基于LSTM的CPU资源使用情况预测算法的研究

作     者：樊文杰 陈岚 张贺 FAN Wenjie;CHEN Lan;ZHANG He

作者机构：中国科学院大学北京100049 中国科学院微电子研究所北京100029 三维及纳米集成电路设计自动化技术北京市重点实验室北京100029 

基　　金：2017年国家重点研发计划高性能计算专项(2017YFB0203501) 北京市科技专项:科技新星与领军人才(Z171100001117147) 

出 版 物：《电子设计工程》 (Electronic Design Engineering)

年 卷 期：2021年第29卷第8期

页      码：23-28页

摘      要：主要研究使用机器学习算法长短期记忆网络(LSTM)实现对CPU资源使用情况的准确预测。LSTM模型能够通过非线性计算提取出CPU资源使用特征,这样可以处理CPU资源使用率不平稳带来的预测难题。同时,在传统LSTM模型上做了优化,在激活函数方面,使用非饱和激活函数ReLU函数代替饱和激活函数Tanh函数,模型的收敛速度提高20%。实验结论表明,在CPU资源使用情况的预测上,使用ReLU激活函数的LSTM模型的预测准确率较高,平均相对误差比传统LSTM模型下降13.75%。

主 题 词：LSTM CPU资源 激活函数 预测 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.14022/j.issn1674-6236.2021.08.006

馆 藏 号：203103153...