基于卷积神经网络的网络故障诊断模型

• 作者: 李酉戌
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 日志信息 故障诊断 卷积神经网络 词向量
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 软件理论与方法
• 页码范围: 40-43
• 页数: 4页
• 分类号: TP301
• 字数: 4061字
• 语种: 中文
• DOI: 10.11907/rjdk.172278

摘要

对于网络运行过程中产生的海量日志信息,传统故障诊断方法很难进行实时而全面的日志分析.针对该问题,提出一种基于卷积神经网络(Convolutional Neural Network,CNN)的网络故障诊断模型,利用Skip-gram模型进行词向量训练,并将词向量作为卷积神经网络输入,最终通过Softmax回归进行分类.实验结果表明,该模型可以有效处理网络故障诊断任务,且优于传统机器学习方法,对于网络运行日志的故障诊断准确率可达73.2%以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李酉戌	上海理工大学光电信息与计算机工程学院	1	5	1.0	1.0