基于神经网络计算机网络故障检测分析.docVIP

基于神经网络计算机网络故障检测分析 　　摘 要：伴随着计算机网络技术与电子通信技术的高速发展，随着计算机用户数量的快速增加，计算机网络的所具有的应用规模愈来愈大，其的结构体系不断复杂化，因此计算机网络故障问题的检测已经成为重点研究方向，引起社会的广大关注。本文根据BP神经网络的故障检测基础理论，提出有效可行的检测算法，同时分析将神经网络应用到故障检测方面的检测方法，体现出一定的实际意义。 　　关键词：神经网络；计算机网络；故障；检测 　　中图分类号：TP393.09 　　在各种类型的神经网络模型中，BP模型对于非线性系统的模拟处理技术具有理想的作用效果，这已经广泛应用到故障检测技术的研究领域。然而标准形式的BP网络算法具有收敛速度慢、容易陷入到局部最小点等各种缺陷对于这方面的缺陷问题，本文研究一种优化BP算法的改进方法，同时将其应用在计算机网络故障检测技术中。 　　1 计算机网络的信息采集功能 　　本文通过简单模式的计算机网络管理协议SNMP可以获取得到故障检测所需要的计算机网络设备状态信息。SNMP主要是为了能够解决计算机网络管理中设备种类复杂、数量规模较多、地理位置分布范围等各种问题而进行设计的，其目的在于使得复杂形式的计算机网络管理工作简单化，实现计算机网络管理的标准化目标。SNMP这种计算机网络管理协议已经得到社会各领域的大规模运用，基本上全部计算机供应商所推广的计算机与网络产品都能够支持SNMP计算机网络管理协议。SNMP的功能实现主要由三个部分所构成，分别是管理员、代理与管理信息库。MIB属于一种树形结构类型的数据库，使用对象用于表示被管理设备的各种数据信息的结构化集合，其中各个管理数据信息都属于管理信息树的一个节点，具有唯一的对象标志[1]。 　　2 BP神经网络故障检测算法 　　神经网络不需要预先给出相关模式的经验知识与判别函数，其是一种自适应的模式识别技术，其所构成的决策区域是通过本身的学习机制达到自动形成目的，决定计算机网络特性的主要因素分别有拓扑结构、学习和训练规则、神经元特性等。计算机网络得到某种映射关系主要通过状态???息来对各种不同状态的信息进行实际训练所得到的。同时计算机网络能够连续地进行学习，这种映射关系在环境出现变动时能够进行自适应地调整处理。S型激活函数时BP网络对应的输入与输出关系为： 　　输入net=x1w1+x2w2+…+xnwn 　　输出 　　输出的导数 　　神经网络主要是由大量的神经元相互连接的计算机网络，现阶段BP神经网络是应用十分广泛的一种神经网络模式[2]。BP神经网络一般是单向传播模式的多层次前向网络，其主要是由输入层、中间层与输出层所构成的，中间层可以有若干层，各层之间的神经元只允许接受前一层神经元的对应输出。在BP神经网络中没有相应的反馈，在同一层的节点之间缺乏藕合，各层的节点只会影响下一层节点的相应输入。 　　3 神经网络的计算机网络故障检测原理 　　BP神经网络模型只存在一个输入与一个输出和外界发生联系，其类似于黑匣子的概念。神经网络的模型训练方式主要通过采集的样本数据信息与BP算法来实现的，使其能够与组合导航系统原始算法模型相应的非线性特征不断接近。基于神经网络的计算机网络故障检测技术分成两个环节。一方面应当满足神经网络训练所需要的充足样本数量，然后可以进行期望的计算机网络检测；另一方面根据目前的检测输入，对系统进行相应的检测，使用神经网络达到检测目的。通常情况下首先要对检测的原始数据与训练样本数据进行相应处理，然后才可以开始学习与检测，检测的具体过程主要包含两项内容，分别是预处理与特征提取，从而可以为计算机网络检测提供有效的诊断输入与训练样本，同时这是基于神经网络的计算机网络故障检测的实现目标[3]。 　　基于神经网络的计算机网络故障检测的主要步骤有如下方面：（1）合理确定计算机网络结构的实际规模，特别是计算机网络中间层神经元数目的选取是计算机网络结构确定与计算机网络性能的重点；（2）训练样本集与测试样本集的具体确定。训练样本集的实际作用是对计算机网络进行训练，而测试样本集的具体作用是对计算机网络训练的实用效果与推广能力的有效监测；（3）根据训练样本集对计算机网络进行相关训练，同时经过测试样本集的具体测试，符合要求标准的神经网络可以进行相应的故障检测；（4）基于BP神经网络的故障检测与定位技术根据组合导航系统的实际输入来进行。 　　4 计算机网络故障检测 　　计算机网络故障的主要原因在于协议设置方面产生问题，能够根据软件方面进行检测分析[4]。假如计算机网络的设置方式是正确有效的，测试本地主机是接通的，然而和相邻主机是不通的，这时网卡和交换机互连端口的网线不存在松动现象，TCP/IP协议或者网卡驱动程序需要重新进行一次安装操作