ਅਸੀਂ ਵਿਗਾੜਾਂ ਦੀ ਭਾਲ ਕਰਦੇ ਹਾਂ ਅਤੇ ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਸਫਲਤਾਵਾਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਦੇ ਹਾਂ

ਸਾੱਫਟਵੇਅਰ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਉਦਯੋਗਿਕ ਵਿਕਾਸ ਲਈ ਅੰਤਮ ਉਤਪਾਦ ਦੀ ਨੁਕਸ ਸਹਿਣਸ਼ੀਲਤਾ ਵੱਲ ਬਹੁਤ ਧਿਆਨ ਦੇਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਨਾਲ ਹੀ ਅਸਫਲਤਾਵਾਂ ਅਤੇ ਅਸਫਲਤਾਵਾਂ ਦੇ ਤੇਜ਼ੀ ਨਾਲ ਜਵਾਬ ਜੇ ਉਹ ਵਾਪਰਦੀਆਂ ਹਨ। ਨਿਰੀਖਣ, ਬੇਸ਼ੱਕ, ਅਸਫਲਤਾਵਾਂ ਅਤੇ ਅਸਫਲਤਾਵਾਂ ਨੂੰ ਵਧੇਰੇ ਕੁਸ਼ਲਤਾ ਅਤੇ ਤੇਜ਼ੀ ਨਾਲ ਜਵਾਬ ਦੇਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ, ਪਰ ਕਾਫ਼ੀ ਨਹੀਂ। ਸਭ ਤੋਂ ਪਹਿਲਾਂ, ਸਰਵਰਾਂ ਦੀ ਇੱਕ ਵੱਡੀ ਗਿਣਤੀ ਨੂੰ ਟਰੈਕ ਕਰਨਾ ਬਹੁਤ ਮੁਸ਼ਕਲ ਹੈ - ਵੱਡੀ ਗਿਣਤੀ ਵਿੱਚ ਲੋਕਾਂ ਦੀ ਲੋੜ ਹੈ. ਦੂਜਾ, ਤੁਹਾਨੂੰ ਇਸਦੀ ਚੰਗੀ ਸਮਝ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ ਕਿ ਐਪਲੀਕੇਸ਼ਨ ਇਸਦੀ ਸਥਿਤੀ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ ਕਿਵੇਂ ਕੰਮ ਕਰਦੀ ਹੈ। ਇਸ ਲਈ, ਸਾਨੂੰ ਬਹੁਤ ਸਾਰੇ ਲੋਕਾਂ ਦੀ ਲੋੜ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਸਾਡੇ ਦੁਆਰਾ ਵਿਕਸਿਤ ਕੀਤੇ ਜਾ ਰਹੇ ਸਿਸਟਮਾਂ, ਉਹਨਾਂ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਅਤੇ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੀ ਚੰਗੀ ਸਮਝ ਹੋਵੇ। ਚਲੋ ਇਹ ਮੰਨ ਲਓ ਕਿ ਭਾਵੇਂ ਤੁਸੀਂ ਇਸ ਤਰ੍ਹਾਂ ਕਰਨ ਲਈ ਕਾਫ਼ੀ ਲੋਕ ਲੱਭ ਲੈਂਦੇ ਹੋ, ਫਿਰ ਵੀ ਉਨ੍ਹਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਵਿੱਚ ਬਹੁਤ ਸਮਾਂ ਲੱਗਦਾ ਹੈ।

ਮੈਂ ਕੀ ਕਰਾਂ? ਇਹ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ ਨਕਲੀ ਬੁੱਧੀ ਸਾਡੀ ਸਹਾਇਤਾ ਲਈ ਆਉਂਦੀ ਹੈ। ਲੇਖ ਬਾਰੇ ਗੱਲ ਕਰੇਗਾ ਭਵਿੱਖਬਾਣੀ ਰੱਖ-ਰਖਾਅ (ਅਨੁਮਾਨਤ ਰੱਖ-ਰਖਾਅ)। ਇਹ ਪਹੁੰਚ ਸਰਗਰਮੀ ਨਾਲ ਪ੍ਰਸਿੱਧੀ ਪ੍ਰਾਪਤ ਕਰ ਰਹੀ ਹੈ. ਹੈਬਰੇ ਸਮੇਤ ਵੱਡੀ ਗਿਣਤੀ ਵਿੱਚ ਲੇਖ ਲਿਖੇ ਗਏ ਹਨ। ਵੱਡੀਆਂ ਕੰਪਨੀਆਂ ਆਪਣੇ ਸਰਵਰਾਂ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਨੂੰ ਬਣਾਈ ਰੱਖਣ ਲਈ ਇਸ ਪਹੁੰਚ ਦੀ ਪੂਰੀ ਵਰਤੋਂ ਕਰਦੀਆਂ ਹਨ। ਵੱਡੀ ਗਿਣਤੀ ਵਿੱਚ ਲੇਖਾਂ ਦਾ ਅਧਿਐਨ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਅਸੀਂ ਇਸ ਪਹੁੰਚ ਨੂੰ ਅਜ਼ਮਾਉਣ ਦਾ ਫੈਸਲਾ ਕੀਤਾ। ਇਸ ਦਾ ਕੀ ਨਿਕਲਿਆ?

ਜਾਣ ਪਛਾਣ

ਵਿਕਸਤ ਸਾਫਟਵੇਅਰ ਸਿਸਟਮ ਜਲਦੀ ਜਾਂ ਬਾਅਦ ਵਿੱਚ ਕੰਮ ਵਿੱਚ ਚਲਾ ਜਾਂਦਾ ਹੈ। ਇਹ ਉਪਭੋਗਤਾ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿ ਸਿਸਟਮ ਅਸਫਲਤਾ ਦੇ ਬਿਨਾਂ ਕੰਮ ਕਰਦਾ ਹੈ. ਜੇਕਰ ਕੋਈ ਐਮਰਜੈਂਸੀ ਵਾਪਰਦੀ ਹੈ, ਤਾਂ ਇਸ ਨੂੰ ਘੱਟੋ-ਘੱਟ ਦੇਰੀ ਨਾਲ ਹੱਲ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।

ਇੱਕ ਸੌਫਟਵੇਅਰ ਸਿਸਟਮ ਦੀ ਤਕਨੀਕੀ ਸਹਾਇਤਾ ਨੂੰ ਸਰਲ ਬਣਾਉਣ ਲਈ, ਖਾਸ ਤੌਰ 'ਤੇ ਜੇਕਰ ਬਹੁਤ ਸਾਰੇ ਸਰਵਰ ਹਨ, ਨਿਗਰਾਨੀ ਪ੍ਰੋਗਰਾਮਾਂ ਦੀ ਵਰਤੋਂ ਆਮ ਤੌਰ 'ਤੇ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਜੋ ਇੱਕ ਚੱਲ ਰਹੇ ਸੌਫਟਵੇਅਰ ਸਿਸਟਮ ਤੋਂ ਮੈਟ੍ਰਿਕਸ ਲੈਂਦੇ ਹਨ, ਇਸਦੀ ਸਥਿਤੀ ਦਾ ਨਿਦਾਨ ਕਰਨਾ ਸੰਭਵ ਬਣਾਉਂਦੇ ਹਨ ਅਤੇ ਇਹ ਨਿਰਧਾਰਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹਨ ਕਿ ਅਸਫਲਤਾ ਦਾ ਅਸਲ ਕਾਰਨ ਕੀ ਹੈ। ਇਸ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਸਾਫਟਵੇਅਰ ਸਿਸਟਮ ਨਿਗਰਾਨੀ ਕਿਹਾ ਜਾਂਦਾ ਹੈ।

ਚਿੱਤਰ 1. ਗ੍ਰਾਫਾਨਾ ਨਿਗਰਾਨੀ ਇੰਟਰਫੇਸ

ਮੈਟ੍ਰਿਕਸ ਇੱਕ ਸਾਫਟਵੇਅਰ ਸਿਸਟਮ, ਇਸਦੇ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਇਨਵਾਇਰਮੈਂਟ, ਜਾਂ ਭੌਤਿਕ ਕੰਪਿਊਟਰ ਦੇ ਵੱਖ-ਵੱਖ ਸੂਚਕ ਹੁੰਦੇ ਹਨ ਜਿਸ ਦੇ ਅਧੀਨ ਸਿਸਟਮ ਉਸ ਪਲ ਦੇ ਟਾਈਮਸਟੈਂਪ ਨਾਲ ਚੱਲ ਰਿਹਾ ਹੈ ਜਦੋਂ ਮੈਟ੍ਰਿਕਸ ਪ੍ਰਾਪਤ ਹੋਏ ਸਨ। ਸਥਿਰ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ, ਇਹਨਾਂ ਮੈਟ੍ਰਿਕਸ ਨੂੰ ਸਮਾਂ ਲੜੀ ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਸਾਫਟਵੇਅਰ ਸਿਸਟਮ ਦੀ ਸਥਿਤੀ ਦੀ ਨਿਗਰਾਨੀ ਕਰਨ ਲਈ, ਮੈਟ੍ਰਿਕਸ ਗ੍ਰਾਫਾਂ ਦੇ ਰੂਪ ਵਿੱਚ ਪ੍ਰਦਰਸ਼ਿਤ ਕੀਤੇ ਜਾਂਦੇ ਹਨ: ਸਮਾਂ X ਧੁਰੇ 'ਤੇ ਹੈ, ਅਤੇ ਮੁੱਲ Y ਧੁਰੇ ਦੇ ਨਾਲ ਹਨ (ਚਿੱਤਰ 1)। ਚੱਲ ਰਹੇ ਸਾਫਟਵੇਅਰ ਸਿਸਟਮ (ਹਰੇਕ ਨੋਡ ਤੋਂ) ਤੋਂ ਕਈ ਹਜ਼ਾਰ ਮੈਟ੍ਰਿਕਸ ਲਏ ਜਾ ਸਕਦੇ ਹਨ। ਉਹ ਮੈਟ੍ਰਿਕਸ (ਬਹੁ-ਆਯਾਮੀ ਸਮਾਂ ਲੜੀ) ਦੀ ਇੱਕ ਸਪੇਸ ਬਣਾਉਂਦੇ ਹਨ।

