基于神經網絡的計算機網絡故障診斷研究

張濤

【摘要】 ? ?計算機的普及促使現階段人們的工作與生活方式發生明顯的變化，為人們提供優質的服務，但受多種因素影響，計算機網絡故障發生較為頻繁，進而降低其功能性。基于此，本文從神經網絡故障診斷原理和基本算法入手，深入進行分析，探索計算機網絡在實際中的應用，分析其網絡故障，明確現階段神經網絡下存在的網絡故障，以供參考。

【關鍵詞】 ? ?神經網絡 ? ?故障診斷原理 ? ?基本算法 ? ?計算機

前言：

網絡故障診斷實際上是指現階段針對網絡呈現的某種故障進行合理的檢測與分析，根據其運行現狀找到呈現故障的原因，以保證其正常運行。計算機網絡在運行過程中需要合理的開展維護，做好相關的維護記錄，以保證發生網絡故障時可以為工作人員提供參考，可以及時發現設備在運行過程中存在的故障，有效進行維修。

一、神經網絡故障診斷原理和基本算法

1.1工作原理

現階段的神經網絡診斷技術較為獨特，主要分為兩部分，一部分保證樣本來滿足神經網絡訓練，靈活利用其優勢開展其處理，對計算機網絡進行故障診斷;另一部分對現階段的實際情況開展分析，分析檢測輸入狀態，通過神經網絡來對故障進行診斷與檢測，完成故障診斷。通常情況下，想要對計算機網絡故障開展診斷，需要提前進行原始數據處理，并分析其檢測的訓練樣本，保證后續的診斷有序的進行。在實際的故障診斷中，其過程主要分為兩個步驟，一是進行預處理，二是特征提取，為計算機故障診斷提供診斷需要的數據信息[1]。

1.2故障診斷算法

實際上，對于各種狀態下的信息，計算機網絡在應用過程中都需要開展實際的訓練，并以此為基礎，對狀態信息開展分析，最終明確其實際的映射關系。受計算機自身的性質因素影響，其自身呈現出明顯的適應能力，可以利用計算機網絡自主進行分析，當收到外界環境影響時，利用映射的關系進行合理的調整，形成良好的適應功能。

神經元與神經元通過連接構成神經網絡，例如BP神經網絡現階段的應用范圍較廣，以單向傳輸為主，用過輸入層、中間層、輸出層形成完整的網絡層級，以保證功能的實現。以中間層的神經網絡為例，其自身又被分割成多個層次，各個層次的神經元連接上下層次的神經元，單向進行輸出，由此保證同層次節點不會出現耦合，每個層次只有對應下一層次，并產生影響[2]。

二、計算機網絡在實際中的應用

計算機網絡是指現階段的通信網絡，屬于多元化網絡，以自身為基礎，實現資源的整合，提升資源的共享性。計算機網絡已經被應用在各個領域中，促使現階段的各個行業實現創新發展，提升計算機網絡的重要性，但在實踐過程中，也會不斷出現大量的網絡問題，進而對其功能與效率產生明顯的影響，甚至產生安全性問題，降低整體安全系數，容易造成信息泄露，造成嚴重的經濟損失。因此應積極的創新現有技術，加強整體安全防護，降低安全故障的發生幾率[3]。網絡傳輸近年來全面發展，整體的傳輸速率增大，轉變為萬M單位計算，但同時也增大了維護與維修的難度，工作人員需要花費較大的精力進行故障處理，增大成本。與從同時，從安全的角度分析，現階段人們逐漸加強對網絡安全的重視力度，以做好安全防護，尤其是針對網絡入侵問題，更加注重信息的保密，以設置加密形式，保證網絡安全，享受網絡帶來的便捷性優勢[4]。

三、計算機網絡故障

計算機網絡故障可以說是現階段最為常見的問題，產生的影響較為嚴重，并且呈現出明顯的動態化與不確定化，故障地點未知，進而增大整體的故障維修難度，產生不良的后果。現有的計算機網絡故障常見的類型較多，如網絡傳輸故障、網絡設備損壞故障、網絡結構故障等，直接影響其各項功能的開展，因此應合理的開展優化，針對性的創新，完善現階段的技術，高效的處理故障。網絡設備故障最為常見，在計算機網絡運行過程中，由于設備的老化或者電路損壞而引發規劃故障，造成嚴重的后果[5]。

計算機網絡中網絡傳輸與網絡結構產生的影響較為直接，還包括網絡結構劃分與傳輸失真問題，這些問題都會產生明顯的負面影響。因此在發展中英合理的進行優化，采取有效的措施解決計算機網絡故障，正確處理現階段的問題，工作人員可以定期檢查，按照故障的類型進行劃分，提前進行預防，及時發現問題與安全隱患，并做好相關的記錄，為工作人員提供良好的信息服務，以便于呈現故障問題時可以及時的發現位置，盡量降低故障產生的影響，控制整體的計算機網絡覆蓋范圍，實現網絡的高效傳輸，降低故障的發生幾率[4]。

四、神經網絡下計算機網絡故障診斷分析

4.1模式識別神經網絡

對于現階段的網絡故障來說，在開展診斷過程中包含兩個環節，一是模式分類，另一個是模式識別，在傳統的診斷過程中，主要是通過模式識別技術利用函數的識別，最終完成模式的分類，實現最終的歸類。在該過程中，主要是通過合理的N維歐式空間的模式樣本的特征空間開展分析，同時假設其模式類別，運用數算法進行分類，達到識別的目的。通過定義最大程度的對N維歐式空間進行分割，同時利用模式類別假設進行決策區域的劃分，形成完整的區域。與此同時，在該過程中需要保證相關的函數參數被識別，進而根據其參數作出相應的處理，達到修正的目的[5]。

