公开(公告)号：CN114548316A

公开(公告)日：2022-05-27

申请号：CN202210204996.2

申请日：2022-03-02

Applicant: 瀚高基础软件股份有限公司 ,  郑州大学

Inventor： 李鹏 ,  姬莉霞 ,  张庆开

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种通过数据仿真训练数据库AI模型的方法，具体本发明是通过基于数据库中存储数据的字段来设置类别关系结构，使得后续不管是生成模拟数据还是筛选模拟数据，都是基于该类别关系结构来完成的，从而保证本发明筛选后所得到的模拟数据都符合数据库中数据的类别关系结构的，也即本发明是基于大量接近真实数据的模拟数据来训练AI模型，最终得到符合用户实际场景的数据库的最优AI模型。

公开(公告)号：CN116775423A

公开(公告)日：2023-09-19

申请号：CN202211104811.7

申请日：2022-09-09

Applicant: 郑州大学

Inventor： 姬莉霞 ,  张庆开 ,  张晗 ,  李鹏 ,  王新宇 ,  周洪鑫 ,  马俊波

IPC: G06F11/34 ,  G06N3/0442 ,  G06N3/049 ,  G06N3/084

Abstract: 本发明公开了一种用于集群故障预测的方法，以解决现有故障预测中长时间序列预测精度低的技术问题。本发明包括：数据预处理，获取集群系统的系统日志作为原始数据，将该原始数据的多元特征映射到初始向量序列；将所述初始向量序列输入BiGRU模型，输出特征向量序列；将BiGRU模型输出的特征向量序列输入Transformer模型进行二次提取，输出状态序列；故障预测，将Transformer模型生成的状态序列输入到全连接神经网络，并转换为需要预测的时间长度的状态序列，最终得到预测结果。本发明的有益技术效果在于：提取特征全面，预测故障精确。