ਕਿਉਂਕਿ ਗੁੰਝਲਦਾਰ ਸੌਫਟਵੇਅਰ ਪ੍ਰਣਾਲੀਆਂ ਲਈ ਵੱਡੀ ਗਿਣਤੀ ਵਿੱਚ ਮੈਟ੍ਰਿਕਸ ਇਕੱਤਰ ਕੀਤੇ ਜਾਂਦੇ ਹਨ, ਇਸ ਲਈ ਦਸਤੀ ਨਿਗਰਾਨੀ ਇੱਕ ਮੁਸ਼ਕਲ ਕੰਮ ਬਣ ਜਾਂਦਾ ਹੈ। ਪ੍ਰਸ਼ਾਸਕ ਦੁਆਰਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤੇ ਗਏ ਡੇਟਾ ਦੀ ਮਾਤਰਾ ਨੂੰ ਘਟਾਉਣ ਲਈ, ਨਿਗਰਾਨੀ ਸਾਧਨਾਂ ਵਿੱਚ ਸੰਭਾਵੀ ਸਮੱਸਿਆਵਾਂ ਦੀ ਸਵੈਚਲਿਤ ਤੌਰ 'ਤੇ ਪਛਾਣ ਕਰਨ ਲਈ ਟੂਲ ਸ਼ਾਮਲ ਹੁੰਦੇ ਹਨ। ਉਦਾਹਰਨ ਲਈ, ਜਦੋਂ ਖਾਲੀ ਡਿਸਕ ਸਪੇਸ ਇੱਕ ਨਿਸ਼ਚਿਤ ਥ੍ਰੈਸ਼ਹੋਲਡ ਤੋਂ ਹੇਠਾਂ ਆਉਂਦੀ ਹੈ ਤਾਂ ਤੁਸੀਂ ਫਾਇਰ ਕਰਨ ਲਈ ਇੱਕ ਟਰਿੱਗਰ ਨੂੰ ਕੌਂਫਿਗਰ ਕਰ ਸਕਦੇ ਹੋ। ਤੁਸੀਂ ਸਰਵਰ ਬੰਦ ਹੋਣ ਜਾਂ ਸੇਵਾ ਦੀ ਗਤੀ ਵਿੱਚ ਇੱਕ ਗੰਭੀਰ ਮੰਦੀ ਦਾ ਆਪਣੇ ਆਪ ਨਿਦਾਨ ਵੀ ਕਰ ਸਕਦੇ ਹੋ। ਅਭਿਆਸ ਵਿੱਚ, ਨਿਗਰਾਨੀ ਟੂਲ ਪਹਿਲਾਂ ਹੀ ਆਈਆਂ ਅਸਫਲਤਾਵਾਂ ਦਾ ਪਤਾ ਲਗਾਉਣ ਜਾਂ ਭਵਿੱਖ ਵਿੱਚ ਅਸਫਲਤਾਵਾਂ ਦੇ ਸਧਾਰਨ ਲੱਛਣਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ ਇੱਕ ਵਧੀਆ ਕੰਮ ਕਰਦੇ ਹਨ, ਪਰ ਆਮ ਤੌਰ 'ਤੇ, ਇੱਕ ਸੰਭਾਵਿਤ ਅਸਫਲਤਾ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨਾ ਉਹਨਾਂ ਲਈ ਦਰਾੜ ਕਰਨ ਲਈ ਇੱਕ ਮੁਸ਼ਕਲ ਗਿਰੀ ਬਣਿਆ ਹੋਇਆ ਹੈ। ਮੈਟ੍ਰਿਕਸ ਦੇ ਮੈਨੂਅਲ ਵਿਸ਼ਲੇਸ਼ਣ ਦੁਆਰਾ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ ਯੋਗ ਮਾਹਿਰਾਂ ਦੀ ਸ਼ਮੂਲੀਅਤ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਹ ਘੱਟ ਉਤਪਾਦਕਤਾ ਹੈ. ਜ਼ਿਆਦਾਤਰ ਸੰਭਾਵੀ ਅਸਫਲਤਾਵਾਂ ਦਾ ਧਿਆਨ ਨਹੀਂ ਦਿੱਤਾ ਜਾ ਸਕਦਾ ਹੈ।

ਹਾਲ ਹੀ ਵਿੱਚ, ਸੌਫਟਵੇਅਰ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਅਖੌਤੀ ਭਵਿੱਖਬਾਣੀ ਰੱਖ-ਰਖਾਵ ਵੱਡੀਆਂ IT ਸਾਫਟਵੇਅਰ ਡਿਵੈਲਪਮੈਂਟ ਕੰਪਨੀਆਂ ਵਿੱਚ ਤੇਜ਼ੀ ਨਾਲ ਪ੍ਰਸਿੱਧ ਹੋ ਗਿਆ ਹੈ। ਇਸ ਪਹੁੰਚ ਦਾ ਸਾਰ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਇਸ ਦੇ ਅਸਫਲ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ, ਸ਼ੁਰੂਆਤੀ ਪੜਾਵਾਂ ਵਿੱਚ ਸਿਸਟਮ ਦੀ ਗਿਰਾਵਟ ਵੱਲ ਜਾਣ ਵਾਲੀਆਂ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਲੱਭਣਾ ਹੈ। ਇਹ ਪਹੁੰਚ ਸਿਸਟਮ ਦੀ ਮੈਨੂਅਲ ਨਿਗਰਾਨੀ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਬਾਹਰ ਨਹੀਂ ਰੱਖਦੀ। ਇਹ ਸਮੁੱਚੇ ਤੌਰ 'ਤੇ ਨਿਗਰਾਨੀ ਪ੍ਰਕਿਰਿਆ ਲਈ ਸਹਾਇਕ ਹੈ।

ਭਵਿੱਖਬਾਣੀ ਰੱਖ-ਰਖਾਅ ਨੂੰ ਲਾਗੂ ਕਰਨ ਲਈ ਮੁੱਖ ਸਾਧਨ ਸਮਾਂ ਲੜੀ ਵਿੱਚ ਵਿਗਾੜਾਂ ਦੀ ਖੋਜ ਕਰਨਾ ਹੈ, ਕਿਉਂਕਿ ਜਦੋਂ ਕੋਈ ਵਿਗਾੜ ਪੈਦਾ ਹੁੰਦਾ ਹੈ ਡਾਟਾ ਵਿੱਚ ਇੱਕ ਉੱਚ ਸੰਭਾਵਨਾ ਹੈ ਕਿ ਕੁਝ ਸਮੇਂ ਬਾਅਦ ਇੱਕ ਅਸਫਲਤਾ ਜਾਂ ਅਸਫਲਤਾ ਹੋਵੇਗੀ. ਇੱਕ ਅਸੰਗਤਤਾ ਇੱਕ ਸਾਫਟਵੇਅਰ ਸਿਸਟਮ ਦੇ ਪ੍ਰਦਰਸ਼ਨ ਵਿੱਚ ਇੱਕ ਖਾਸ ਵਿਵਹਾਰ ਹੈ, ਜਿਵੇਂ ਕਿ ਇੱਕ ਕਿਸਮ ਦੀ ਬੇਨਤੀ ਦੀ ਐਗਜ਼ੀਕਿਊਸ਼ਨ ਸਪੀਡ ਵਿੱਚ ਗਿਰਾਵਟ ਦੀ ਪਛਾਣ ਕਰਨਾ ਜਾਂ ਕਲਾਇੰਟ ਸੈਸ਼ਨਾਂ ਦੇ ਨਿਰੰਤਰ ਪੱਧਰ 'ਤੇ ਸੇਵਾ ਕੀਤੀਆਂ ਬੇਨਤੀਆਂ ਦੀ ਔਸਤ ਗਿਣਤੀ ਵਿੱਚ ਕਮੀ।

