如何利用神經(jīng)網(wǎng)絡(luò)預(yù)測閃存尾端延遲的發(fā)生？

如何利用神經(jīng)網(wǎng)絡(luò)預(yù)測閃存尾端延遲的發(fā)生

由于用戶對低且穩(wěn)定的延遲（微秒級）的需求越來越大，人們對SSD的百分比延遲越來越關(guān)心，即SSD有99%的概率可以提供低且穩(wěn)定的延遲，但有1%的概率產(chǎn)生幾倍于正常情況的延遲，而這1%的高延遲被稱為尾端延遲。尾端延遲有什么影響？如何降低尾端延遲的影響？如何在存儲環(huán)境下利用神經(jīng)網(wǎng)絡(luò)？這些疑問，本文將一一解答。

尾端延遲與Hedged Request

百分比延遲

????也許你已經(jīng)查了維基百科中”百分比延遲“的定義，但我想對大多數(shù)人而言有點晦澀難懂，下面我將舉一個簡單的例子以幫助你理解。

????首先，我們先列舉出一系列收集到的延遲：

23，20，21，20，23，20，45，21，25，25

????對它們排序：

20，20，20，21，21，23，23，25，25，45

????接下來可以選擇前x%的延遲，例如假設(shè)我們想要得到50th百分比延遲，則選擇前5個延遲：

20，20，20，21，21

????然后選擇這一組延遲中最大的那個——即21——就是這一組延遲中的50th百分比延遲（也可以寫作p50），同理，p90是25。

尾端延遲

????尾端延遲就是百分比延遲中末尾的（通常p99之后）那些延遲?？雌饋砦捕搜舆t占比并不多，但當(dāng)系統(tǒng)處理的請求達(dá)到10^6個數(shù)量級，可能足足有104個請求處理延遲遠(yuǎn)高于正常情況——你不會想成為那不幸的1%，對嗎？

????分析SSD的內(nèi)部行為后，本文作者認(rèn)為尾端延遲的產(chǎn)生源自SSD內(nèi)部日益復(fù)雜的內(nèi)部活動，如垃圾回收、負(fù)載均衡等，和用戶請求的沖突。為了降低尾端延遲或者降低尾端延遲的影響，業(yè)界提出的方案分為兩大類：

白盒子方案

此時SSD內(nèi)部的行為可知，通過改進(jìn)SSD內(nèi)部架構(gòu)來降低尾端延遲。這種方式無疑是直接而強(qiáng)有效的，但是不利于推廣到市場。

灰盒子方案

此時不需要修改SSD的內(nèi)部架構(gòu)，但是需要修改上層的軟件棧。

黑盒子方案

以各種預(yù)測為代表，既不需要修改上層軟件棧，也不需要修改SSD內(nèi)部架構(gòu)，是目前最流行的解決方案。其中一個經(jīng)典的方案是Hedged Request，它的原理和應(yīng)用環(huán)境將在下文中介紹。

Hedged Request

????為了保證數(shù)據(jù)安全、實現(xiàn)負(fù)載均衡，現(xiàn)代的存儲系統(tǒng)通常存在一定冗余，而多個不同的SSD的內(nèi)部行為同時和用戶請求產(chǎn)生沖突的概率非常低?；谶@樣的思考，Hedged ?Request將一個請求發(fā)給一個SSD后，若等待請求完成的時間超過了閾值，則重發(fā)請求到另一個可用的SSD。如下圖所示：

????然而，傳統(tǒng)Hedged Request中，快SSD需要等待一段時間（等待慢SSD處理的時間超過閾值）后才能處理請求，對于微秒級SSD而言，這個等待時間是致命的。如果可以學(xué)習(xí)SSD的特征，預(yù)測將要變慢的SSD而及時將請求重發(fā)到快SSD中，則可以節(jié)約出等待的時間，從而降低閃存組的尾端延遲——這就是LinnOS完成的工作，如下圖所示，用戶發(fā)送請求后，若經(jīng)過LinnOS網(wǎng)絡(luò)預(yù)測得知該SSD將變慢，則提前告知用戶重發(fā)請求，隨后請求將被送到下一個SSD，減少了Hedged Request中的等待時間。

LinnOS的三大挑戰(zhàn)

????設(shè)計LinnOS存在三大挑戰(zhàn)，接下來將一一闡述。

對用戶輸出什么結(jié)果？

????需要輸出具體的延遲（如120μs）嗎？雖然這樣更靈活，但是一方面，對用戶而言，120μs或者125μs其實區(qū)別不大，另一方面，如此精確的輸出意味著準(zhǔn)確率低，并不劃算。那么如果輸出一個延遲范圍，如80~100μs、100~120μs呢？此時準(zhǔn)確率稍高了些，但不夠（僅60%-70%），處于區(qū)間交界處的延遲往往預(yù)測不準(zhǔn)確?；仡橦edged Request的原理，其實對用戶而言，知道SSD是”快“或者”慢“就足夠了！所以LinnOS使用簡單的二分類模型。

