【技术实现步骤摘要】
一种基于神经网络模型的服务器监测方法和装置
[0001]本专利技术涉及电磁波数据领域,尤其涉及一种基于神经网络模型的服务器监测方法和装置。
技术介绍
[0002]随着信息技术的发展,提供信息服务或产品的系统、应用的类型和数量日渐增多,例如政府办公系统、财务管理系统、协同远程办公以及人力资源管理系统等。各系统相互关联,与企业、政府、单位或各机构的业务联系越来越密切。而这些信息系统都是基于服务器运行的,因此,服务器的安全、运行状态愈发得到重视,如何确保服务器正常持续运行,实时了解服务器的状态并及时排除风险成为了亟需解决的问题。
[0003]目前,对服务器运行状态的监测需要对服务器进行接入,主要通过接入服务器的带外口,基于服务器BMC芯片抓取信息进行监测;或通过服务器的操作系统,抓取信息进行监测。但是这些方法的准确性、实时性较差,无法实时获取服务器的运行状态,并且一定程度上需要人工的介入。
技术实现思路
[0004]本专利技术提供了一种基于神经网络模型的服务器监测方法和装置,提高了服务器监测的准确性。
[0005]为了解决上述技术问题,本专利技术实施例提供了一种基于神经网络模型的服务器监测方法,包括:
[0006]获取待测服务器的电磁波数据信息;其中,所述电磁波数据信息包括电磁波频率、波长、幅度和波形;
[0007]将所述电磁波数据信息输入至训练好的神经网络模型,获得所述待测服务器的监测结果;其中,所述电磁波频率、所述波长、所述幅度和所述波形均作为神经元;所述神经网络模型包括 ...
【技术保护点】
【技术特征摘要】
1.一种基于神经网络模型的服务器监测方法,其特征在于,包括:获取待测服务器的电磁波数据信息;其中,所述电磁波数据信息包括电磁波频率、波长、幅度和波形;将所述电磁波数据信息输入至训练好的神经网络模型,获得所述待测服务器的监测结果;其中,所述电磁波频率、所述波长、所述幅度和所述波形均作为神经元;所述训练好的神经网络模型包括输入层、隐层和输出层;所述输入层、所述隐层和所述输出层依次连接;所述训练好的神经网络模型还包含若干层神经网络,每层神经网络包括一层卷积层和一层最大化池化层;所述卷积层的输入矩阵和输出矩阵均包括样本数维度、位置信息维度、电磁波频率维度、波长维度、幅度维度和波形维度。2.如权利要求1所述的一种基于神经网络模型的服务器监测方法,其特征在于,在所述将所述电磁波数据输入至训练好的神经网络模型之前,还包括:对所述电磁波数据进行预处理,具体地:通过小波阈值法对所述电磁波数据进行去噪处理,选取软阈值系数为:其中,γ为小波系数,θ为预定义的阈值。3.如权利要求1所述的一种基于神经网络模型的服务器监测方法,其特征在于,所述隐层的各神经元接收到的输入信号为:其中,α
h
为所述隐层第h个神经元接收到的输入信号,v
ih
为第i个输入神经元与所述隐层第h个神经元的连接参数。4.如权利要求3所述的一种基于神经网络模型的服务器监测方法,其特征在于,所述输出层的各神经元接收到的输入信号为:其中,β
j
为输出层中第j个神经元接收到的输入信号,w
hj
为第h个隐层神经元与第j个输出神经元的连接参数,b
h
为第h个隐层神经元的输出。5.如权利要求1至4任意一项所述的一种基于神经网络模型的服务器监测方法,其特征在于,所述卷积层的输出信号具体为:其中,Y
e
(c,d)为第e层卷积层的输出信号,(c,d)为神经元在电磁波中的位置,Y
e-1
为第e层卷积层的输入信号,w
e-1
为e-1层的卷积参数矩阵,第e层卷积层有K个电磁波卷积,f为卷积核的大小,s
o
为卷积步长,t为偏差量,r为卷积核最小值,k为卷积层最小值。6.如权利要求5所述的一种基于神经网络模型的服务器监测方法,其特征在于,所述最大化池化层的输出信号具体为:
其中,为第e层最大化池化层的输出信号,g为预设参数。7.如权利要求1所述的一种基于神经网络模型的服务器监测方法,其特征在于,所述在所述将所述电磁波数据输入至训练...
【专利技术属性】
技术研发人员:肖飞龙,
申请(专利权)人:广州云新信息技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。