ਸੌਫਟਵੇਅਰ ਪ੍ਰਣਾਲੀਆਂ ਲਈ ਵਿਗਾੜਾਂ ਦੀ ਖੋਜ ਕਰਨ ਦੇ ਕੰਮ ਦੀਆਂ ਆਪਣੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਹਨ। ਸਿਧਾਂਤਕ ਤੌਰ 'ਤੇ, ਹਰੇਕ ਸੌਫਟਵੇਅਰ ਸਿਸਟਮ ਲਈ ਮੌਜੂਦਾ ਤਰੀਕਿਆਂ ਦਾ ਵਿਕਾਸ ਜਾਂ ਸੁਧਾਰ ਕਰਨਾ ਜ਼ਰੂਰੀ ਹੈ, ਕਿਉਂਕਿ ਵਿਗਾੜਾਂ ਦੀ ਖੋਜ ਉਸ ਡੇਟਾ 'ਤੇ ਬਹੁਤ ਨਿਰਭਰ ਕਰਦੀ ਹੈ ਜਿਸ ਵਿੱਚ ਇਹ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਸਾਫਟਵੇਅਰ ਪ੍ਰਣਾਲੀਆਂ ਦਾ ਡੇਟਾ ਸਿਸਟਮ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੇ ਸਾਧਨਾਂ ਦੇ ਅਧਾਰ ਤੇ ਬਹੁਤ ਬਦਲਦਾ ਹੈ। , ਇਹ ਕਿਸ ਕੰਪਿਊਟਰ 'ਤੇ ਚੱਲ ਰਿਹਾ ਹੈ।

ਸੌਫਟਵੇਅਰ ਪ੍ਰਣਾਲੀਆਂ ਦੀਆਂ ਅਸਫਲਤਾਵਾਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਦੇ ਸਮੇਂ ਵਿਗਾੜਾਂ ਦੀ ਖੋਜ ਕਰਨ ਦੇ ਤਰੀਕੇ

ਸਭ ਤੋਂ ਪਹਿਲਾਂ, ਇਹ ਕਹਿਣਾ ਮਹੱਤਵਪੂਰਣ ਹੈ ਕਿ ਅਸਫਲਤਾਵਾਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਦਾ ਵਿਚਾਰ ਲੇਖ ਦੁਆਰਾ ਪ੍ਰੇਰਿਤ ਕੀਤਾ ਗਿਆ ਸੀ "ਆਈਟੀ ਨਿਗਰਾਨੀ ਵਿੱਚ ਮਸ਼ੀਨ ਸਿਖਲਾਈ". ਵਿਗਾੜਾਂ ਲਈ ਆਟੋਮੈਟਿਕ ਖੋਜ ਦੇ ਨਾਲ ਪਹੁੰਚ ਦੀ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ, ਵੈਬ-ਕੰਸੋਲਿਡੇਸ਼ਨ ਸੌਫਟਵੇਅਰ ਸਿਸਟਮ ਨੂੰ ਚੁਣਿਆ ਗਿਆ ਸੀ, ਜੋ ਕਿ ਐਨਪੀਓ ਕ੍ਰਿਸਟਾ ਕੰਪਨੀ ਦੇ ਪ੍ਰੋਜੈਕਟਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ। ਪਹਿਲਾਂ, ਪ੍ਰਾਪਤ ਮੈਟ੍ਰਿਕਸ ਦੇ ਅਧਾਰ ਤੇ ਇਸਦੇ ਲਈ ਮੈਨੂਅਲ ਨਿਗਰਾਨੀ ਕੀਤੀ ਜਾਂਦੀ ਸੀ। ਕਿਉਂਕਿ ਸਿਸਟਮ ਕਾਫ਼ੀ ਗੁੰਝਲਦਾਰ ਹੈ, ਇਸ ਲਈ ਵੱਡੀ ਗਿਣਤੀ ਵਿੱਚ ਮੈਟ੍ਰਿਕਸ ਲਏ ਗਏ ਹਨ: JVM ਸੂਚਕ (ਕੂੜਾ ਇਕੱਠਾ ਕਰਨ ਵਾਲਾ ਲੋਡ), OS ਦੇ ਸੂਚਕ ਜਿਸ ਦੇ ਤਹਿਤ ਕੋਡ ਚਲਾਇਆ ਜਾਂਦਾ ਹੈ (ਵਰਚੁਅਲ ਮੈਮੋਰੀ, % OS CPU ਲੋਡ), ਨੈੱਟਵਰਕ ਸੂਚਕ (ਨੈੱਟਵਰਕ ਲੋਡ) ), ਸਰਵਰ ਖੁਦ (CPU ਲੋਡ , ਮੈਮੋਰੀ), ਵਾਈਲਡਫਲਾਈ ਮੈਟ੍ਰਿਕਸ ਅਤੇ ਸਾਰੇ ਨਾਜ਼ੁਕ ਉਪ-ਸਿਸਟਮ ਲਈ ਐਪਲੀਕੇਸ਼ਨ ਦੇ ਆਪਣੇ ਮੈਟ੍ਰਿਕਸ।

ਸਾਰੇ ਮੈਟ੍ਰਿਕਸ ਗ੍ਰੇਫਾਈਟ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਸਿਸਟਮ ਤੋਂ ਲਏ ਜਾਂਦੇ ਹਨ। ਸ਼ੁਰੂ ਵਿੱਚ, ਵਿਸਪਰ ਡੇਟਾਬੇਸ ਨੂੰ ਗ੍ਰਾਫਾਨਾ ਲਈ ਇੱਕ ਮਿਆਰੀ ਹੱਲ ਵਜੋਂ ਵਰਤਿਆ ਜਾਂਦਾ ਸੀ, ਪਰ ਜਿਵੇਂ ਕਿ ਕਲਾਇੰਟ ਬੇਸ ਵਧਦਾ ਗਿਆ, ਡੀਸੀ ਡਿਸਕ ਸਬ-ਸਿਸਟਮ ਦੀ ਸਮਰੱਥਾ ਨੂੰ ਖਤਮ ਕਰਕੇ, ਗ੍ਰੈਫਾਈਟ ਹੁਣ ਇਸਦਾ ਮੁਕਾਬਲਾ ਨਹੀਂ ਕਰ ਸਕਦਾ ਸੀ। ਇਸ ਤੋਂ ਬਾਅਦ ਹੋਰ ਕਾਰਗਰ ਹੱਲ ਕੱਢਣ ਦਾ ਫੈਸਲਾ ਕੀਤਾ ਗਿਆ। ਦੇ ਹੱਕ ਵਿੱਚ ਚੋਣ ਕੀਤੀ ਸੀ ਗ੍ਰੈਫਾਈਟ+ਕਲਿਕਹਾਊਸ, ਜਿਸ ਨਾਲ ਡਿਸਕ ਸਬ-ਸਿਸਟਮ 'ਤੇ ਲੋਡ ਨੂੰ ਤੀਬਰਤਾ ਦੇ ਕ੍ਰਮ ਦੁਆਰਾ ਘਟਾਉਣਾ ਅਤੇ ਕਬਜ਼ੇ ਵਾਲੀ ਡਿਸਕ ਸਪੇਸ ਨੂੰ ਪੰਜ ਤੋਂ ਛੇ ਗੁਣਾ ਤੱਕ ਘਟਾਉਣਾ ਸੰਭਵ ਬਣਾਇਆ ਗਿਆ ਹੈ। ਹੇਠਾਂ ਗ੍ਰਾਫਾਈਟ+ਕਲਿੱਕਹਾਊਸ (ਚਿੱਤਰ 2) ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਮੈਟ੍ਰਿਕਸ ਇਕੱਠੇ ਕਰਨ ਲਈ ਵਿਧੀ ਦਾ ਚਿੱਤਰ ਹੈ।

ਚਿੱਤਰ 2. ਮੈਟ੍ਰਿਕਸ ਇਕੱਠੇ ਕਰਨ ਲਈ ਸਕੀਮ

ਚਿੱਤਰ ਅੰਦਰੂਨੀ ਦਸਤਾਵੇਜ਼ਾਂ ਤੋਂ ਲਿਆ ਗਿਆ ਹੈ। ਇਹ ਗ੍ਰਾਫਾਨਾ (ਨਿਗਰਾਨੀ UI ਜੋ ਅਸੀਂ ਵਰਤਦੇ ਹਾਂ) ਅਤੇ ਗ੍ਰੈਫਾਈਟ ਵਿਚਕਾਰ ਸੰਚਾਰ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਕਿਸੇ ਐਪਲੀਕੇਸ਼ਨ ਤੋਂ ਮੈਟ੍ਰਿਕਸ ਨੂੰ ਹਟਾਉਣਾ ਵੱਖਰੇ ਸੌਫਟਵੇਅਰ ਦੁਆਰਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ - jmxtrans. ਉਹ ਉਹਨਾਂ ਨੂੰ ਗ੍ਰੈਫਾਈਟ ਵਿੱਚ ਪਾਉਂਦਾ ਹੈ।
ਵੈੱਬ ਏਕੀਕਰਨ ਪ੍ਰਣਾਲੀ ਦੀਆਂ ਕਈ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਹਨ ਜੋ ਅਸਫਲਤਾਵਾਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ ਸਮੱਸਿਆਵਾਂ ਪੈਦਾ ਕਰਦੀਆਂ ਹਨ:

