期刊首页 优先出版 当期阅读 过刊浏览 作者中心 关于期刊 English

《信息与电子工程前沿(英文)》 >> 2023年 第24卷 第7期 doi: 10.1631/FITEE.2200488

模板辅助合成半导体金属氧化物气敏纳米材料的合理设计:综述

1华中科技大学武汉光电国家研究中心,中国武汉市,430074;2华中科技大学计算机科学与技术学院,中国武汉市,430074;3浪潮电子信息产业股份有限公司,中国北京市,250000

收稿日期: 2022-10-19 录用日期: 2023-07-24 发布日期: 2023-07-24

下一篇 上一篇

摘要

磁盘故障预测方法在单一问题上的解决方案十分成熟,例如磁盘异构问题、模型老化问题和小样本问题。然而,由于这些问题经常同时存在,只能处理其中一个问题的模型在实际预测中存在偏差。目前针对不同问题的解决方案经常相互冲突,然而现有磁盘故障预测方法通常简单地融合各种模型,缺乏在面对多个问题时对训练数据准备和学习模式的讨论。为此,提出一种多属性数据划分方法(MDP),来探索针对多个问题的训练数据准备。引入与模型无关的元学习算法(MAML),对被划分的多个数据子集进行多任务学习。基于这些改进,提出一种名为MDP-MAML的磁盘故障预测模型。MDP解决了数据不均匀划分和按时间划分的挑战,而MAML解决了针对多个问题小样本学习的问题。此外,MDP-MAML能够适应新出现的问题并进行学习和预测。在两个实际数据中心的数据集上,与最先进方法相比,MDP-MAML将曲线下面积(AUC)从0.85提升至0.89,将误检率(FDR)从0.85提升至0.91,将误报率(FAR)从4.88%降低至2.85%。

相关研究