基于BP神經網絡算法的計算機性能統計分析

王鑫

摘要：運算速度是對計算機性能進行評估的重要參考參數之一，所有專用于提高計算機性能的方法，都是為了加快操作速度。為了在執行某些類型的操作時獲得計算機系統的性能，已經構建了各種評估系統。計算機的誕生開辟了一個煥然一新的時代，信息處理變得簡單快速，極大地促進了人類文明的進步。BP （Back-Propagation）神經網絡算法可以用來分析和調試計算機的性能。雖然神經網絡演算的應用取得了很大進展，但對神經網絡演算的主要概念仍然沒有深入的研究。利用數學理論分析這些基本概念并將整個神經網絡演算納入嚴格的理論體系是值得進一步研究的工作。

引言

如今，隨著計算機技術的飛速發展，企業生產力水平日趨提高，人們的生產和生活與計算機技術存在著緊密的聯系。作為一項相對重要的科技發明，電子計算機技術對我國經濟、政治和文化發展發揮著至關重要的作用。對計算機系統性能方面進行評測，可以評估程序運行預定義任務，或評估任務集的特定計算機系統的性能特征，并且結果還用于預測新系統的性能計算機的誕生讓信息處理變得簡單快速，極大地促進了人類文明的進步。計算機技術發展的源動力，就是社會各領域對先進計算工具的迫切需求。

計算機應用對速度和精度的要求不斷提高，計算機必須不斷提高其性能，計算機技術也隨之產生跨越式發展。從目前我國計算機技術的應用現狀來看，BP神經網絡算法可以用來分析和調試計算機的性能，然后對計算機技術進行不斷的改進和完善。因此，掌握科學合理的分析和調試方法更為重要。BP模型是典型的多層網絡，具有輸入層，一個或多個隱藏層和輸出層。這些層大部分是互連的，在相同的層單元之間沒有互連。雖然神經網絡演算的應用取得了很大進展，但仍然缺乏對神經網絡演算主要概念的深入研究，如到達曲線和服務曲線。利用數學理論分析這些基本概念，從而將整個神經網絡演算整合到一個嚴格的理論體系中，是值得進一步研究的工作。

1 調試計算機系統的內容和方法

電子計算機具有較快的計算速度，且精度較高，邏輯運算能力較強。如今，計算機的存儲容量相對較大，并且在一定程度上，自動化程度相對較高。設備技術的進步為計算機性能的提高創造了條件，成為計算機發展的動力，并帶來了計算機技術的創新。每一次技術變革都帶來了計算機性能的巨大提升。經典BP算法的存在將落入局部最小值并使算法收斂緩慢。在研究一般BP算法及其改進算法的基礎上，將新參數引入經典算法中以調整經典神經元傳遞函數，然后將改進算法應用于實際評估。

大規模集成電路技術的進步給電子計算機帶來了新的變化。計算機的操作需要由相應的硬件和軟件支持。為了確保計算機的效率，有必要理解和分析計算機系統內的各種性能。計算機性能分析模型將使用BP人工神經網絡實現，BP神經網絡的拓撲結構如圖1所示。

當員工打開電腦時，會想要以盡可能快的速度進入啟動階段。在此過程中，計算機系統自動檢測系統內部的垃圾以及啟動項目的相關設備。多核大大提高了計算機的運算速度。現有的高性能計算機，大多為多核架構，但每臺計算機使用的核心數量并不相同，效果也不同。當計算機系統運行時，還會打開大量空閑內容，這也在很大程度上影響計算機系統的運行速度和存儲空間，降低了計算機系統的性能。在系統啟動過程中，通常會啟動所有引導設備。但有些設備不是辦公室或生活所必需的設備類型。具體來說，要通過磁盤管理項目來進行。這是可用于有效改善設備和操作模式的重要因素。