1. ਰੁਝਾਨ ਅਕਸਰ ਬਦਲਦਾ ਹੈ. ਇਸ ਸਾਫਟਵੇਅਰ ਸਿਸਟਮ ਲਈ ਕਈ ਸੰਸਕਰਣ ਉਪਲਬਧ ਹਨ। ਉਹਨਾਂ ਵਿੱਚੋਂ ਹਰ ਇੱਕ ਸਿਸਟਮ ਦੇ ਸਾਫਟਵੇਅਰ ਹਿੱਸੇ ਵਿੱਚ ਬਦਲਾਅ ਲਿਆਉਂਦਾ ਹੈ। ਇਸ ਅਨੁਸਾਰ, ਇਸ ਤਰੀਕੇ ਨਾਲ, ਡਿਵੈਲਪਰ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਦਿੱਤੇ ਸਿਸਟਮ ਦੇ ਮੈਟ੍ਰਿਕਸ ਨੂੰ ਪ੍ਰਭਾਵਿਤ ਕਰਦੇ ਹਨ ਅਤੇ ਇੱਕ ਰੁਝਾਨ ਤਬਦੀਲੀ ਦਾ ਕਾਰਨ ਬਣ ਸਕਦੇ ਹਨ;
2. ਲਾਗੂ ਕਰਨ ਦੀ ਵਿਸ਼ੇਸ਼ਤਾ, ਅਤੇ ਨਾਲ ਹੀ ਉਹ ਉਦੇਸ਼ ਜਿਨ੍ਹਾਂ ਲਈ ਕਲਾਇੰਟ ਇਸ ਸਿਸਟਮ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ, ਅਕਸਰ ਪਿਛਲੀ ਡਿਗਰੇਡੇਸ਼ਨ ਤੋਂ ਬਿਨਾਂ ਵਿਗਾੜ ਪੈਦਾ ਕਰਦੇ ਹਨ;
3. ਪੂਰੇ ਡੇਟਾ ਸੈੱਟ ਦੇ ਅਨੁਸਾਰੀ ਵਿਗਾੜਾਂ ਦੀ ਪ੍ਰਤੀਸ਼ਤਤਾ ਛੋਟੀ ਹੈ (<5%);
4. ਸਿਸਟਮ ਤੋਂ ਸੰਕੇਤਕ ਪ੍ਰਾਪਤ ਕਰਨ ਵਿੱਚ ਅੰਤਰ ਹੋ ਸਕਦੇ ਹਨ। ਕੁਝ ਥੋੜ੍ਹੇ ਸਮੇਂ ਵਿੱਚ, ਨਿਗਰਾਨੀ ਪ੍ਰਣਾਲੀ ਮੈਟ੍ਰਿਕਸ ਪ੍ਰਾਪਤ ਕਰਨ ਵਿੱਚ ਅਸਫਲ ਰਹਿੰਦੀ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਜੇਕਰ ਸਰਵਰ ਓਵਰਲੋਡ ਹੈ। ਇਹ ਇੱਕ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਸਿੰਥੈਟਿਕ ਤੌਰ 'ਤੇ ਪਾੜੇ ਨੂੰ ਭਰਨ ਦੀ ਜ਼ਰੂਰਤ ਹੈ;
5. ਵਿਗਾੜ ਵਾਲੇ ਮਾਮਲੇ ਅਕਸਰ ਸਿਰਫ਼ ਇੱਕ ਖਾਸ ਮਿਤੀ/ਮਹੀਨਾ/ਸਮੇਂ (ਮੌਸਮੀਤਾ) ਲਈ ਸੰਬੰਧਿਤ ਹੁੰਦੇ ਹਨ। ਇਸ ਪ੍ਰਣਾਲੀ ਦੇ ਉਪਭੋਗਤਾਵਾਂ ਦੁਆਰਾ ਇਸਦੀ ਵਰਤੋਂ ਲਈ ਸਪੱਸ਼ਟ ਨਿਯਮ ਹਨ। ਇਸ ਅਨੁਸਾਰ, ਮੈਟ੍ਰਿਕਸ ਸਿਰਫ਼ ਇੱਕ ਖਾਸ ਸਮੇਂ ਲਈ ਸੰਬੰਧਿਤ ਹਨ। ਸਿਸਟਮ ਦੀ ਵਰਤੋਂ ਲਗਾਤਾਰ ਨਹੀਂ ਕੀਤੀ ਜਾ ਸਕਦੀ, ਪਰ ਸਿਰਫ ਕੁਝ ਮਹੀਨਿਆਂ ਵਿੱਚ: ਚੋਣਵੇਂ ਰੂਪ ਵਿੱਚ ਸਾਲ ਦੇ ਅਧਾਰ ਤੇ। ਸਥਿਤੀਆਂ ਉਦੋਂ ਪੈਦਾ ਹੁੰਦੀਆਂ ਹਨ ਜਦੋਂ ਇੱਕ ਕੇਸ ਵਿੱਚ ਮੈਟ੍ਰਿਕਸ ਦਾ ਇੱਕੋ ਜਿਹਾ ਵਿਵਹਾਰ ਸਾਫਟਵੇਅਰ ਸਿਸਟਮ ਦੀ ਅਸਫਲਤਾ ਦਾ ਕਾਰਨ ਬਣ ਸਕਦਾ ਹੈ, ਪਰ ਦੂਜੇ ਵਿੱਚ ਨਹੀਂ।
   ਸ਼ੁਰੂ ਕਰਨ ਲਈ, ਸਾਫਟਵੇਅਰ ਪ੍ਰਣਾਲੀਆਂ ਦੀ ਨਿਗਰਾਨੀ ਕਰਨ ਵਾਲੇ ਡੇਟਾ ਵਿੱਚ ਵਿਗਾੜਾਂ ਦਾ ਪਤਾ ਲਗਾਉਣ ਦੇ ਢੰਗਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਗਿਆ ਸੀ। ਇਸ ਵਿਸ਼ੇ 'ਤੇ ਲੇਖਾਂ ਵਿੱਚ, ਜਦੋਂ ਬਾਕੀ ਡੇਟਾ ਸੈੱਟਾਂ ਦੇ ਮੁਕਾਬਲੇ ਅਸਮਾਨਤਾਵਾਂ ਦੀ ਪ੍ਰਤੀਸ਼ਤਤਾ ਘੱਟ ਹੁੰਦੀ ਹੈ, ਤਾਂ ਅਕਸਰ ਨਿਊਰਲ ਨੈਟਵਰਕ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦਾ ਪ੍ਰਸਤਾਵ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।

ਨਿਊਰਲ ਨੈਟਵਰਕ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਵਿਗਾੜਾਂ ਦੀ ਖੋਜ ਕਰਨ ਲਈ ਮੂਲ ਤਰਕ ਚਿੱਤਰ 3 ਵਿੱਚ ਦਿਖਾਇਆ ਗਿਆ ਹੈ:

ਚਿੱਤਰ 3. ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਵਿਗਾੜਾਂ ਦੀ ਖੋਜ ਕਰਨਾ

ਮੈਟ੍ਰਿਕਸ ਦੇ ਮੌਜੂਦਾ ਪ੍ਰਵਾਹ ਦੀ ਵਿੰਡੋ ਦੀ ਪੂਰਵ ਅਨੁਮਾਨ ਜਾਂ ਬਹਾਲੀ ਦੇ ਨਤੀਜੇ ਦੇ ਅਧਾਰ 'ਤੇ, ਚੱਲ ਰਹੇ ਸੌਫਟਵੇਅਰ ਸਿਸਟਮ ਤੋਂ ਪ੍ਰਾਪਤ ਕੀਤੀ ਗਈ ਭਟਕਣਾ ਦੀ ਗਣਨਾ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਜੇਕਰ ਸਾਫਟਵੇਅਰ ਸਿਸਟਮ ਅਤੇ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਤੋਂ ਪ੍ਰਾਪਤ ਮੈਟ੍ਰਿਕਸ ਵਿੱਚ ਵੱਡਾ ਫਰਕ ਹੈ, ਤਾਂ ਅਸੀਂ ਇਹ ਸਿੱਟਾ ਕੱਢ ਸਕਦੇ ਹਾਂ ਕਿ ਮੌਜੂਦਾ ਡਾਟਾ ਖੰਡ ਅਸੰਗਤ ਹੈ। ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਦੀ ਵਰਤੋਂ ਲਈ ਸਮੱਸਿਆਵਾਂ ਦੀ ਹੇਠ ਲਿਖੀ ਲੜੀ ਪੈਦਾ ਹੁੰਦੀ ਹੈ:

