10.3969/j.issn.1000-386x.2020.04.004
基于SATLSTM的Web系统老化趋势预测
为解决传统软件老化趋势预测模型泛化能力弱、预测准确度低的问题,根据老化数据的时序特性,提出一种基于自注意力机制的长短时记忆单元(Self-Attention-Long Short Term Memory,SATLST)循环神经网络老化趋势预测模型.将LSTM循环神经网络与自注意力机制融合,在深入挖掘老化数据潜在规律的同时,通过对不同输入数据分配不同权重的方式,加大对局部老化信息的关注度.应用加速寿命测试实验搭建软件老化测试平台,对Web服务器因内存泄漏引起的老化现象进行建模和预测.实验结果表明:相较于传统的ARIMA和BP神经网络模型,该模型训练结果与实际值接近,预测精度高,能准确预测Web系统软件老化趋势.
软件可靠性、软件老化、循环神经网络、LSTM、注意力机制
37
TP301(计算技术、计算机技术)
山西省中科院科技合作项目;山西省重点研发计划一般工业项目;山西省社会发展科技项目
2020-04-24（万方平台首次上网日期，不代表论文的发表时间）
共8页
17-24
