摘要
本发明公开了一种网络故障预测方法、装置、电子设备,包括:将网络故障数据进行预处理,将产生故障的网络节点的反馈数据转化为序列样本数据,生成时间序列数据,每个时间序列数据表示当前节点随时间变化发生的所有故障类型;构建基于动量驱动的课程对比双超图门控卷积网络模型,所述网络模型包括嵌入模块、基于门控的双超图卷积网络的表示学习模块、基于动量驱动优化策略的课程对比学习模块以及预测模块,所述基于动量驱动的课程对比双超图门控卷积网络模型利用输入的所述时间序列数据,对网络故障数据中的故障进行预测。通过上述技术方案,本发明可以解决现有技术不能精准预测异常的问题,实现了精准的网络故障预测。
技术关键词
网络故障预测方法
网络故障数据
卷积网络模型
样本
网络节点信息
模块
生成时间序列数据
信息传递机制
网络节点集合
节点特征
ReLU函数
参数
定义
策略
电子设备
系统为您推荐了相关专利信息
门控循环单元
融合神经网络
数据分类
建模方法
节点
高光谱遥感影像
无人机光谱
反演模型
反演方法
水体