1. ਸਟ੍ਰੀਮਿੰਗ ਮੋਡ ਵਿੱਚ ਸਹੀ ਢੰਗ ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ, ਨਿਊਰਲ ਨੈਟਵਰਕ ਮਾਡਲਾਂ ਦੀ ਸਿਖਲਾਈ ਲਈ ਡੇਟਾ ਵਿੱਚ ਸਿਰਫ਼ "ਆਮ" ਡੇਟਾ ਸ਼ਾਮਲ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ;
2. ਸਹੀ ਖੋਜ ਲਈ ਇੱਕ ਨਵੀਨਤਮ ਮਾਡਲ ਹੋਣਾ ਜ਼ਰੂਰੀ ਹੈ। ਮੈਟ੍ਰਿਕਸ ਵਿੱਚ ਬਦਲਦੇ ਰੁਝਾਨ ਅਤੇ ਮੌਸਮੀ ਮਾਡਲ ਵਿੱਚ ਵੱਡੀ ਗਿਣਤੀ ਵਿੱਚ ਗਲਤ ਸਕਾਰਾਤਮਕਤਾ ਪੈਦਾ ਹੋ ਸਕਦੀ ਹੈ। ਇਸ ਨੂੰ ਅੱਪਡੇਟ ਕਰਨ ਲਈ, ਮਾਡਲ ਦੇ ਪੁਰਾਣੇ ਹੋਣ ਦਾ ਸਮਾਂ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਨਿਰਧਾਰਤ ਕਰਨਾ ਜ਼ਰੂਰੀ ਹੈ। ਜੇ ਤੁਸੀਂ ਬਾਅਦ ਵਿੱਚ ਜਾਂ ਪਹਿਲਾਂ ਮਾਡਲ ਨੂੰ ਅਪਡੇਟ ਕਰਦੇ ਹੋ, ਤਾਂ, ਸੰਭਾਵਤ ਤੌਰ 'ਤੇ, ਵੱਡੀ ਗਿਣਤੀ ਵਿੱਚ ਝੂਠੇ ਸਕਾਰਾਤਮਕਤਾਵਾਂ ਦੀ ਪਾਲਣਾ ਕੀਤੀ ਜਾਵੇਗੀ.
   ਸਾਨੂੰ ਇਹ ਵੀ ਨਹੀਂ ਭੁੱਲਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਝੂਠੇ ਸਕਾਰਾਤਮਕਾਂ ਦੀ ਅਕਸਰ ਮੌਜੂਦਗੀ ਨੂੰ ਖੋਜਣ ਅਤੇ ਰੋਕਣਾ. ਇਹ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ ਕਿ ਉਹ ਅਕਸਰ ਐਮਰਜੈਂਸੀ ਸਥਿਤੀਆਂ ਵਿੱਚ ਹੁੰਦੇ ਹਨ। ਹਾਲਾਂਕਿ, ਉਹ ਨਾਕਾਫ਼ੀ ਸਿਖਲਾਈ ਦੇ ਕਾਰਨ ਇੱਕ ਨਿਊਰਲ ਨੈਟਵਰਕ ਗਲਤੀ ਦਾ ਨਤੀਜਾ ਵੀ ਹੋ ਸਕਦੇ ਹਨ। ਇਹ ਮਾਡਲ ਦੇ ਝੂਠੇ ਸਕਾਰਾਤਮਕ ਦੀ ਗਿਣਤੀ ਨੂੰ ਘੱਟ ਕਰਨ ਲਈ ਜ਼ਰੂਰੀ ਹੈ. ਨਹੀਂ ਤਾਂ, ਗਲਤ ਭਵਿੱਖਬਾਣੀਆਂ ਸਿਸਟਮ ਦੀ ਜਾਂਚ ਕਰਨ ਦੇ ਇਰਾਦੇ ਨਾਲ ਪ੍ਰਬੰਧਕ ਦਾ ਬਹੁਤ ਸਾਰਾ ਸਮਾਂ ਬਰਬਾਦ ਕਰ ਦੇਣਗੀਆਂ। ਜਲਦੀ ਜਾਂ ਬਾਅਦ ਵਿੱਚ ਪ੍ਰਬੰਧਕ "ਪੈਰਾਨੋਇਡ" ਨਿਗਰਾਨੀ ਪ੍ਰਣਾਲੀ ਦਾ ਜਵਾਬ ਦੇਣਾ ਬੰਦ ਕਰ ਦੇਵੇਗਾ।

ਆਵਰਤੀ ਨਿਊਰਲ ਨੈੱਟਵਰਕ

ਸਮਾਂ ਲੜੀ ਵਿੱਚ ਵਿਗਾੜਾਂ ਦਾ ਪਤਾ ਲਗਾਉਣ ਲਈ, ਤੁਸੀਂ ਵਰਤ ਸਕਦੇ ਹੋ ਆਵਰਤੀ ਨਿਊਰਲ ਨੈੱਟਵਰਕ LSTM ਮੈਮੋਰੀ ਦੇ ਨਾਲ। ਸਿਰਫ ਸਮੱਸਿਆ ਇਹ ਹੈ ਕਿ ਇਹ ਸਿਰਫ ਪੂਰਵ ਅਨੁਮਾਨਿਤ ਸਮਾਂ ਲੜੀ ਲਈ ਵਰਤੀ ਜਾ ਸਕਦੀ ਹੈ. ਸਾਡੇ ਕੇਸ ਵਿੱਚ, ਸਾਰੇ ਮੈਟ੍ਰਿਕਸ ਅਨੁਮਾਨਯੋਗ ਨਹੀਂ ਹਨ। ਇੱਕ ਸਮਾਂ ਲੜੀ ਵਿੱਚ RNN LSTM ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਚਿੱਤਰ 4 ਵਿੱਚ ਦਿਖਾਈ ਗਈ ਹੈ।

ਚਿੱਤਰ 4. LSTM ਮੈਮੋਰੀ ਸੈੱਲਾਂ ਦੇ ਨਾਲ ਇੱਕ ਆਵਰਤੀ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਦੀ ਉਦਾਹਰਨ

ਜਿਵੇਂ ਕਿ ਚਿੱਤਰ 4 ਤੋਂ ਦੇਖਿਆ ਜਾ ਸਕਦਾ ਹੈ, RNN LSTM ਇਸ ਸਮੇਂ ਦੀ ਮਿਆਦ ਵਿੱਚ ਵਿਗਾੜਾਂ ਦੀ ਖੋਜ ਨਾਲ ਸਿੱਝਣ ਦੇ ਯੋਗ ਸੀ। ਜਿੱਥੇ ਨਤੀਜੇ ਵਿੱਚ ਇੱਕ ਉੱਚ ਪੂਰਵ ਅਨੁਮਾਨ ਗਲਤੀ ਹੈ (ਮਤਲਬ ਗਲਤੀ), ਸੂਚਕਾਂ ਵਿੱਚ ਇੱਕ ਵਿਗਾੜ ਅਸਲ ਵਿੱਚ ਆਈ ਹੈ। ਇੱਕ ਸਿੰਗਲ RNN LSTM ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਕਾਫ਼ੀ ਨਹੀਂ ਹੋਵੇਗਾ, ਕਿਉਂਕਿ ਇਹ ਥੋੜ੍ਹੇ ਜਿਹੇ ਮੈਟ੍ਰਿਕਸ 'ਤੇ ਲਾਗੂ ਹੁੰਦਾ ਹੈ। ਵਿਗਾੜਾਂ ਦੀ ਖੋਜ ਲਈ ਇੱਕ ਸਹਾਇਕ ਵਿਧੀ ਵਜੋਂ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ।

ਅਸਫਲਤਾ ਦੀ ਭਵਿੱਖਬਾਣੀ ਲਈ ਆਟੋਏਨਕੋਡਰ

ਆਟੋਏਨਕੋਡਰ - ਅਸਲ ਵਿੱਚ ਇੱਕ ਨਕਲੀ ਨਿਊਰਲ ਨੈੱਟਵਰਕ. ਇੰਪੁੱਟ ਲੇਅਰ ਏਨਕੋਡਰ ਹੈ, ਆਉਟਪੁੱਟ ਲੇਅਰ ਡੀਕੋਡਰ ਹੈ। ਇਸ ਕਿਸਮ ਦੇ ਸਾਰੇ ਤੰਤੂ ਨੈਟਵਰਕਾਂ ਦਾ ਨੁਕਸਾਨ ਇਹ ਹੈ ਕਿ ਉਹ ਵਿਗਾੜਾਂ ਨੂੰ ਚੰਗੀ ਤਰ੍ਹਾਂ ਸਥਾਨਿਤ ਨਹੀਂ ਕਰਦੇ ਹਨ। ਇੱਕ ਸਮਕਾਲੀ ਆਟੋਏਨਕੋਡਰ ਆਰਕੀਟੈਕਚਰ ਚੁਣਿਆ ਗਿਆ ਸੀ।

