Lifelong Disk Failure Prediction via GAN-based Anomaly Detection（2019-IEEE）

该篇论文主要围绕“硬盘故障+数据可靠性+SMART（自我监测分析报告技术）+对抗训练+异常检测”展开，以下是我学习该篇论文的理解分析及收获，如有不正确的地方，敬请批评指正

文章目录

一、论文概括

  1. 研究对象
  2. 目标
  3. 方法
  4. 结论
    Lifelong Disk Failure Prediction via GAN-based Anomaly Detection（2019-IEEE）

二、相关研究工作

  1. SMART
    好坏磁盘的SMART对比
  2. 前人的研究方向：提高FDR

Lifelong Disk Failure Prediction via GAN-based Anomaly Detection（2019-IEEE）
Lifelong Disk Failure Prediction via GAN-based Anomaly Detection（2019-IEEE）
Lifelong Disk Failure Prediction via GAN-based Anomaly Detection（2019-IEEE）

三、论文主体

  1. 结构及模型分析

  2. 数据处理过程

    • 特征选择
    • 2D SMART属性构造
    • 归一化

  3. 基于GAN的磁盘故障预测训练过程

    • GAN用于异常检测
    • GAN用于故障预测
      • 样本打标签问题
      • 模型老化问题

  4. 基

    Lifelong Disk Failure Prediction via GAN-based Anomaly Detection（2019-IEEE）Lifelong Disk Failure Prediction via GAN-based Anomaly Detection（2019-IEEE）Lifelong Disk Failure Prediction via GAN-based Anomaly Detection（2019-IEEE）
    Lifelong Disk Failure Prediction via GAN-based Anomaly Detection（2019-IEEE）
    Lifelong Disk Failure Prediction via GAN-based Anomaly Detection（2019-IEEE）
    Lifelong Disk Failure Prediction via GAN-based Anomaly Detection（2019-IEEE）

四、与《一种硬盘故障预测的非监督对抗学习方法》论文比较

Lifelong Disk Failure Prediction via GAN-based Anomaly Detection（2019-IEEE）

相关文章：

猜你喜欢
相关资源
相似解决方案
热门标签
Java Python linux javascript Mysql C# Docker 算法 前端 SpringBoot Redis Vue spring 设计模式 .net core .net kubernetes c++ 数据库 数据结构 大数据 js 机器学习 微服务 Android Go 程序员 面试 JVM ASP.net core 云原生 人工智能 后端 PHP git CSS golang k8s Nginx Django mybatis 深度学习 多线程 React 架构 devops 爬虫 云计算 Spring Boot LeetCode