计算机硬件技术论文_基于机器学习的大规模并行 - 计算机系统应用杂志社投稿

一、本刊要求作者有严谨的学风和朴实的文风，提倡互相尊重和自由讨论。凡采用他人学说，必须加注说明。二、不要超过10000字为宜，精粹的短篇，尤为欢迎。三、请作者将稿件（用WORD格式）发送到下面给出的征文信箱中。四、凡来稿请作者自留底稿，恕不退稿。五、为规范排版，请作者在上传修改稿时严格按以下要求： 1．论文要求有题名、摘要、关键词、作者姓名、作者工作单位（名称，省市邮编）等内容一份。 2．基金项目和作者简介按下列格式：基金项目：项目名称（编号）作者简介：姓名（出生年－），性别，民族（汉族可省略），籍贯，职称，学位，研究方向。 3．文章一般有引言部分和正文部分，正文部分用阿拉伯数字分级编号法，一般用两级。插图下方应注明图序和图名。表格应采用三线表，表格上方应注明表序和表名。 4．参考文献列出的一般应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献。其他相关注释可用脚注在当页标注。参考文献的著录应执行国家标准GB7714-87的规定，采用顺序编码制。

计算机硬件技术论文_基于机器学习的大规模并行

作者:

关键词:

摘要：

文章目录

0 引言

1 基于机器学习的大规模并行计算机系统硬件故障检测方法设计

1.1 大规模并行计算机系统硬件运行数据采集

1.2 故障样本提取

1.3 基于机器学习的故障识别

2 实验论证分析

3 结语

文章摘要:针对传统方法在大规模并行计算机系统硬件故障检测实际应用中准确率较低的问题，提出基于机器学习的大规模并行计算机系统硬件故障检测方法。首先利用无线传感器对大规模并行计算机系统硬件运行数据进行获取，通过对数据归一化处理和区间设定，对系统硬件故障特征量样本进行提取，最后利用机器学习技术对硬件故障特征量样本进行分析，识别系统硬件运行状态，以此完成基于机器学习的大规模并行计算机系统硬件故障检测。经实验证明：设计方法准确率高于传统方法，相比传统方法更适用于大规模并行计算机系统硬件故障检测。

文章关键词:

论文作者:刘伟峰

作者单位:陕西工商职业学院

论文分类号:TP181;TP338.6

文章来源：《计算机系统应用》网址: http://www.jsjxtyybjb.cn/qikandaodu/2022/0623/764.html