使用什么信息進(jìn)行預(yù)測？

????看起來一系列信息都和SSD快或慢有關(guān)：讀寫請求？請求的塊內(nèi)偏移？長期的寫入歷史？然而，作者發(fā)現(xiàn)這些請求都對提高精確度沒有明顯幫助。首先，由于當(dāng)前SSD常有內(nèi)置寫緩存，寫之后的讀延遲常常沒有明顯提高，更為常見的其實是數(shù)據(jù)從緩存”沖“（flush）入SSD后，讀延遲會更高。其次，一組I/O請求會通過條帶均勻地寫入各個通道或者芯片，它們寫入同一個芯片的概率很低，所以塊內(nèi)偏移這個特征其實并不重要。最后，GC或者flush通常發(fā)生時間短，短期寫入歷史足矣預(yù)測。

????因此，可以使用SSD當(dāng)前I/O隊列長度來預(yù)測SSD快或者慢：一個直觀的感受是，當(dāng)I/O隊列較長時，SSD處理通常比較慢。但是這樣并不能體現(xiàn)SSD的內(nèi)部活動的發(fā)生，因此額外增加了歷史四條請求進(jìn)入SSD時的隊列長度和完成請求的時間。若某個請求進(jìn)入SSD時隊列短而完成請求的時間長，意味著SSD內(nèi)部行為可能和用戶請求沖突了。

如何最小化預(yù)測錯誤的影響？

????作者分析發(fā)現(xiàn)，若將一個快的SSD預(yù)測為慢的從而錯誤地重發(fā)了，將帶來微秒級延遲，而若將一個慢的SSD預(yù)測為快，將帶來毫秒級延遲，比第一種情況嚴(yán)重許多，所以作者在訓(xùn)練時對第二種情況施加了更加嚴(yán)重的懲罰以減少它們的發(fā)生。此外，還補(bǔ)充了hedged request以減少預(yù)測失敗的損失。

實驗結(jié)果與總結(jié)

????作者上層使用了不同的軟件產(chǎn)生負(fù)載，底層使用同構(gòu)的消費(fèi)級SSD陣列或者異構(gòu)企業(yè)級SSD陣列測試它們的表現(xiàn)，以讀延遲為指標(biāo)展示結(jié)果。總共比較了7種不同的方案：

Base：無優(yōu)化

Clone：同時發(fā)送兩份請求，選擇先返回的SSD的結(jié)果返回給用戶

Hedge95：等待p95之后重發(fā)請求

Hedge IP（inflection point）：和上一個相比，使用針對負(fù)載優(yōu)化后的等待時間

HeurSim：隊列較長時重發(fā)請求

HeurAdv：隊列較長、且考慮歷史信息（和LinnOS一樣）后決定重發(fā)請求

LinnOS-Raw：沒有hedged補(bǔ)償?shù)腖innOS

LinnOS+HL：最終的LinnOS方案

實驗結(jié)果如下圖：

審核編輯：劉清

閱讀全文

SSD(115269) SSD(115269)
緩存器(11578) 緩存器(11578)
補(bǔ)償器(13939) 補(bǔ)償器(13939)
FLUSH(5385) FLUSH(5385)
閃存存儲器(9101) 閃存存儲器(9101)

利用神經(jīng)網(wǎng)絡(luò)來根據(jù)RGB判斷pH值

正在從事智能假肢的課題，需要用到，這篇給我的實現(xiàn)起到到很好的指導(dǎo)意義，特此轉(zhuǎn)載，也特此感謝作者，利用顏色傳感器讀取pH試紙的顏色，然后得到他代表的pH值。一開始想擬合出一個關(guān)于RGB和pH的函數(shù)，但是總是效果不好。于是利用神經(jīng)網(wǎng)絡(luò)來根據(jù)RGB判斷他的pH值。思路是首先利用MATLAB訓(xùn)練...

2021-08-17 08:19:35

神經(jīng)網(wǎng)絡(luò)50例

神經(jīng)網(wǎng)絡(luò)50例

2012-11-28 16:49:56

神經(jīng)網(wǎng)絡(luò)Matlab程序

神經(jīng)網(wǎng)絡(luò)Matlab程序

2009-09-15 12:52:24

神經(jīng)網(wǎng)絡(luò)與SVM的模塊

大家有知道labview中神經(jīng)網(wǎng)絡(luò)和SVM的工具包是哪個嗎？求分享一下，有做這方面的朋友也可以交流一下，大家共同進(jìn)步

2017-10-13 11:41:43

神經(jīng)網(wǎng)絡(luò)基本介紹

神經(jīng)網(wǎng)絡(luò)基本介紹

2018-01-04 13:41:23

神經(jīng)網(wǎng)絡(luò)教程（李亞非）

　　第1章概述　　1.1 人工神經(jīng)網(wǎng)絡(luò)研究與發(fā)展　　1.2 生物神經(jīng)元　　1.3 人工神經(jīng)網(wǎng)絡(luò)的構(gòu)成　　第2章人工神經(jīng)網(wǎng)絡(luò)基本模型　　2.1 MP模型　　2.2 感知器模型　　2.3 自適應(yīng)線性

2012-03-20 11:32:43

神經(jīng)網(wǎng)絡(luò)移植到STM32的方法

將神經(jīng)網(wǎng)絡(luò)移植到STM32最近在做的一個項目需要用到網(wǎng)絡(luò)進(jìn)行擬合，并且將擬合得到的結(jié)果用作控制，就在想能不能直接在單片機(jī)上做神經(jīng)網(wǎng)絡(luò)計算，這樣就可以實時計算，不依賴于上位機(jī)。所以要解決的主要是兩個