2 計算機系統優化結束后的比較分析

經過優化計算機的調查和分析，計算機的運行速度得到了顯著提高，存儲空間也有所增加，計算機性能得到了很大提高。充分體現了該方法的及時性，同時也說明了計算機的規律性，系統調試和優化的重要性。當計算機系統運行時，還會打開大量空閑內容，這也在很大程度上影響計算機系統的運行速度和存儲空間，降低了計算機系統的性能因此可以通過關閉空閑功能來提高計算機系統的運行速度。關閉系統遠程協助和遠程桌面功能，關閉共享目錄和磁盤，并禁用不必要的服務。由于神經網絡演算的基本假設是群體守恒，在神經網絡演算的相關結論中，假設系統不丟棄分組，但在實際應用中，許多服務系統將丟棄數據。高性能計算技術是高科技發展，以及經濟發展的重要工具，是中國尖端科技研究的核心支撐力量。

為了使高性能計算機工作，尤其要注重硬件和軟件的交互。制造過程的快速發展為硬件創新提供了充足的發展空間。BP模型是典型的多層網絡，具有輸入層，一個或多個隱藏層和輸出層。這些層大部分是互連的，并且在相同的層單元之間沒有互連。利用上述調試方法優化計算機進行調查分析，計算機運行速度得到顯著提高，存儲空間也有所增加，計算機性能得到了很大提高。軟件系統一種各種程序互相結合的集合體，包括系統程序、應用程序等，允許每個硬件根據指定的要求協調操作并完成相應的功能。

3 結論

大規模數據的應用，數據處理的準確性和及時性，對計算機性能提出了更高的要求。計算機性能參數的研究是通過分析計算機系統的各種性能指標來找出現有硬件和軟件的不足之處，試圖探索出對計算機性能進行提升的方式方法。目前，市場上有不合理的計算機硬件，尤其是計算機DIY組裝，這是很常見的。BP神經網絡演算可以通過線性系統理論分析的傳統網絡模型來分析。本文中使用的神經網絡算法能引入新的參數值。可以通過對實例數據的分析，給出不同參數值下的運行時間和誤差值，為實際操作提供了思路和依據。這不僅可以提高計算機的兼容性、穩定性和可用性，還可以節省成本。計算機速度代表機器的計算能力，是計算機性能的最重要表現形式。對計算機性能進行研究的最終目標是提高計算機的速度。

參考文獻

[1]陳建國.基于SNMP的計算機性能監控系統設計與實現[J].福建工程學院學報，2014（3）：225-231.

[2]易建鋼.新型電液比例閥的計算機性能測試方法及其實現[J]，機床與液壓，2013（7）：101-103.

[3]饒冬，朱宏濤，董偉升，et al.自主可控測控計算機性能研究[J].遙測遙控，2017（06）：5055.

[4]Ahn M， Jun S C. Performance variation in rnotor imagerybrain-computer interface： A brief reviewLJl. Journal ofNeuroscience Methods，

2015，

243： 103-110.

[5]滿治瑞，計算機應用系統性能測試技術及應用研究[J].電腦知識與技術，2018，14（26）： 232—234.

[6]匡春光，張魯峰，崔益民.計算機性能測試[J]，微處理機，2014（3）：6669.

[7]張朝鑫，計算機性能的PageRank評價方法[J].計算機光盤軟件與應用，2014（12）：311-312.

[8]王曉東.淺談計算機性能優化技術中的問題及對策[J].計算機光盤軟件與應用，2014（3）：311-312.

[9]游永彬，劉麗艷，荊瑞俊.基于加權集對分析的嵌入式計算機性能評價模型[J]，西北工業大學學報，2014（4）：642645.

[10]Malhotra A，Younes M， Kuna S T，et al. Performance of anAutomated Polysomnography Scoring System Versus ComputerAssisted Manual ScoringLJl. Sleep， 2013， 36（4）：573582.

[11] Baykara E，Ruf C A，Fioravanti C，et al. Effects of trainingand motivation on auditory P300 brain-computer interfaceperformanceLJl.Clinical Neurophysiology， 2016， 127（1）：379387.