【人工智能】人工智能在CDN关键技术中的应用探讨（下）

人工智能在CDN关键技术中的应用探讨（下）2018-09-2044现有典型人工智能方案的实践现有典型人工智能方案的实践4.1智能存储结果与分析（1）智能磁盘故障预测的可行性试验现有对智能存储的研究中，文献[3]利用BP神经网络（BPNN）和支持向量机（SVM）预测磁盘故障。文献[4]提出了一种改进的朴素贝斯方法，文献[5]提出了TSP模型，均对预测磁盘故障起到了良好效果。下面通过介绍经典SVM算法和BPNN算在磁盘故障预测上的实验结果[3]，来说明智能存储方案的可行性。SVM是一种从最大间隔出发，最终转化为求对变量凸二次规划问题的模型。BPNN是一种利用误差反向传播进行训练的多层前馈神经网络，通过梯度下降等方法，求解网络参数，获得与期望输出值的误差均方差最小的实际输出值。这两种方法得出的故障检测率（FDR）的结果，如图5所示。BPNN方法在不同的时间窗口条件下，FDR相对稳定在93%左右，对于SVM方法，当时间窗口增加大于24h后，预测率由67%增加到97.3%并稳定下来。图6中误报率（FAR）刻画了出现错误预测结果的可能性。误报率越低，证明方法的有效性越好。可以看出，SVM方法的误