2022-01-11 06:20:53

神經(jīng)網(wǎng)絡(luò)簡介

神經(jīng)網(wǎng)絡(luò)簡介

2012-08-05 21:01:08

神經(jīng)網(wǎng)絡(luò)資料

基于深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)算法

2019-05-16 17:25:05

AI知識科普 | 從無人相信到萬人追捧的神經(jīng)網(wǎng)絡(luò)

同一個神經(jīng)網(wǎng)絡(luò)的多個副本，每一個副本都傳遞一個消息給輸出層。 D、長短期記憶網(wǎng)絡(luò)長短期記憶網(wǎng)絡(luò)，是一種時間遞歸神經(jīng)網(wǎng)絡(luò)，適合于處理和預(yù)測時間序列中間隔和延遲相對較長的重要事件。它能夠解決傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)

2018-06-05 10:11:50

Keras之ML~P：基于Keras中建立的回歸預(yù)測的神經(jīng)網(wǎng)絡(luò)模型

Keras之ML~P：基于Keras中建立的回歸預(yù)測的神經(jīng)網(wǎng)絡(luò)模型(根據(jù)200個數(shù)據(jù)樣本預(yù)測新的5+1個樣本)——回歸預(yù)測

2018-12-20 10:43:06

MATLAB神經(jīng)網(wǎng)絡(luò)

2013-07-08 15:17:13

Matlab神經(jīng)網(wǎng)絡(luò)工具箱是什么？它在同步中的應(yīng)用有哪些？

Matlab神經(jīng)網(wǎng)絡(luò)工具箱是什么？Matlab神經(jīng)網(wǎng)絡(luò)工具箱在同步中的應(yīng)用有哪些？

2021-04-26 06:42:29

labview BP神經(jīng)網(wǎng)絡(luò)的實現(xiàn)

請問：我在用labview做BP神經(jīng)網(wǎng)絡(luò)實現(xiàn)故障診斷，在NI官網(wǎng)找到了機(jī)器學(xué)習(xí)工具包（MLT），但是里面沒有關(guān)于這部分VI的幫助文檔，對于”BP神經(jīng)網(wǎng)絡(luò)分類“這個范例有很多不懂的地方，比如

2017-02-22 16:08:08

matlab實現(xiàn)神經(jīng)網(wǎng)絡(luò) 精選資料分享

習(xí)神經(jīng)神經(jīng)網(wǎng)絡(luò)，對于神經(jīng)網(wǎng)絡(luò)的實現(xiàn)是如何一直沒有具體實現(xiàn)一下：現(xiàn)看到一個簡單的神經(jīng)網(wǎng)絡(luò)模型用于訓(xùn)練的輸入數(shù)據(jù):對應(yīng)的輸出數(shù)據(jù):我們這里設(shè)置：1：節(jié)點個數(shù)設(shè)置：輸入層、隱層、輸出層的節(jié)點

2021-08-18 07:25:21

【AI學(xué)習(xí)】第3篇--人工神經(jīng)網(wǎng)絡(luò)

`本篇主要介紹：人工神經(jīng)網(wǎng)絡(luò)的起源、簡單神經(jīng)網(wǎng)絡(luò)模型、更多神經(jīng)網(wǎng)絡(luò)模型、機(jī)器學(xué)習(xí)的步驟：訓(xùn)練與預(yù)測、訓(xùn)練的兩階段：正向推演與反向傳播、以TensorFlow + Excel表達(dá)訓(xùn)練流程以及AI普及化教育之路。`

2020-11-05 17:48:39

【PYNQ-Z2申請】基于PYNQ的卷積神經(jīng)網(wǎng)絡(luò)加速

項目名稱：基于PYNQ的卷積神經(jīng)網(wǎng)絡(luò)加速試用計劃：申請理由：本人研究生在讀，想要利用PYNQ深入探索卷積神經(jīng)網(wǎng)絡(luò)的硬件加速，在PYNQ上實現(xiàn)圖像的快速處理項目計劃：1、在PC端實現(xiàn)Lnet網(wǎng)絡(luò)的訓(xùn)練

2018-12-19 11:37:22

【PYNQ-Z2試用體驗】神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識

語言，使用numpy.dot方法即可計算矩陣乘法。以上便是一個簡單神經(jīng)網(wǎng)絡(luò)的基本原理，對神經(jīng)網(wǎng)絡(luò)有了基本的認(rèn)識之后，我們才能進(jìn)行復(fù)雜的神經(jīng)網(wǎng)絡(luò)設(shè)計?？偨Y(jié)本文講解了神經(jīng)網(wǎng)絡(luò)的基本概念及其工作原理，利用

2019-03-03 22:10:19

【案例分享】ART神經(jīng)網(wǎng)絡(luò)與SOM神經(jīng)網(wǎng)絡(luò)

今天學(xué)習(xí)了兩個神經(jīng)網(wǎng)絡(luò)，分別是自適應(yīng)諧振（ART）神經(jīng)網(wǎng)絡(luò)與自組織映射（SOM）神經(jīng)網(wǎng)絡(luò)。整體感覺不是很難，只不過一些最基礎(chǔ)的概念容易理解不清。首先ART神經(jīng)網(wǎng)絡(luò)是競爭學(xué)習(xí)的一個代表，競爭型學(xué)習(xí)

2019-07-21 04:30:00

【案例分享】基于BP算法的前饋神經(jīng)網(wǎng)絡(luò)

