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

最新推荐文章于 2022-01-21 16:16:40 发布
最新推荐文章于 2022-01-21 16:16:40 发布
阅读量1k 收藏 6
点赞数 7
分类专栏： 论文解析
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/WangZixuan1111/article/details/104993353
版权

内含动画的PPT已经上传，可以在我上传的资源里看到，可免费下载

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
    在这里插入图片描述
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

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

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

    结构及模型在这里插入图片描述在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

四、与《一种硬盘故障预测的非监督对抗学习方法》论文比较

在这里插入图片描述

是肉球哇
关注
  • 7
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Ceph入门到精通-Ceph Pacific 版本磁盘预测模块
隔壁老瓦的专栏
12-15 753
磁盘预测模块利用 Ceph 设备运行状况检查来收集磁盘运行状况指标，并使用内部预测器模块生成磁盘故障预测并返回到 Ceph。它不需要任何外部服务器进行数据分析和输出结果。其内部预测器的准确率约为70%。
Lifelong Disk Failure Prediction via GAN-based Anomaly Detection.pdf
11-03
基于GAN的半监督学习，SMART数据图像化，模型更新 模型输入为1D的SMART特征——x箭头，当前磁盘的状态——y，1D的SMART特征数据集——S，2D的SMART特征集——S’ 模型输出为预测的结果——y’ 另：x箭头’代表的是出队后带标记的老样本，X代表队列转换的2D特征 ——如果磁盘判为异常，那么删除整个磁盘的数据，认定这些数据为正类（异常数据） ——否则，磁盘处于工作状态，当存储磁盘Di
Lifelong Disk Failure Prediction via GAN-based Anomaly Detection
程序猿进化梯
11-05 570
论文来源：ICDD 作者：jiangtianming 华中科技大学 Email:jiangtianming@hust.edu.cn 注：本篇论文已上传到资源，需要的童鞋可免费下载。 前面发的两篇论文分析访问量比较低，这一篇我希望用自己的语言来把文章的思想说清楚。请君仔细阅读。 目录0、论文方法一、时序特征二、数据预处理1、选取特征2、二维特征3、正则化模型1、模型老化问题2、样本标记 0、论文方法 以上的方法其实也说明白了异常检测的思路。首先进行数据预处理，将SMART数据映射到类似图像的二维数据.
Unsupervised Anomaly Detection with GAN
11-22
Unsupervised Anomaly Detection with Generative Adversarial Networks to Guide Marker DiscoveryUnsupervised Anomaly Detection with Generative Adversarial Networks to Guide Marker Discovery
机器学习实践(一)：用KNN进行磁盘故障预测
buchidanhuang的博客
07-30 6143
问题：磁盘故障预测(Disk Failure Prediction) （一）背景和说明   在大规模IDCS和云计算环境中，各种磁盘故障并不少见。幸运的是，我们有S.M.A.R.T.(自监控、分析和报告技术；通常以智能方式编写),从计算机硬盘驱动器(HDDs)、固态驱动器(SSDs)和eMMC驱动器收集的日志，这些日志和检测报告各种驱动器可靠性指标，目的是预测硬件故障。自2013年以来，Backb...
04-图片篇.pptx
11-20
在创建专业且引人入胜的PPT时，图片的选取和美化是至关重要的一步。本课程主要关注如何通过优化文字、美化图片以及设计图表来提升PPT的视觉效果和传达信息的能力。以下是一些关于PPT图片美化的关键知识点： ...
汪子璇（四）3.20.pptx
03-25
这是我3.13-3.20这一周的学习情况，学习李宏毅老师的几个深度学习视频，同时我在学习两篇论文《一种硬盘故障预测的非监督对抗学习方法》和《Lifelong Disk Failure Prediction via GAN-based Anomaly Detection》后...
欧姆龙SMARTSTEP2系列 AC伺服电机/驱动器.rar
10-14
欧姆龙SMARTSTEP2系列是工业自动化领域中的一款高性能AC伺服电机与驱动器组合，专为精准定位和高速运动控制而设计。这款产品线旨在提供高效、稳定且易于集成的解决方案，广泛应用于各种制造业场景，如精密装配、包装...
通过多策略再平衡实现终身意图检测_Lifelong Intent Detection via Multi-Strategy Re
02-10
