基于连续协同机器学习算法的嵌入式软件可靠性预测模型研究

来源 :单片机与嵌入式系统应用 | 被引量 : 0次 | 上传用户:caiyoutian
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为优化嵌入式软件可靠性预测智慧可控感知机制,构建了基于连续协同机器学习算法的嵌入式软件可靠性预测模型.构建连续协同机器学习算法机制实现嵌入式软件可靠性精准预测,利用深度LSTM构建时间正序下的嵌入式软件核心要素样本精准预测机制,利用DCNN对数据池后置测试集进行隐性知识感知并输出最优预测结果.最后,对模型开展了工程应用实践验证,结果表明,模型满足嵌入式软件可靠性预测智慧化改造需求,大幅度优化了嵌入式软件可靠性预测智慧可控感知机制.
其他文献
工业生产的跃迁和产业升级紧紧依赖于信息技术的发展,而这其中的关键技术,就是嵌入式技术,即通过向工业产品或工业制造流程中嵌入计算机系统,给工业装备和生产系统增加智慧的大脑,有效提高装备及生产过程的智能化,满足工业生产对高效、可靠、实时、绿色等诸多方面的苛刻要求,最终实现产品或流程的自动化与智能化.
期刊
为解决传统电网故障分类器无法准确获得故障线路的信息及定位故障的问题,本文提出了基于深度学习的电网故障预警系统.网络中增加由BI-GRU提取的故障线路时间序列特征,从而提高分类器的精度.此外,通过注意力机制学习不同的故障线路或不同的故障状态的时间序列特征,从而加快网络学习效率.最后,将本文所提框架与LSTM、GRU、BI-LSTM、BI-GRU等网络进行对比,本文所提方法预测准确率可达92.9%.
鸿蒙操作系统作为国产操作系统的代表发展速度迅猛,在嵌入式领域基于鸿蒙系统的应用也越来越广泛.本文是基于Arm Cortex-A7架构的鸿蒙最小系统移植,让我们对鸿蒙系统有一个初步的认识,为国产操作系统完善和在其他场景中的应用奠定基础.