`BP神經(jīng)網(wǎng)絡(luò)首先給出只包含一個隱層的BP神經(jīng)網(wǎng)絡(luò)模型（兩層神經(jīng)網(wǎng)絡(luò)）： BP神經(jīng)網(wǎng)絡(luò)其實由兩部分組成：前饋神經(jīng)網(wǎng)絡(luò)：神經(jīng)網(wǎng)絡(luò)是前饋的，其權(quán)重都不回送到輸入單元，或前一層輸出單元（數(shù)據(jù)信息是單向

2019-07-21 04:00:00

人工神經(jīng)網(wǎng)絡(luò)原理及下載

人工神經(jīng)網(wǎng)絡(luò)是根據(jù)人的認(rèn)識過程而開發(fā)出的一種算法。假如我們現(xiàn)在只有一些輸入和相應(yīng)的輸出，而對如何由輸入得到輸出的機(jī)理并不清楚，那么我們可以把輸入與輸出之間的未知過程看成是一個“網(wǎng)絡(luò)”，通過不斷地給

2008-06-19 14:40:42

人工神經(jīng)網(wǎng)絡(luò)實現(xiàn)方法有哪些？

人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)是一種類似生物神經(jīng)網(wǎng)絡(luò)的信息處理結(jié)構(gòu)，它的提出是為了解決一些非線性，非平穩(wěn)，復(fù)雜的實際問題。那有哪些辦法能實現(xiàn)人工神經(jīng)網(wǎng)絡(luò)呢？

2019-08-01 08:06:21

人工神經(jīng)網(wǎng)絡(luò)課件

人工神經(jīng)網(wǎng)絡(luò)課件

2016-06-19 10:15:48

什么是LSTM神經(jīng)網(wǎng)絡(luò)

簡單理解LSTM神經(jīng)網(wǎng)絡(luò)

2021-01-28 07:16:57

什么是圖卷積神經(jīng)網(wǎng)絡(luò)？

圖卷積神經(jīng)網(wǎng)絡(luò)

2019-08-20 12:05:29

優(yōu)化神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法有哪些？

優(yōu)化神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法有哪些？

2022-09-06 09:52:36

使用keras搭建神經(jīng)網(wǎng)絡(luò)實現(xiàn)基于深度學(xué)習(xí)算法的股票價格預(yù)測

本文使用keras搭建神經(jīng)網(wǎng)絡(luò)，實現(xiàn)基于深度學(xué)習(xí)算法的股票價格預(yù)測。本文使用的數(shù)據(jù)來源為tushare，一個免費(fèi)開源接口；且只取開票價進(jìn)行預(yù)測。import numpy as npimport

2022-02-08 06:40:03

全連接神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)有什么區(qū)別

全連接神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別

2019-06-06 14:21:42

關(guān)于BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的確定?。?/a>

請問用matlab編程進(jìn)行BP神經(jīng)網(wǎng)絡(luò)預(yù)測時，訓(xùn)練結(jié)果很多都是合適的，但如何確定最合適的？且如何用最合適的BP模型進(jìn)行外推預(yù)測？

2014-02-08 14:23:06

卷積神經(jīng)網(wǎng)絡(luò)一維卷積的處理過程

以前的神經(jīng)網(wǎng)絡(luò)幾乎都是部署在云端（服務(wù)器上），設(shè)備端采集到數(shù)據(jù)通過網(wǎng)絡(luò)發(fā)送給服務(wù)器做inference（推理），結(jié)果再通過網(wǎng)絡(luò)返回給設(shè)備端。如今越來越多的神經(jīng)網(wǎng)絡(luò)部署在嵌入式設(shè)備端上，即

2021-12-23 06:16:40

卷積神經(jīng)網(wǎng)絡(luò)為什么適合圖像處理？

卷積神經(jīng)網(wǎng)絡(luò)為什么適合圖像處理？

2022-09-08 10:23:10

卷積神經(jīng)網(wǎng)絡(luò)如何使用

卷積神經(jīng)網(wǎng)絡(luò)(CNN)究竟是什么，鑒于神經(jīng)網(wǎng)絡(luò)在工程上經(jīng)歷了曲折的歷史，您為什么還會在意它呢? 對于這些非常中肯的問題，我們似乎可以給出相對簡明的答案。

2019-07-17 07:21:50

卷積神經(jīng)網(wǎng)絡(luò)模型發(fā)展及應(yīng)用

。神經(jīng)網(wǎng)絡(luò)的思想起源于1943年McCulloch 和 Pitts 提出的神經(jīng)元模型[19]，簡稱 MCP 神經(jīng)元模型。它是利用計算機(jī)來模擬人的神經(jīng)元反應(yīng)的過程，具有開創(chuàng)性意義。此模型將神經(jīng)元反應(yīng)簡化

2022-08-02 10:39:39

卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點是什么

卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)點

2020-05-05 18:12:50

卷積神經(jīng)網(wǎng)絡(luò)的層級結(jié)構(gòu)和常用框架

　　卷積神經(jīng)網(wǎng)絡(luò)的層級結(jié)構(gòu)　　卷積神經(jīng)網(wǎng)絡(luò)的常用框架

2020-12-29 06:16:44

卷積神經(jīng)網(wǎng)絡(luò)（CNN）是如何定義的？

什么是卷積神經(jīng)網(wǎng)絡(luò)？ImageNet-2010網(wǎng)絡(luò)結(jié)構(gòu)是如何構(gòu)成的？有哪些基本參數(shù)？

