-
公开(公告)号：CN117951529A
公开(公告)日：2024-04-30
申请号：CN202410347260.X
申请日：2024-03-26
Applicant: 济南浪潮数据技术有限公司
IPC: G06F18/214 , G06F18/213 , G06F18/241 , G06N3/08 , G06N3/0442 , G06F11/30 , G06F11/34
Abstract: 本公开涉及机器学习领域，具体涉及用于硬盘数据故障预测的样本获取方法、装置、设备，方法包括：获取硬盘数据的训练样本以及训练样本对应的样本标签；根据训练样本，构建出生成虚拟样本的第一故障模型；根据样本标签，构建出生成虚拟样本对应的虚拟标签的第二故障模型；根据训练样本、样本标签、第一故障模型以及第二故障模型，确定所述虚拟样本和所述虚拟标签；根据虚拟样本和虚拟标签，得到用于硬盘数据故障预测的目标训练样本和目标训练样本对应的目标样本标签。本公开利用机器学习和混合学习相结合的方式，能够处理好硬盘故障领域中常见的数据不平衡问题，从而提升后续模型对少数类样本的关注程度，从而提升模型的整体预测识别能力。
-
公开(公告)号：CN118349176A
公开(公告)日：2024-07-16
申请号：CN202410486779.6
申请日：2024-04-19
Applicant: 济南浪潮数据技术有限公司
IPC: G06F3/06
Abstract: 本申请提供一种缓存淘汰的方法、系统、设备及存储介质，方法包括：根据接收的数据请求对应的目标数据，确定缓存是否命中目标数据；在缓存未命中目标数据的情况下，确定是否存在历史缓存队列命中目标数据；在存在命中目标数据的历史缓存队列的情况下，将命中目标数据的历史缓存队列确定为目标历史缓存队列；确定目标数据在目标历史缓存队列中存在的淘汰时长；根据淘汰时长，对目标历史缓存队列对应的选择权重进行更新；根据缓存的缓存状态和各个历史缓存队列的选择权重，确定淘汰历史缓存队列；根据淘汰历史缓存队列和对应的淘汰策略，对缓存中的待淘汰数据进行淘汰。旨在提升缓存对客户端所请求数据的命中率。
-
公开(公告)号：CN117951529B
公开(公告)日：2024-06-21
申请号：CN202410347260.X
申请日：2024-03-26
Applicant: 济南浪潮数据技术有限公司
IPC: G06F18/214 , G06F18/213 , G06F18/241 , G06N3/08 , G06N3/0442 , G06F11/30 , G06F11/34
Abstract: 本公开涉及机器学习领域，具体涉及用于硬盘数据故障预测的样本获取方法、装置、设备，方法包括：获取硬盘数据的训练样本以及训练样本对应的样本标签；根据训练样本，构建出生成虚拟样本的第一故障模型；根据样本标签，构建出生成虚拟样本对应的虚拟标签的第二故障模型；根据训练样本、样本标签、第一故障模型以及第二故障模型，确定所述虚拟样本和所述虚拟标签；根据虚拟样本和虚拟标签，得到用于硬盘数据故障预测的目标训练样本和目标训练样本对应的目标样本标签。本公开利用机器学习和混合学习相结合的方式，能够处理好硬盘故障领域中常见的数据不平衡问题，从而提升后续模型对少数类样本的关注程度，从而提升模型的整体预测识别能力。
-
公开(公告)号：CN120032700A
公开(公告)日：2025-05-23
申请号：CN202510120705.5
申请日：2025-01-24
Applicant: 济南浪潮数据技术有限公司
IPC: G11C29/44 , G06F18/2413 , G06F18/2433 , G06N3/045 , G06N3/096 , G06F18/214
Abstract: 本发明涉及硬盘故障预测技术领域，公开了硬盘故障预测方法、装置、计算机设备及存储介质，方法包括：获取开源训练集；基于开源训练集对初始深度学习模型进行预训练，得到预训练深度学习模型；将预训练深度学习模型的网络结构和模型参数迁移到目标模型；获取待检测硬盘在历史运行过程中产生的历史硬盘自检数据和历史硬盘性能数据；以历史硬盘自检数据和历史硬盘性能数据为目标训练集，待检测硬盘的故障状态为标签，对目标模型进行训练，以获得硬盘故障预测模型；获取待检测硬盘在当前运行过程中产生的当前硬盘自检数据和当前硬盘性能数据，并将其输入硬盘故障预测模型，确定待检测硬盘的故障预测结果。本发明提高了硬盘故障诊断的准确率。
-
-
-
Search Results
4
records
(took 0.021 seconds)