4.2專家診斷神經網絡

相對來說，專家診斷神經網絡是將當前神經網絡與專家系統相結合，形成更為完整的系統，優化其功能性，以開展各項診斷。例如，可以將系統組合成神經網絡進行處理，結合優勢進行符號轉換，形成完整的數值運算推理，保證專家系統的執行率提升，處理各項問題，并利用系統優勢開展學習，達到最終的目的。也可以將現階段的神經網絡當成一個知識源進行處理，形成具體的表達模型，將現有的模型與知識模型相結合，發揮出專家系統的優勢。從整體上開展分析，將神經網絡進行合理的處理，作為現階段的網絡故障診斷的基礎前提，做好知識表達，高效進行信息處理，優化各個單元的相互對接，實現節點的高效處理，保證網絡信息的精準性，通過其信息進行精準的診斷與推理。發揮出自身的優勢，形成簡單的方式[6]。

4.3故障預測神經網絡

在進行故障預測神經網絡應用過程中，現階段常見的方式主要有兩種，一種是神經網絡，并以此為基礎進行合理的參數預測模擬，以提升整體的診斷效率，該方式在BP神經網絡的計算機故障線診斷中也存在，具有良好的應用價值。針對另一種方式，主要通過現階段的輸入與輸出關系進行分析，并結合實際的工作參數開展優化，明確其具體的過程，利用反饋鏈接動態神經網絡建立動態模型，從根本上實現網絡故障的結高效診斷與檢測，滿足實際的需求[7]。

4.4神經網絡在網絡中的故障與解決

神經網絡概念的呈現實際上是源自于傳統的人體神經學說，其實際上是指現階段的人工神經網絡（Artificial Neural Networks，ANN），屬于一種模仿人體神經網絡行為的特征，并根據實際情況進行合理的信息處理，優化其處理算法模型，呈現出一定的復雜性。神經網絡的系統復雜性較高，內部需要通過節點進行相互連接，優化其信息處理能力，達到最終的目的。神經網絡自身具有良好的學習性，可以根據自身的能力進行相應的學習，適應不斷變化的環境，如通過預先輸入的數據進行處理，形成完整的映射規律，并根據其規律進行預算，獲取輸出結果，以完成“訓練”。

根據實際情況進行合理的處理，明確現階段神經網絡的優勢，完善現階段的模式，針對性的處理，利用其技術優勢考慮各種因素的影響，分析神經網絡中存在的故障，合理的解決故障，做好記錄，將技術輸入到計算機網絡中，記錄產生故障的原因，以便于后續出現問題時可以及時的處理，做好準備工作，以提出有效的解決方案。

對于神經網絡來說，在處理過程中由于神經網絡占據實際網絡較大部分，因此其可以合理的判斷出網絡中存在的故障，縮短檢查存在的時間，降低檢修產生的成本，降低成本產生的影響。神經網絡在處理故障時，可以充分發揮出自身的優勢，利用存在的故障記錄信息進行初步的診斷，可以根據實際情況進行其預處理分析，做好神經網絡的診斷，做好記錄的診斷。最后根據現階段的診斷系統進行合理的處理，分析其原始數據，在診斷前進行預處理，明確其處理特征，做好選取，提供精準的數據信息，以保證各項工作有序的開展[8]。

五、結論

綜上所述，在當前的時代背景下，計算機網絡中產生的故障造成較為嚴重的后果，直接影響人們的使用，因此應加強重視力度，從多個角度創新，完善現階段的發展模式，針對性的開展處理，靈活運用現有的技術來處理故障，以保證故障得到合理的解決。與此同時，積極的開展技術研究，優化其智能性，以保證現階段的計算機網絡故障得到高效的檢測，利用技術的優勢開展處理，為人們提供良好的技術支撐，具有廣闊的前景。

參 ?考 ?文 ?獻

[1]臧博.一種神經網絡的計算機網絡故障診斷探究[J].電腦編程技巧與維護，2018，16（22）：100-102.

[2]王強.基于神經網絡的計算機網絡故障診斷[J].信息與電腦（理論版），2019，15（19）：157-158.

[3]張建勛，紀綱，曾慶森.粗糙集-神經網絡計算機網絡故障診斷方法研究[J].現代機械， 2019，15（03）：48-50.

[4]尚志信，周宇，葉慶衛.基于粗糙集和BP神經網絡算法的網絡故障診斷模型研究[J].寧波大學學報（理工版），2019，12（03）：3-5.

[5]胡波.基于粗糙集理論與BP神經網絡結合的火電廠風機故障診斷研究[J].現代機械， 2018，15（03）：48-50.

[6]孫穎楷，張邦禮，曹龍漢.基于粗糙集理論的人工神經網絡故障診斷系統[J]. 重慶大學學報（自然科學版），2019，15（03）：48-50.

[7]張燕軍，張彥斌，劉仁偉.基于粗糙集與神經網絡相結合的模擬電路故障診斷[J].火力與指揮控制， 2019，15（S1）：78-81.

[8]劉慶珍.基于粗糙集理論和人工神經網絡的電力電子電路故障診斷的研究[J].現代機械， 2019，12（03）：4-5.

[9]臧博.一種神經網絡的計算機網絡故障診斷探究[J].電腦編程技巧與維護，2015（22）：100-102.

[10]張建勛，紀綱，曾慶森，等.粗糙集-神經網絡計算機網絡故障診斷方法研究[J].現代機械， 2005（3）：48-50.

[11]陶亮.神經網絡在網絡故障診斷中的應用研究[J].計算機光盤軟件與應用，2012（15）：179-179.