2021-06-17 11:48:22

反饋神經(jīng)網(wǎng)絡(luò)算法是什么

反饋神經(jīng)網(wǎng)絡(luò)算法

2020-04-28 08:36:58

圖像預(yù)處理和改進(jìn)神經(jīng)網(wǎng)絡(luò)推理的簡要介紹

為提升識別準(zhǔn)確率，采用改進(jìn)神經(jīng)網(wǎng)絡(luò)，通過Mnist數(shù)據(jù)集進(jìn)行訓(xùn)練。整體處理過程分為兩步：圖像預(yù)處理和改進(jìn)神經(jīng)網(wǎng)絡(luò)推理。圖像預(yù)處理主要根據(jù)圖像的特征，將數(shù)據(jù)處理成規(guī)范的格式，而改進(jìn)神經(jīng)網(wǎng)絡(luò)推理主要用于輸出結(jié)果。整個過程分為兩個步驟：圖像預(yù)處理和神經(jīng)網(wǎng)絡(luò)推理。需要提前安裝Tengine框架，

2021-12-23 08:07:33

基于BP神經(jīng)網(wǎng)絡(luò)的PID控制

最近在學(xué)習(xí)電機(jī)的智能控制，上周學(xué)習(xí)了基于單神經(jīng)元的PID控制，這周研究基于BP神經(jīng)網(wǎng)絡(luò)的PID控制。神經(jīng)網(wǎng)絡(luò)具有任意非線性表達(dá)能力，可以通過對系統(tǒng)性能的學(xué)習(xí)來實現(xiàn)具有最佳組合的PID控制。利用BP

2021-09-07 07:43:47

基于BP神經(jīng)網(wǎng)絡(luò)的辨識

2018-01-04 13:37:27

基于FPGA的神經(jīng)網(wǎng)絡(luò)的性能評估及局限性

FPGA實現(xiàn)神經(jīng)網(wǎng)絡(luò)關(guān)鍵問題分析基于FPGA的ANN實現(xiàn)方法基于FPGA的神經(jīng)網(wǎng)絡(luò)的性能評估及局限性

2021-04-30 06:58:13

基于Keras中建立的簡單的二分類問題的神經(jīng)網(wǎng)絡(luò)模型(根據(jù)200個數(shù)據(jù)樣本預(yù)測新的5+1個樣本)—類別預(yù)測

Keras之ML~P：基于Keras中建立的簡單的二分類問題的神經(jīng)網(wǎng)絡(luò)模型(根據(jù)200個數(shù)據(jù)樣本預(yù)測新的5+1個樣本)——類別預(yù)測

2018-12-24 11:45:48

基于RBF神經(jīng)網(wǎng)絡(luò)的辨識

2018-01-04 13:38:52

如何利用神經(jīng)網(wǎng)絡(luò)來根據(jù)RGB判斷他的pH值？

如何利用神經(jīng)網(wǎng)絡(luò)來根據(jù)RGB判斷他的pH值？

2021-11-19 06:36:21

如何利用SoPC實現(xiàn)神經(jīng)網(wǎng)絡(luò)速度控制器？

由于時變非線性和強(qiáng)耦合的控制系統(tǒng)還沒有精確的數(shù)學(xué)模型，因而傳統(tǒng)的依賴被控對象數(shù)學(xué)模型的控制策略及其控制系統(tǒng)的封閉式結(jié)構(gòu)很難對其實施有效控制。神經(jīng)網(wǎng)絡(luò)控制能夠很好地克服系統(tǒng)中模型參數(shù)的變化和非線性等

2019-08-12 06:25:35

如何利用卷積神經(jīng)網(wǎng)絡(luò)去更好地控制巡線智能車呢

巡線智能車控制中的CNN網(wǎng)絡(luò)有何應(yīng)用？嵌入式單片機(jī)中的神經(jīng)網(wǎng)絡(luò)該怎樣去使用？如何利用卷積神經(jīng)網(wǎng)絡(luò)去更好地控制巡線智能車呢？

2021-12-21 07:47:24

如何使用stm32cube.ai部署神經(jīng)網(wǎng)絡(luò)？

如何用stm32cube.ai簡化人工神經(jīng)網(wǎng)絡(luò)映射？如何使用stm32cube.ai部署神經(jīng)網(wǎng)絡(luò)？

2021-10-11 08:05:42

如何構(gòu)建神經(jīng)網(wǎng)絡(luò)？

原文鏈接：http://tecdat.cn/?p=5725 神經(jīng)網(wǎng)絡(luò)是一種基于現(xiàn)有數(shù)據(jù)創(chuàng)建預(yù)測的計算系統(tǒng)。如何構(gòu)建神經(jīng)網(wǎng)絡(luò)？神經(jīng)網(wǎng)絡(luò)包括：輸入層：根據(jù)現(xiàn)有數(shù)據(jù)獲取輸入的層隱藏層：使用反向傳播優(yōu)化輸入變量權(quán)重的層，以提高模型的預(yù)測能力輸出層：基于輸入和隱藏層的數(shù)據(jù)輸出預(yù)測

