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

来源：电子设计工程, 2021, 29(08): 23-28.

DOI：10.14022/j.issn1674-6236.2021.08.006

• LSTM
• CPU资源
• 激活函数
• 预测

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%。

• 单位
  中国科学院微电子研究所; 中国科学院大学