ਚਿੱਤਰ 5. ਆਟੋਏਨਕੋਡਰ ਕਾਰਵਾਈ ਦੀ ਉਦਾਹਰਨ

ਆਟੋਏਨਕੋਡਰਾਂ ਨੂੰ ਆਮ ਡੇਟਾ 'ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਫਿਰ ਮਾਡਲ ਨੂੰ ਦਿੱਤੇ ਗਏ ਡੇਟਾ ਵਿੱਚ ਕੁਝ ਅਸਧਾਰਨ ਲੱਭਿਆ ਜਾਂਦਾ ਹੈ। ਬੱਸ ਤੁਹਾਨੂੰ ਇਸ ਕੰਮ ਲਈ ਕੀ ਚਾਹੀਦਾ ਹੈ। ਬੱਸ ਇਹ ਚੁਣਨਾ ਬਾਕੀ ਹੈ ਕਿ ਕਿਹੜਾ ਆਟੋਏਨਕੋਡਰ ਇਸ ਕੰਮ ਲਈ ਢੁਕਵਾਂ ਹੈ। ਇੱਕ ਆਟੋਏਨਕੋਡਰ ਦਾ ਆਰਕੀਟੈਕਚਰਲ ਤੌਰ 'ਤੇ ਸਭ ਤੋਂ ਸਰਲ ਰੂਪ ਇੱਕ ਅਗਾਂਹਵਧੂ, ਗੈਰ-ਵਾਪਸੀ ਨਿਊਰਲ ਨੈਟਵਰਕ ਹੈ, ਜੋ ਕਿ ਬਹੁਤ ਸਮਾਨ ਹੈ ਮਲਟੀਲੇਅਰ ਪਰਸੈਪਟਰੋਨ (ਮਲਟੀਲੇਅਰ ਪਰਸੈਪਟਰੋਨ, MLP), ਇੱਕ ਇਨਪੁਟ ਲੇਅਰ, ਇੱਕ ਆਉਟਪੁੱਟ ਲੇਅਰ, ਅਤੇ ਇੱਕ ਜਾਂ ਇੱਕ ਤੋਂ ਵੱਧ ਲੁਕੀਆਂ ਹੋਈਆਂ ਪਰਤਾਂ ਉਹਨਾਂ ਨੂੰ ਜੋੜਦੀਆਂ ਹਨ।
ਹਾਲਾਂਕਿ, ਆਟੋਏਨਕੋਡਰ ਅਤੇ ਐਮਐਲਪੀ ਵਿੱਚ ਅੰਤਰ ਇਹ ਹੈ ਕਿ ਇੱਕ ਆਟੋਏਨਕੋਡਰ ਵਿੱਚ, ਆਉਟਪੁੱਟ ਲੇਅਰ ਵਿੱਚ ਇੰਪੁੱਟ ਲੇਅਰ ਦੇ ਬਰਾਬਰ ਨੋਡ ਹੁੰਦੇ ਹਨ, ਅਤੇ ਇਹ ਕਿ ਇੱਕ ਇਨਪੁਟ X ਦੁਆਰਾ ਦਿੱਤੇ ਗਏ ਟੀਚੇ ਦੇ ਮੁੱਲ Y ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਣ ਲਈ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਕਰਨ ਦੀ ਬਜਾਏ, ਆਟੋਏਨਕੋਡਰ ਨੂੰ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ। ਇਸ ਦੇ ਆਪਣੇ Xs ਦਾ ਪੁਨਰਗਠਨ ਕਰਨ ਲਈ। ਇਸਲਈ, ਆਟੋਏਨਕੋਡਰ ਨਿਰੀਖਣ ਕੀਤੇ ਸਿੱਖਣ ਮਾਡਲ ਹਨ।

ਆਟੋਏਨਕੋਡਰ ਦਾ ਕੰਮ ਸਮਾਂ ਸੂਚਕਾਂਕ r0 ... rn ਇਨਪੁਟ ਵੈਕਟਰ X ਵਿੱਚ ਅਸੰਗਤ ਤੱਤਾਂ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ। ਇਹ ਪ੍ਰਭਾਵ ਵਰਗ ਗਲਤੀ ਦੀ ਖੋਜ ਕਰਕੇ ਪ੍ਰਾਪਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।

ਚਿੱਤਰ 6. ਸਮਕਾਲੀ ਆਟੋਏਨਕੋਡਰ

ਆਟੋਏਨਕੋਡਰ ਲਈ ਚੁਣਿਆ ਗਿਆ ਸੀ ਸਮਕਾਲੀ ਆਰਕੀਟੈਕਚਰ. ਇਸਦੇ ਫਾਇਦੇ: ਸਟ੍ਰੀਮਿੰਗ ਪ੍ਰੋਸੈਸਿੰਗ ਮੋਡ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਅਤੇ ਹੋਰ ਢਾਂਚੇ ਦੇ ਮੁਕਾਬਲੇ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਪੈਰਾਮੀਟਰਾਂ ਦੀ ਇੱਕ ਮੁਕਾਬਲਤਨ ਛੋਟੀ ਸੰਖਿਆ।

ਝੂਠੇ ਸਕਾਰਾਤਮਕ ਨੂੰ ਘੱਟ ਕਰਨ ਲਈ ਵਿਧੀ

ਇਸ ਤੱਥ ਦੇ ਕਾਰਨ ਕਿ ਵੱਖ-ਵੱਖ ਅਸਧਾਰਨ ਸਥਿਤੀਆਂ ਪੈਦਾ ਹੁੰਦੀਆਂ ਹਨ, ਅਤੇ ਨਾਲ ਹੀ ਨਿਊਰਲ ਨੈਟਵਰਕ ਦੀ ਨਾਕਾਫ਼ੀ ਸਿਖਲਾਈ ਦੀ ਇੱਕ ਸੰਭਾਵਤ ਸਥਿਤੀ, ਵਿਕਸਤ ਕੀਤੇ ਜਾ ਰਹੇ ਵਿਗਾੜ ਖੋਜ ਮਾਡਲ ਲਈ, ਇਹ ਫੈਸਲਾ ਕੀਤਾ ਗਿਆ ਸੀ ਕਿ ਝੂਠੇ ਸਕਾਰਾਤਮਕ ਨੂੰ ਘੱਟ ਕਰਨ ਲਈ ਇੱਕ ਵਿਧੀ ਵਿਕਸਿਤ ਕਰਨਾ ਜ਼ਰੂਰੀ ਸੀ. ਇਹ ਵਿਧੀ ਇੱਕ ਟੈਂਪਲੇਟ ਅਧਾਰ 'ਤੇ ਅਧਾਰਤ ਹੈ ਜੋ ਪ੍ਰਬੰਧਕ ਦੁਆਰਾ ਵਰਗੀਕ੍ਰਿਤ ਹੈ।

ਡਾਇਨਾਮਿਕ ਟਾਈਮਲਾਈਨ ਪਰਿਵਰਤਨ ਲਈ ਐਲਗੋਰਿਦਮ (ਡੀਟੀਡਬਲਯੂ ਐਲਗੋਰਿਦਮ, ਅੰਗਰੇਜ਼ੀ ਡਾਇਨਾਮਿਕ ਟਾਈਮ ਵਾਰਪਿੰਗ ਤੋਂ) ਤੁਹਾਨੂੰ ਸਮੇਂ ਦੇ ਕ੍ਰਮਾਂ ਵਿਚਕਾਰ ਅਨੁਕੂਲ ਪੱਤਰ-ਵਿਹਾਰ ਲੱਭਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ। ਸਭ ਤੋਂ ਪਹਿਲਾਂ ਬੋਲੀ ਪਛਾਣ ਵਿੱਚ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ: ਇਹ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ ਕਿ ਦੋ ਸਪੀਚ ਸਿਗਨਲ ਇੱਕੋ ਅਸਲੀ ਬੋਲੇ ​​ਗਏ ਵਾਕਾਂਸ਼ ਨੂੰ ਕਿਵੇਂ ਦਰਸਾਉਂਦੇ ਹਨ। ਇਸ ਤੋਂ ਬਾਅਦ ਹੋਰ ਖੇਤਰਾਂ ਵਿੱਚ ਇਸ ਲਈ ਅਰਜ਼ੀਆਂ ਪਾਈਆਂ ਗਈਆਂ।

ਝੂਠੇ ਸਕਾਰਾਤਮਕ ਨੂੰ ਘੱਟ ਕਰਨ ਦਾ ਮੁੱਖ ਸਿਧਾਂਤ ਇੱਕ ਓਪਰੇਟਰ ਦੀ ਮਦਦ ਨਾਲ ਮਿਆਰਾਂ ਦਾ ਇੱਕ ਡੇਟਾਬੇਸ ਇਕੱਠਾ ਕਰਨਾ ਹੈ ਜੋ ਨਿਊਰਲ ਨੈਟਵਰਕ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਖੋਜੇ ਗਏ ਸ਼ੱਕੀ ਮਾਮਲਿਆਂ ਦਾ ਵਰਗੀਕਰਨ ਕਰਦਾ ਹੈ। ਅੱਗੇ, ਵਰਗੀਕ੍ਰਿਤ ਮਿਆਰ ਦੀ ਤੁਲਨਾ ਸਿਸਟਮ ਦੁਆਰਾ ਖੋਜੇ ਗਏ ਕੇਸ ਨਾਲ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਅਤੇ ਇਸ ਬਾਰੇ ਸਿੱਟਾ ਕੱਢਿਆ ਜਾਂਦਾ ਹੈ ਕਿ ਕੀ ਕੇਸ ਗਲਤ ਹੈ ਜਾਂ ਅਸਫਲਤਾ ਵੱਲ ਜਾਂਦਾ ਹੈ। DTW ਐਲਗੋਰਿਦਮ ਦੀ ਵਰਤੋਂ ਦੋ ਸਮੇਂ ਦੀ ਲੜੀ ਦੀ ਤੁਲਨਾ ਕਰਨ ਲਈ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਮੁੱਖ ਨਿਊਨਤਮ ਸਾਧਨ ਅਜੇ ਵੀ ਵਰਗੀਕਰਨ ਹੈ। ਇਹ ਉਮੀਦ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਕਿ ਵੱਡੀ ਗਿਣਤੀ ਵਿੱਚ ਹਵਾਲਾ ਕੇਸਾਂ ਨੂੰ ਇਕੱਠਾ ਕਰਨ ਤੋਂ ਬਾਅਦ, ਸਿਸਟਮ ਜ਼ਿਆਦਾਤਰ ਕੇਸਾਂ ਦੀ ਸਮਾਨਤਾ ਅਤੇ ਸਮਾਨਤਾਵਾਂ ਦੇ ਵਾਪਰਨ ਕਾਰਨ ਆਪਰੇਟਰ ਨੂੰ ਘੱਟ ਪੁੱਛਣਾ ਸ਼ੁਰੂ ਕਰ ਦੇਵੇਗਾ.

