基于深度学习的无线网络日志故障预测算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 故障检测、预测方法的研究现状 | 第12-14页 |
| 1.2.2 深度学习的研究现状 | 第14-15页 |
| 1.3 论文主要研究内容 | 第15-16页 |
| 1.4 论文结构及内容安排 | 第16-19页 |
| 第2章 预备知识 | 第19-29页 |
| 2.1 故障相关定义 | 第19-21页 |
| 2.1.1 网络故障 | 第19-20页 |
| 2.1.2 故障预测 | 第20-21页 |
| 2.2 深度学习模型介绍 | 第21-25页 |
| 2.2.1 卷积神经网络 | 第21-23页 |
| 2.2.2 循环神经网络 | 第23-24页 |
| 2.2.3 序列到序列模型 | 第24-25页 |
| 2.3 无线网络日志数据 | 第25-28页 |
| 2.3.1 日志数据概述 | 第26页 |
| 2.3.2 日志具体组成 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于卷积神经网络的故障预测算法 | 第29-47页 |
| 3.1 整体算法思路 | 第29-30页 |
| 3.2 日志数据预处理 | 第30-33页 |
| 3.2.1 数据清洗 | 第30-31页 |
| 3.2.2 字典构造 | 第31-32页 |
| 3.2.3 日志样本提取 | 第32-33页 |
| 3.3 故障预测模型 | 第33-36页 |
| 3.3.1 词嵌入层 | 第34-35页 |
| 3.3.2 卷积层与池化层 | 第35-36页 |
| 3.3.3 全连接层 | 第36页 |
| 3.4 故障预测模型训练与测试 | 第36-39页 |
| 3.4.1 数据集划分 | 第37-38页 |
| 3.4.2 模型训练 | 第38-39页 |
| 3.4.3 模型测试 | 第39页 |
| 3.5 故障预测实验 | 第39-44页 |
| 3.5.1 实验环境 | 第40页 |
| 3.5.2 评价指标 | 第40-41页 |
| 3.5.3 不同滑动窗口参数对比实验 | 第41-43页 |
| 3.5.4 不同模型对比实验 | 第43-44页 |
| 3.5.5 分析与总结 | 第44页 |
| 3.6 本章小结 | 第44-47页 |
| 第4章 基于序列到序列模型的故障预测算法 | 第47-63页 |
| 4.1 整体算法思路 | 第47-48页 |
| 4.2 改进的日志数据预处理 | 第48-50页 |
| 4.2.1 字典构造 | 第48-49页 |
| 4.2.2 训练测试样本提取 | 第49-50页 |
| 4.3 改进的故障预测模型 | 第50-54页 |
| 4.3.1 词嵌入层及反词嵌入层 | 第51页 |
| 4.3.2 编码层及解码层 | 第51-53页 |
| 4.3.3 模型的训练与测试 | 第53-54页 |
| 4.4 故障预测实验 | 第54-62页 |
| 4.4.1 评价指标 | 第54-55页 |
| 4.4.2 日志预测实验 | 第55-59页 |
| 4.4.3 故障判断实验 | 第59-61页 |
| 4.4.4 分析与总结 | 第61-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第5章 总结与展望 | 第63-65页 |
| 5.1 研究成果与创新点 | 第63-64页 |
| 5.2 研究工作展望 | 第64-65页 |
| 参考文献 | 第65-71页 |
| 致谢 | 第71-73页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第73页 |