终身意图检测（Lifelong Intent Detection，LID）是一种应对现实世界中不断涌现的新用户意图的挑战的方法。传统的意图检测（Intent Detection, ID）模型通常是在离线状态下训练的，依赖于固定的数据库和预定义的意图...
Lifelong GAN: Continual Learning for Conditional Image Generation
ysh的博客
09-15 704
ICCV 2019 | Lifelong GAN：基于持续学习的条件图像生成模型
第七篇论文.pptx
04-16
《Outlier Detection for Time Series with Recurrent Autoencoder Ensembles 基于递归自编码集成的时间序列离群点检测》
第一、二篇论文.pptx
04-16
是第一篇、第二篇论文的PPT，打开可以看到动画版的，可能更直观一些。 《一种硬盘故障预测的非监督对抗学习方法》和《Lifelong Disk Failure Prediction via GAN-based Anomaly Detection》
详细DOS教程
09-17
这份档案介绍了常用的DOS使用方法，适用于初学者使用
异常检测 anomaly detection
GhostLWB的博客
12-21 1435
异常检测的应用 欺诈检测 工业质量监测 计算机集群监测 等等 定义 给定一些数据集D={x1,x2,…,xm}D=\{x_1,x_2,\dots,x_m\}D={x1​,x2​,…,xm​},注意这些样本是unlabel的，构建一个模型p(x)p(x)p(x)，对于一个新的样本xtestx_{test}xtest​，判断该样本是否异常。当p(xtest)≤ϵp(x_{test})\le \ep...
（一）一种硬盘故障预测的非监督对抗学习方法（2019-西安电子科技大学学报）
WangZixuan1111的博客
03-20 1277
该篇论文主要围绕“异常检测+硬盘故障预测+GAN+非监督”展开，以下是个人对整篇文章脉络的整理和理解。 文章目录一、论文概括二、相关的研究三、论文主体——提出基于LSTM的非监督对抗学习方法 一、论文概括 研究对象 目的 方法 结论 结果 二、相关的研究 方法及问题 问题的原因分析 前人的具体研究方法和结果 三、论文主体——提出基于LSTM的非监督对抗学习方法 异常检测流程 作者所...
【翻译】DFPE: Explaining Predictive Models for Disk Failure Prediction DFPE: 解释磁盘故障预测模型
weixin_36909758的博客
08-02 1169
【翻译】DFPE: Explaining Predictive Models for Disk Failure Prediction DFPE: 解释磁盘故障预测模型Abstract 摘要1.Introduction 介绍2.BACKGROUND AND RELATED WORK 背景和相关工作A.Notation list 注释列表B.Disk failure prediction 磁盘故障预测C.Abstraction for disk failure predictive models 磁盘故障预测模
终身机器学习（Lifelong Machine Learning）
lanyuxuan100的博客
05-14 2681
终身机器学习三位大牛并附上他们的个人主页链接： Daniel L.Sliver:此人是先驱级的人物，早期理论的奠基人 http://plato.acadiau.ca/courses/comp/dsilver/DLSWebSIte/Welcome.html 杨强:此人曾在华为诺亚方舟研究所工作，从事这个方向的研究，现在在香港执教 http://www.cs.ust.hk/~qyang/ Eric
【异常检测】LSTM用于异常检测：DeepLog与Machine Unlearning
chadlee
01-21 4202
动态异常检测 分析系统运行日志可以检测出系统异常，Min Du ICDM’16的文章SPELL提出一个日志解析工具；基于这个工作，她在CSS’17提出了DeepLog，也是现在非常经典的baseline，无监督的检测系统运行日志；她在CCS’19的工作在DeepLog的基础上引入了恶意样本的信息，改进准确率和误报率，并且将模型适用场景泛化到了信用卡交易记录等。 一、DeepLog 《DeepLog: Anomaly Detection and Diagnosis from System Logs thro
self-attention gan 代码_GAN+异常检测
weixin_39707851的博客
10-28 1349
本文主要调研一下gan在异常检测的方法。训练阶段： 可以通过网络仅仅学习负样本（正常数据）的数据分布，得到的模型G只能生成或者重建正常数据。测试阶段： 使用测试样本输入训练好的模型G，如果G经过重建后输出和输入一样或者接近，表明测试的是正常数据，否则是异常数据。模型G的选择： 一个重建能力或者学习数据分布能力较好的生成模型，例如GAN或者VAE，甚至encode...
The OpenLORIS-scene datasets for lifelong SLAM讲的什么
最新发布
05-23
OpenLORIS-scene是一个基于视觉SLAM技术的数据集，旨在为研究者提供一个用于测试和开发生命周期SLAM算法的基准平台。该数据集由清华大学机器人研究所创建，包含多个场景下的RGB-D图像序列和机器人轨迹，涵盖了室内、...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

是肉球哇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值