2021-07-12 08:02:11

如何設(shè)計BP神經(jīng)網(wǎng)絡(luò)圖像壓縮算法？

神經(jīng)網(wǎng)絡(luò)(Neural Networks)是人工神經(jīng)網(wǎng)絡(luò)(Ar-tificial Neural Networks)的簡稱，是當(dāng)前的研究熱點之一。人腦在接受視覺感官傳來的大量圖像信息后，能迅速做出反應(yīng)

2019-08-08 06:11:30

有提供編寫神經(jīng)網(wǎng)絡(luò)預(yù)測程序服務(wù)的嗎？

有提供編寫神經(jīng)網(wǎng)絡(luò)預(yù)測程序服務(wù)的嗎？

2011-12-10 13:50:46

求利用LABVIEW 實現(xiàn)bp神經(jīng)網(wǎng)絡(luò)的程序

誰有利用LABVIEW 實現(xiàn)bp神經(jīng)網(wǎng)絡(luò)的程序?。ㄎ矣玫陌姹臼?.6的）

2012-11-26 14:54:59

求助地震波神經(jīng)網(wǎng)絡(luò)程序

求助地震波神經(jīng)網(wǎng)絡(luò)程序，共同交流?。?/div>

2013-05-11 08:14:19

求助基于labview的神經(jīng)網(wǎng)絡(luò)pid控制

小女子做基于labview的蒸發(fā)過程中液位的控制，想使用神經(jīng)網(wǎng)絡(luò)pid控制，請問這個控制方法可以嗎？有誰會神經(jīng)網(wǎng)絡(luò)pid控制么。。。叩謝

2016-09-23 13:43:16

求助大神關(guān)于神經(jīng)網(wǎng)絡(luò)的問題

求助大神小的現(xiàn)在有個難題：一組車重實時數(shù)據(jù) 對應(yīng)一個車重的最終數(shù)值（一個一維數(shù)組輸入對應(yīng)輸出一個數(shù)值）這其中可能經(jīng)過均值、方差、去掉N個最大值、、、等等的計算我的目的就是弄清楚這個中間計算過程最近實在想不出什么好辦法就打算試試神經(jīng)網(wǎng)絡(luò) 請教大神用什么神經(jīng)網(wǎng)絡(luò)好求神經(jīng)網(wǎng)絡(luò)程序

2016-07-14 13:35:44

求基于labview的BP神經(jīng)網(wǎng)絡(luò)算法的實現(xiàn)過程

求高手，基于labview的BP神經(jīng)網(wǎng)絡(luò)算法的實現(xiàn)過程，最好有程序哈，謝謝??！

2012-12-10 14:55:50

用matlab編程進(jìn)行BP神經(jīng)網(wǎng)絡(luò)預(yù)測時如何確定最合適的，BP模型

2014-02-08 14:19:12

簡單神經(jīng)網(wǎng)絡(luò)的實現(xiàn)

最簡單的神經(jīng)網(wǎng)絡(luò)

2019-09-11 11:57:36

脈沖耦合神經(jīng)網(wǎng)絡(luò)在FPGA上的實現(xiàn)誰會？

脈沖耦合神經(jīng)網(wǎng)絡(luò)（PCNN）在FPGA上的實現(xiàn)，實現(xiàn)數(shù)據(jù)分類功能，有報酬。QQ470345140.

2013-08-25 09:57:14

基于徑向基神經(jīng)網(wǎng)絡(luò)的局域預(yù)測法及其應(yīng)用

一般的加權(quán)一階局域預(yù)測法是利用最小二乘法求解模型，從而對混沌時序進(jìn)行預(yù)測?；趶较蚧?b class="flag-6" style="color: red">神經(jīng)網(wǎng)絡(luò)的局域預(yù)測法是在加權(quán)一階局域預(yù)測模型的理論基礎(chǔ)上，應(yīng)用徑向基神經(jīng)網(wǎng)

2009-04-23 10:02:51

基于模糊邏輯和神經(jīng)網(wǎng)絡(luò)的電力負(fù)荷預(yù)測

設(shè)計并實現(xiàn)了神經(jīng)網(wǎng)絡(luò)和模糊邏輯相結(jié)合的綜合預(yù)測模型進(jìn)行短期電力負(fù)荷預(yù)測。由神經(jīng)網(wǎng)絡(luò)和模糊邏輯分別對基本負(fù)荷和受天氣、節(jié)假日影響的負(fù)荷進(jìn)行預(yù)測，使其在天氣突變

2009-08-14 15:51:16

灰色補(bǔ)償神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究

本文給出了灰色系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的一種新的結(jié)合方式—灰色補(bǔ)償神經(jīng)網(wǎng)絡(luò)。該網(wǎng)絡(luò)利用神經(jīng)網(wǎng)絡(luò)建立殘差與數(shù)據(jù)間的映射關(guān)系，并采用其預(yù)測結(jié)果補(bǔ)償灰色系統(tǒng)模型的預(yù)測值。

2009-09-02 10:44:48

基于神經(jīng)網(wǎng)絡(luò)的羅茨增壓器性能預(yù)測研究

運(yùn)用人工神經(jīng)網(wǎng)絡(luò)原理建立了羅茨增壓器性能預(yù)測的BP 神經(jīng)網(wǎng)絡(luò)模型，并利用該模型對羅茨增壓器不同壓比條件下的溫升、轉(zhuǎn)速與流量的特性關(guān)系進(jìn)行了預(yù)測分析，取得了良好的

