LSTM网络模型在Web服务器资源消耗预测中的应用研究
如何能够准确地对软件老化趋势进行预测,并及时采取相应恢复策略是当前预防软件老化的一个关键问题.为此,针对老化数据的时序特性,以循环神经网络(Recurrent Neural Network,RNN)及其变种长短时记忆单元(Long Short-Term Memory,LSTM)结构为基础,设计了一种基于LSTM网络的软件老化资源预测方法,并通过应用加速寿命测试实验搭建老化测试平台,对Web服务器因内存泄漏引起的老化现象进行建模和预测.实验结果表明,LSTM老化预测模型在处理Web软件老化的时间序列建模问题上,具有很强的适用性和更高的准确性,能有效提高软件系统的可靠性和可用性.
软件老化、长短时记忆网络、资源消耗、循环神经网络、软件可靠性
28
山西省中科院科技合作项目20141101001;山西省重点研发计划一般工业项目201703D121042-1;山西省社会发展科技项目20140313020-1
2019-07-25(万方平台首次上网日期,不代表论文的发表时间)
共7页
214-220