ਨਤੀਜੇ ਵਜੋਂ, ਉੱਪਰ ਦੱਸੇ ਗਏ ਨਿਊਰਲ ਨੈਟਵਰਕ ਤਰੀਕਿਆਂ ਦੇ ਆਧਾਰ 'ਤੇ, "ਵੈੱਬ-ਇਕੱਤਰੀਕਰਨ" ਪ੍ਰਣਾਲੀ ਦੀਆਂ ਅਸਫਲਤਾਵਾਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ ਇੱਕ ਪ੍ਰਯੋਗਾਤਮਕ ਪ੍ਰੋਗਰਾਮ ਬਣਾਇਆ ਗਿਆ ਸੀ। ਇਸ ਪ੍ਰੋਗਰਾਮ ਦਾ ਟੀਚਾ, ਸਾਡੇ ਸਾਫਟਵੇਅਰ ਸਿਸਟਮਾਂ ਲਈ ਇਸ ਪਹੁੰਚ ਦੀ ਯੋਗਤਾ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ, ਨਿਗਰਾਨੀ ਡੇਟਾ ਅਤੇ ਪਿਛਲੀਆਂ ਅਸਫਲਤਾਵਾਂ ਬਾਰੇ ਜਾਣਕਾਰੀ ਦੇ ਮੌਜੂਦਾ ਪੁਰਾਲੇਖ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਸੀ। ਪ੍ਰੋਗਰਾਮ ਦੀ ਸਕੀਮ ਚਿੱਤਰ 7 ਵਿੱਚ ਹੇਠਾਂ ਦਿੱਤੀ ਗਈ ਹੈ।

ਚਿੱਤਰ 7. ਮੈਟ੍ਰਿਕ ਸਪੇਸ ਵਿਸ਼ਲੇਸ਼ਣ 'ਤੇ ਅਧਾਰਤ ਅਸਫਲ ਭਵਿੱਖਬਾਣੀ ਯੋਜਨਾ

ਚਿੱਤਰ ਵਿੱਚ, ਦੋ ਮੁੱਖ ਬਲਾਕਾਂ ਨੂੰ ਵੱਖ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ: ਨਿਗਰਾਨੀ ਡੇਟਾ ਸਟ੍ਰੀਮ (ਮੈਟ੍ਰਿਕਸ) ਵਿੱਚ ਅਸਾਧਾਰਣ ਸਮੇਂ ਦੀ ਖੋਜ ਅਤੇ ਗਲਤ ਸਕਾਰਾਤਮਕ ਨੂੰ ਘੱਟ ਕਰਨ ਲਈ ਵਿਧੀ। ਨੋਟ: ਪ੍ਰਯੋਗਾਤਮਕ ਉਦੇਸ਼ਾਂ ਲਈ, ਡੇਟਾ ਨੂੰ ਡੇਟਾਬੇਸ ਤੋਂ JDBC ਕਨੈਕਸ਼ਨ ਦੁਆਰਾ ਪ੍ਰਾਪਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਜਿਸ ਵਿੱਚ ਗ੍ਰੇਫਾਈਟ ਇਸਨੂੰ ਸੁਰੱਖਿਅਤ ਕਰੇਗਾ।
ਹੇਠਾਂ ਵਿਕਾਸ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਪ੍ਰਾਪਤ ਕੀਤੀ ਨਿਗਰਾਨੀ ਪ੍ਰਣਾਲੀ ਦਾ ਇੰਟਰਫੇਸ ਹੈ (ਚਿੱਤਰ 8)।

ਚਿੱਤਰ 8. ਪ੍ਰਯੋਗਾਤਮਕ ਨਿਗਰਾਨੀ ਪ੍ਰਣਾਲੀ ਦਾ ਇੰਟਰਫੇਸ

ਇੰਟਰਫੇਸ ਪ੍ਰਾਪਤ ਮੈਟ੍ਰਿਕਸ ਦੇ ਆਧਾਰ 'ਤੇ ਅਸੰਗਤਤਾ ਦੀ ਪ੍ਰਤੀਸ਼ਤਤਾ ਦਿਖਾਉਂਦਾ ਹੈ। ਸਾਡੇ ਕੇਸ ਵਿੱਚ, ਰਸੀਦ ਸਿਮੂਲੇਟ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਸਾਡੇ ਕੋਲ ਪਹਿਲਾਂ ਹੀ ਕਈ ਹਫ਼ਤਿਆਂ ਦਾ ਸਾਰਾ ਡਾਟਾ ਹੈ ਅਤੇ ਅਸਫ਼ਲਤਾ ਵੱਲ ਲੈ ਜਾਣ ਵਾਲੀ ਗੜਬੜ ਦੇ ਮਾਮਲੇ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ ਇਸਨੂੰ ਹੌਲੀ-ਹੌਲੀ ਲੋਡ ਕਰ ਰਹੇ ਹਾਂ। ਹੇਠਲਾ ਸਟੇਟਸ ਬਾਰ ਇੱਕ ਦਿੱਤੇ ਸਮੇਂ 'ਤੇ ਡੇਟਾ ਅਸੰਗਤਤਾ ਦੀ ਸਮੁੱਚੀ ਪ੍ਰਤੀਸ਼ਤਤਾ ਨੂੰ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਦਾ ਹੈ, ਜੋ ਇੱਕ ਆਟੋਏਨਕੋਡਰ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਨਿਰਧਾਰਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਨਾਲ ਹੀ, ਅਨੁਮਾਨਿਤ ਮੈਟ੍ਰਿਕਸ ਲਈ ਇੱਕ ਵੱਖਰੀ ਪ੍ਰਤੀਸ਼ਤਤਾ ਪ੍ਰਦਰਸ਼ਿਤ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਜਿਸਦੀ ਗਣਨਾ RNN LSTM ਦੁਆਰਾ ਕੀਤੀ ਜਾਂਦੀ ਹੈ।

RNN LSTM ਨਿਊਰਲ ਨੈੱਟਵਰਕ (ਚਿੱਤਰ 9) ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ CPU ਪ੍ਰਦਰਸ਼ਨ 'ਤੇ ਆਧਾਰਿਤ ਵਿਗਾੜ ਖੋਜ ਦੀ ਇੱਕ ਉਦਾਹਰਨ।

ਚਿੱਤਰ 9. RNN LSTM ਖੋਜ

ਇੱਕ ਕਾਫ਼ੀ ਸਧਾਰਨ ਕੇਸ, ਜ਼ਰੂਰੀ ਤੌਰ 'ਤੇ ਇੱਕ ਆਮ ਆਊਟਲੀਅਰ, ਪਰ ਸਿਸਟਮ ਅਸਫਲਤਾ ਵੱਲ ਅਗਵਾਈ ਕਰਦਾ ਹੈ, RNN LSTM ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਸਫਲਤਾਪੂਰਵਕ ਗਣਨਾ ਕੀਤੀ ਗਈ ਸੀ। ਸਮੇਂ ਦੀ ਇਸ ਮਿਆਦ ਵਿੱਚ ਅਸੰਗਤਤਾ ਸੂਚਕ 85-95% ਹੈ; 80% ਤੋਂ ਉੱਪਰ ਦੀ ਹਰ ਚੀਜ਼ (ਥ੍ਰੈਸ਼ਹੋਲਡ ਪ੍ਰਯੋਗਾਤਮਕ ਤੌਰ 'ਤੇ ਨਿਰਧਾਰਤ ਕੀਤੀ ਗਈ ਸੀ) ਨੂੰ ਇੱਕ ਵਿਗਾੜ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ।
ਇੱਕ ਵਿਗਾੜ ਖੋਜ ਦੀ ਇੱਕ ਉਦਾਹਰਨ ਜਦੋਂ ਸਿਸਟਮ ਇੱਕ ਅੱਪਡੇਟ ਤੋਂ ਬਾਅਦ ਬੂਟ ਕਰਨ ਵਿੱਚ ਅਸਮਰੱਥ ਸੀ। ਇਹ ਸਥਿਤੀ ਆਟੋਏਨਕੋਡਰ (ਚਿੱਤਰ 10) ਦੁਆਰਾ ਖੋਜੀ ਜਾਂਦੀ ਹੈ।