2009-12-14 14:04:41

GABP神經(jīng)網(wǎng)絡(luò)在交通流預(yù)測中的應(yīng)用研究

交通流的預(yù)測是智能交通系統(tǒng)的重要技術(shù)之一,傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)預(yù)測方法存在對初始網(wǎng)絡(luò)權(quán)值設(shè)置敏感、易陷入局部極小點、收斂速度慢等缺點。GABP神經(jīng)網(wǎng)絡(luò)是指在傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)

2010-02-23 14:20:36

小波神經(jīng)網(wǎng)絡(luò)在脫靶量估計中的應(yīng)用

提出了一種利用小波神經(jīng)網(wǎng)絡(luò) 預(yù)測的武器試驗脫靶量估計方法。以外測GPS測量彈道跟蹤數(shù)據(jù)為基準(zhǔn)，建立小波神經(jīng)網(wǎng)絡(luò)模型，并將遙測慣導(dǎo)數(shù)據(jù)比對結(jié)果作為輸入，預(yù)測過靶時刻彈道

2011-08-29 14:40:18

基于遺傳小波神經(jīng)網(wǎng)絡(luò)的海雜波預(yù)測

根據(jù)相空間重構(gòu)理論，提出了一種基于遺傳小波神經(jīng)網(wǎng)絡(luò)(GA-WNN)的混沌時間序列預(yù)測方法。根據(jù)takens理論，計算出相空間重構(gòu)所需延遲時間和嵌入維數(shù)。采用小波神經(jīng)網(wǎng)絡(luò)的構(gòu)造和算法，將遺傳算法用于

2015-12-24 15:43:10

基于EMD和神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測

基于EMD和神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測..

2016-01-04 17:03:55

基于小波包_神經(jīng)網(wǎng)絡(luò)的太陽逐時輻射預(yù)測_陳杰

基于小波包_神經(jīng)網(wǎng)絡(luò)的太陽逐時輻射預(yù)測_陳杰

2016-12-31 14:45:09

基于神經(jīng)網(wǎng)絡(luò)和小波分析的超短期風(fēng)速預(yù)測

基于神經(jīng)網(wǎng)絡(luò)和小波分析的超短期風(fēng)速預(yù)測_高陽

2017-01-02 15:24:00

小波包神經(jīng)網(wǎng)絡(luò)預(yù)測方法在瓦斯涌出量中的應(yīng)用

小波包神經(jīng)網(wǎng)絡(luò)預(yù)測方法在瓦斯涌出量中的應(yīng)用_彭曉華

2017-01-03 15:24:45

基于改進(jìn)RBF神經(jīng)網(wǎng)絡(luò)的鋼構(gòu)件質(zhì)量預(yù)測研究_雷兆明

基于改進(jìn)RBF神經(jīng)網(wǎng)絡(luò)的鋼構(gòu)件質(zhì)量預(yù)測研究_雷兆明

2017-02-07 15:05:00

BP神經(jīng)網(wǎng)絡(luò)在水質(zhì)參數(shù)預(yù)測中的應(yīng)用_張昕

BP神經(jīng)網(wǎng)絡(luò)在水質(zhì)參數(shù)預(yù)測中的應(yīng)用_張昕

2017-03-19 11:26:54

PCA_BP神經(jīng)網(wǎng)絡(luò)在降水預(yù)測中的應(yīng)用研究_季剛

PCA_BP神經(jīng)網(wǎng)絡(luò)在降水預(yù)測中的應(yīng)用研究_季剛

2017-03-19 11:27:34

基于灰色神經(jīng)網(wǎng)絡(luò)的股票指數(shù)短期預(yù)測王志遠(yuǎn)

基于灰色神經(jīng)網(wǎng)絡(luò)的股票指數(shù)短期預(yù)測_王志遠(yuǎn)

2017-03-16 08:00:00

基于人工神經(jīng)網(wǎng)絡(luò)和粒子群算法的風(fēng)能預(yù)測模型_廖輝英

基于人工神經(jīng)網(wǎng)絡(luò)和粒子群算法的風(fēng)能預(yù)測模型_廖輝英

2017-03-16 10:19:42

ACO_BP神經(jīng)網(wǎng)絡(luò)在電梯交通流預(yù)測中的應(yīng)用_萬健如

ACO_BP神經(jīng)網(wǎng)絡(luò)在電梯交通流預(yù)測中的應(yīng)用_萬健如

2017-03-19 18:58:18

BP神經(jīng)網(wǎng)絡(luò)風(fēng)速預(yù)測方法

針對BP神經(jīng)網(wǎng)絡(luò)風(fēng)速預(yù)測中存在的結(jié)構(gòu)不確定以及網(wǎng)絡(luò)過度擬合的問題，利用遺傳算法的全局搜索能力和模糊聚類算法的數(shù)據(jù)篩選能力，分別對BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與數(shù)據(jù)進(jìn)行雙重優(yōu)化，提出了基于遺傳算法和聚類算法的改進(jìn)BP神經(jīng)網(wǎng)絡(luò)風(fēng)速預(yù)測方法，仿真表明，改進(jìn)風(fēng)速后的預(yù)測方法大大提高了風(fēng)速預(yù)測的準(zhǔn)確性。

