了单纯使用用户移动端数据量不足的问题，使得预警模型得到充分的训练，并且针对每种类型的移动端都训练一个预警模型能够有效提高故障预警的精确度。

公开(公告)号：CN109359726A

公开(公告)日：2019-02-19

申请号：CN201811428718.5

申请日：2018-11-27

Applicant: 华中科技大学

Inventor： 万继光 ,  王中华 ,  瞿晓阳 ,  郑文凯 ,  李大平 ,  胡泽鑫 ,  伍信一 ,  鲁凯 ,  张超 ,  徐鹏 ,  闫锐 ,  谭志虎 ,  谢长生

IPC: G06N3/04 ,  G06N3/063

Abstract: 本发明公开一种基于winograd算法的卷积神经网络优化方法，包括：(1)确定待优化的卷积神经网络，所述待优化的卷积神经网络包括至少一个卷积层，每个卷积层包括多个过滤器，每个过滤器有多个通道，每个通道对应一个卷积核；(2)在每个卷积层中，根据每个卷积核的绝对值之和进行排序，按比例选取绝对值之和小的卷积核进行裁剪，并更新每个卷积层的面具矩阵；(3)基于所述面具矩阵使用winograd算法确定每个过滤器对应的输出特征图。本发明基于winograd算法在转化卷积核时添加一个面具矩阵来识别已被裁剪的卷积核；使用预设矩阵W、X、M对裁剪的模型进行计算，以此避免局部非结构化带来的计算劣势。