排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
CPU的可靠性对计算机系统至关重要。针对神经网络等方法在可靠性分析与评估中参数优化困难、模型评估精度不够准确等问题,提出一种基于粒子群优化BP神经网络的可靠性评估模型。该模型利用由正弦映射优化的PSO算法对BP神经网络的权值和阈值进行优化,提高BP神经网络的收敛速度以及评估精度。基于CPU中各功能模块的可靠度,根据改进的BP神经网络模型建立CPU的可靠性评估模型,通过模型训练与测试完成对CPU的可靠性评估。通过对比实验,验证该模型对辐射环境下CPU可靠性评估的有效性和准确性。 相似文献
2.
3.
现有的存储系统可靠性评估方法难以动态地描述其可靠性特征,也难以反映其与时间的关系;针对此问题,提出了一种结合Z语言、连续时间马尔科夫链以及贝叶斯网络的可靠性评估方法;该方法将存储系统抽象为两级,分为功能单元和存储系统整体两部分;在针对功能单元进行可靠性评估时,建立了一种基于Z语言的可靠性模型,由于其关于时间的状态转移符合Markov链的性质,因此引入连续时间马尔科夫链进行评估;为了更清晰地表达存储系统与各个功能单元之间的多状态关系,构建了功能单元失效率与存储系统整体失效率之间的贝叶斯网络;基于贝叶斯网络计算出存储系统的整体可靠性,并得到其可靠性关键模块;最后,通过实例分析与计算表明,基于提出的可靠性评估方法能够准确描述存储系统的状态转移,可以量化计算存储系统的可靠性,得到其可靠度,具有一定的实用价值。 相似文献
4.
1