2017-11-10 11:23:41

基于RBF神經(jīng)網(wǎng)絡(luò)的通信用戶規(guī)模預(yù)測模型

準(zhǔn)確地對通信用戶規(guī)模進(jìn)行預(yù)測對于通信運(yùn)營商的決策具有十分重要的意義，而現(xiàn)有的常規(guī)預(yù)測方法存在預(yù)測誤差較大、預(yù)測速率低等問題。研究一種基于RBF神經(jīng)網(wǎng)絡(luò)的通信用戶規(guī)模預(yù)測模型。為了使得RBF神經(jīng)網(wǎng)絡(luò)

2017-11-22 15:54:54

改進(jìn)人工蜂群算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測模型

為了提高徑向基函數(shù)RBF神經(jīng)網(wǎng)絡(luò)預(yù)測模型對短時交通流的預(yù)測準(zhǔn)確性，提出了一種基于改進(jìn)人工蜂群算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的短時交通流預(yù)測模型。利用改進(jìn)人工蜂群算法確定RBF網(wǎng)絡(luò)隱含層的中心值以及隱含層單元

2017-12-01 16:31:58

基于遞歸神經(jīng)網(wǎng)絡(luò)和前饋神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)預(yù)測算法

蛋白質(zhì)二級結(jié)構(gòu)預(yù)測是結(jié)構(gòu)生物學(xué)中的一個重要問題。針對八類蛋白質(zhì)二級結(jié)構(gòu)預(yù)測，提出了一種基于遞歸神經(jīng)網(wǎng)絡(luò)和前饋神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)預(yù)測算法。該算法通過雙向遞歸神經(jīng)網(wǎng)絡(luò)建模氨基酸間的局部和長程相互作用

2017-12-03 09:41:14

BP神經(jīng)網(wǎng)絡(luò)的稅收預(yù)測

針對傳統(tǒng)稅收預(yù)測模型精度較低的問題，提出一種將Adaboost算法和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合進(jìn)行稅收預(yù)測的方法。該方法首先對歷年稅收數(shù)據(jù)進(jìn)行預(yù)處理并初始化測試數(shù)據(jù)分布權(quán)值；然后初始化BP神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值

2018-02-27 16:51:44

神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)預(yù)測有怎么樣的應(yīng)用

本文檔的主要內(nèi)容詳細(xì)介紹的是神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)預(yù)測有怎么樣的應(yīng)用。

2020-02-29 08:00:00

基于BP神經(jīng)網(wǎng)絡(luò)優(yōu)化的光伏發(fā)電預(yù)測模型

基于BP神經(jīng)網(wǎng)絡(luò)優(yōu)化的光伏發(fā)電預(yù)測模型

2021-06-27 16:16:26

基于果蠅算法的混合小波神經(jīng)網(wǎng)絡(luò)交通流預(yù)測模型

基于果蠅算法的混合小波神經(jīng)網(wǎng)絡(luò)交通流預(yù)測模型

2021-07-05 16:52:57

什么是神經(jīng)網(wǎng)絡(luò)？為什么說神經(jīng)網(wǎng)絡(luò)很重要？神經(jīng)網(wǎng)絡(luò)如何工作？

神經(jīng)網(wǎng)絡(luò)是一個具有相連節(jié)點層的計算模型，其分層結(jié)構(gòu)與大腦中的神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)相似。神經(jīng)網(wǎng)絡(luò)可通過數(shù)據(jù)進(jìn)行學(xué)習(xí)，因此，可訓(xùn)練其識別模式、對數(shù)據(jù)分類和預(yù)測未來事件。

2023-07-26 18:28:41

1619

卷積神經(jīng)網(wǎng)絡(luò)和深度神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點卷積神經(jīng)網(wǎng)絡(luò)和深度神經(jīng)網(wǎng)絡(luò)的區(qū)別

深度神經(jīng)網(wǎng)絡(luò)是一種基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)算法，其主要特點是由多層神經(jīng)元構(gòu)成，可以根據(jù)數(shù)據(jù)自動調(diào)整神經(jīng)元之間的權(quán)重，從而實現(xiàn)對大規(guī)模數(shù)據(jù)進(jìn)行預(yù)測和分類。卷積神經(jīng)網(wǎng)絡(luò)是深度神經(jīng)網(wǎng)絡(luò)的一種，主要應(yīng)用于圖像和視頻處理領(lǐng)域。

2023-08-21 17:07:36

1860

cnn卷積神經(jīng)網(wǎng)絡(luò)模型卷積神經(jīng)網(wǎng)絡(luò)預(yù)測模型生成卷積神經(jīng)網(wǎng)絡(luò)模型

cnn卷積神經(jīng)網(wǎng)絡(luò)模型卷積神經(jīng)網(wǎng)絡(luò)預(yù)測模型生成卷積神經(jīng)網(wǎng)絡(luò)模型? 卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）是一種深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，最初被廣泛應(yīng)用于計算機(jī)

2023-08-21 17:11:47

680

人工神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

人工神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別? 人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network, ANN）是一種模仿人腦神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)和功能的計算模型，也被稱為神經(jīng)網(wǎng)絡(luò)（Neural

2023-08-22 16:45:18

2941

已全部加載完成

搜索歷史

如何利用神經(jīng)網(wǎng)絡(luò)預(yù)測閃存尾端延遲的發(fā)生？

評論

如何利用神經(jīng)網(wǎng)絡(luò)預(yù)測閃存尾端延遲的發(fā)生？