ਚਿੱਤਰ 10. ਆਟੋਏਨਕੋਡਰ ਖੋਜ ਦੀ ਉਦਾਹਰਨ

ਜਿਵੇਂ ਕਿ ਤੁਸੀਂ ਚਿੱਤਰ ਤੋਂ ਦੇਖ ਸਕਦੇ ਹੋ, ਪਰਮਗੇਨ ਇੱਕ ਪੱਧਰ 'ਤੇ ਫਸਿਆ ਹੋਇਆ ਹੈ. ਆਟੋਏਨਕੋਡਰ ਨੂੰ ਇਹ ਅਜੀਬ ਲੱਗਿਆ ਕਿਉਂਕਿ ਇਸਨੇ ਪਹਿਲਾਂ ਕਦੇ ਅਜਿਹਾ ਕੁਝ ਨਹੀਂ ਦੇਖਿਆ ਸੀ। ਇੱਥੇ ਵਿਸੰਗਤੀ 100% ਰਹਿੰਦੀ ਹੈ ਜਦੋਂ ਤੱਕ ਸਿਸਟਮ ਕੰਮ ਕਰਨ ਵਾਲੀ ਸਥਿਤੀ ਵਿੱਚ ਵਾਪਸ ਨਹੀਂ ਆਉਂਦਾ। ਸਾਰੇ ਮੈਟ੍ਰਿਕਸ ਲਈ ਇੱਕ ਅਸੰਗਤਤਾ ਦਿਖਾਈ ਜਾਂਦੀ ਹੈ। ਜਿਵੇਂ ਕਿ ਪਹਿਲਾਂ ਦੱਸਿਆ ਗਿਆ ਹੈ, ਆਟੋਏਨਕੋਡਰ ਅਸਮਾਨਤਾਵਾਂ ਦਾ ਸਥਾਨੀਕਰਨ ਨਹੀਂ ਕਰ ਸਕਦਾ ਹੈ। ਆਪਰੇਟਰ ਨੂੰ ਇਹਨਾਂ ਸਥਿਤੀਆਂ ਵਿੱਚ ਇਹ ਫੰਕਸ਼ਨ ਕਰਨ ਲਈ ਕਿਹਾ ਜਾਂਦਾ ਹੈ।

ਸਿੱਟਾ

PC "ਵੈੱਬ-ਇਕਸਾਰਤਾ" ਕਈ ਸਾਲਾਂ ਤੋਂ ਵਿਕਾਸ ਵਿੱਚ ਹੈ। ਸਿਸਟਮ ਕਾਫ਼ੀ ਸਥਿਰ ਸਥਿਤੀ ਵਿੱਚ ਹੈ, ਅਤੇ ਰਿਕਾਰਡ ਕੀਤੀਆਂ ਘਟਨਾਵਾਂ ਦੀ ਗਿਣਤੀ ਘੱਟ ਹੈ। ਹਾਲਾਂਕਿ, ਅਸਫਲਤਾ ਹੋਣ ਤੋਂ 5 - 10 ਮਿੰਟ ਪਹਿਲਾਂ ਅਸਫਲਤਾਵਾਂ ਦਾ ਪਤਾ ਲਗਾਉਣਾ ਸੰਭਵ ਸੀ। ਕੁਝ ਮਾਮਲਿਆਂ ਵਿੱਚ, ਪਹਿਲਾਂ ਤੋਂ ਅਸਫਲ ਹੋਣ ਦੀ ਸੂਚਨਾ "ਮੁਰੰਮਤ" ਦੇ ਕੰਮ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਨਿਰਧਾਰਤ ਕੀਤੇ ਗਏ ਸਮੇਂ ਨੂੰ ਬਚਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰੇਗੀ।

ਕੀਤੇ ਗਏ ਪ੍ਰਯੋਗਾਂ ਦੇ ਅਧਾਰ ਤੇ, ਅੰਤਮ ਸਿੱਟੇ ਕੱਢਣਾ ਬਹੁਤ ਜਲਦੀ ਹੈ। ਹੁਣ ਤੱਕ, ਨਤੀਜੇ ਵਿਰੋਧੀ ਹਨ. ਇੱਕ ਪਾਸੇ, ਇਹ ਸਪੱਸ਼ਟ ਹੈ ਕਿ ਨਿਊਰਲ ਨੈੱਟਵਰਕਾਂ 'ਤੇ ਆਧਾਰਿਤ ਐਲਗੋਰਿਦਮ "ਲਾਭਦਾਇਕ" ਵਿਗਾੜਾਂ ਨੂੰ ਲੱਭਣ ਦੇ ਸਮਰੱਥ ਹਨ। ਦੂਜੇ ਪਾਸੇ, ਝੂਠੇ ਸਕਾਰਾਤਮਕਾਂ ਦੀ ਇੱਕ ਵੱਡੀ ਪ੍ਰਤੀਸ਼ਤਤਾ ਰਹਿੰਦੀ ਹੈ, ਅਤੇ ਇੱਕ ਤੰਤੂ ਨੈਟਵਰਕ ਵਿੱਚ ਯੋਗਤਾ ਪ੍ਰਾਪਤ ਮਾਹਰ ਦੁਆਰਾ ਖੋਜੀਆਂ ਗਈਆਂ ਸਾਰੀਆਂ ਵਿਗਾੜਾਂ ਦਾ ਪਤਾ ਨਹੀਂ ਲਗਾਇਆ ਜਾ ਸਕਦਾ ਹੈ। ਨੁਕਸਾਨਾਂ ਵਿੱਚ ਇਹ ਤੱਥ ਸ਼ਾਮਲ ਹੈ ਕਿ ਹੁਣ ਨਿਊਰਲ ਨੈਟਵਰਕ ਨੂੰ ਆਮ ਕਾਰਵਾਈ ਲਈ ਇੱਕ ਅਧਿਆਪਕ ਨਾਲ ਸਿਖਲਾਈ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ.

ਅਸਫਲਤਾ ਦੀ ਭਵਿੱਖਬਾਣੀ ਪ੍ਰਣਾਲੀ ਨੂੰ ਹੋਰ ਵਿਕਸਤ ਕਰਨ ਅਤੇ ਇਸ ਨੂੰ ਸੰਤੁਸ਼ਟੀਜਨਕ ਸਥਿਤੀ ਵਿੱਚ ਲਿਆਉਣ ਲਈ, ਕਈ ਤਰੀਕਿਆਂ ਦੀ ਕਲਪਨਾ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਇਹ ਵਿਗਾੜਾਂ ਵਾਲੇ ਮਾਮਲਿਆਂ ਦਾ ਵਧੇਰੇ ਵਿਸਤ੍ਰਿਤ ਵਿਸ਼ਲੇਸ਼ਣ ਹੈ ਜੋ ਅਸਫਲਤਾ ਵੱਲ ਲੈ ਜਾਂਦੇ ਹਨ, ਮਹੱਤਵਪੂਰਨ ਮਾਪਦੰਡਾਂ ਦੀ ਸੂਚੀ ਵਿੱਚ ਇਸ ਨੂੰ ਜੋੜਨ ਦੇ ਕਾਰਨ ਜੋ ਸਿਸਟਮ ਦੀ ਸਥਿਤੀ ਨੂੰ ਬਹੁਤ ਪ੍ਰਭਾਵਿਤ ਕਰਦੇ ਹਨ, ਅਤੇ ਬੇਲੋੜੇ ਲੋਕਾਂ ਨੂੰ ਛੱਡਣਾ ਜੋ ਇਸ ਨੂੰ ਪ੍ਰਭਾਵਤ ਨਹੀਂ ਕਰਦੇ ਹਨ। ਨਾਲ ਹੀ, ਜੇਕਰ ਅਸੀਂ ਇਸ ਦਿਸ਼ਾ ਵਿੱਚ ਅੱਗੇ ਵਧਦੇ ਹਾਂ, ਤਾਂ ਅਸੀਂ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਸਾਡੇ ਕੇਸਾਂ ਲਈ ਅਲਗੋਰਿਦਮ ਨੂੰ ਵਿਸ਼ੇਸ਼ ਬਣਾਉਣ ਦੀਆਂ ਕੋਸ਼ਿਸ਼ਾਂ ਕਰ ਸਕਦੇ ਹਾਂ ਜੋ ਅਸਫਲਤਾਵਾਂ ਵੱਲ ਲੈ ਜਾਂਦੇ ਹਨ। ਇੱਕ ਹੋਰ ਤਰੀਕਾ ਹੈ. ਇਹ ਨਿਊਰਲ ਨੈਟਵਰਕ ਆਰਕੀਟੈਕਚਰ ਵਿੱਚ ਇੱਕ ਸੁਧਾਰ ਹੈ ਅਤੇ ਇਸ ਤਰ੍ਹਾਂ ਸਿਖਲਾਈ ਦੇ ਸਮੇਂ ਵਿੱਚ ਕਮੀ ਦੇ ਨਾਲ ਖੋਜ ਦੀ ਸ਼ੁੱਧਤਾ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ।

ਮੈਂ ਆਪਣੇ ਸਾਥੀਆਂ ਦਾ ਧੰਨਵਾਦ ਕਰਦਾ ਹਾਂ ਜਿਨ੍ਹਾਂ ਨੇ ਇਸ ਲੇਖ ਦੀ ਸਾਰਥਕਤਾ ਨੂੰ ਲਿਖਣ ਅਤੇ ਬਣਾਈ ਰੱਖਣ ਵਿੱਚ ਮੇਰੀ ਮਦਦ ਕੀਤੀ: ਵਿਕਟਰ ਵਰਬਿਟਸਕੀ ਅਤੇ ਸਰਗੇਈ ਫਿਨੋਜੇਨੋਵ।

ਸਰੋਤ: www.habr.com