针对传统微机室计算机硬件故障检测与维护效率低、准确性差的问题,提出了一种基于深度学习的故障检测及维护方法。该方法综合利用多源异构数据,构建了以门控循环单元(gated recurrent unit, GRU)为核心的故障检测模型和维护策略优化模型...针对传统微机室计算机硬件故障检测与维护效率低、准确性差的问题,提出了一种基于深度学习的故障检测及维护方法。该方法综合利用多源异构数据,构建了以门控循环单元(gated recurrent unit, GRU)为核心的故障检测模型和维护策略优化模型,实现了故障的早期预警和智能化维护决策。通过案例研究表明,本文方法在故障检测准确率、误报率、响应时间和修复时间等方面显著优于传统方法,证明了其有效性和实用价值。展开更多
文摘针对传统微机室计算机硬件故障检测与维护效率低、准确性差的问题,提出了一种基于深度学习的故障检测及维护方法。该方法综合利用多源异构数据,构建了以门控循环单元(gated recurrent unit, GRU)为核心的故障检测模型和维护策略优化模型,实现了故障的早期预警和智能化维护决策。通过案例研究表明,本文方法在故障检测准确率、误报率、响应时间和修复时间等方面显著优于传统方法,证明了其有效性和实用价值。