張濤

【摘要】 ? ?計算機的普及促使現(xiàn)階段人們的工作與生活方式發(fā)生明顯的變化，為人們提供優(yōu)質(zhì)的服務，但受多種因素影響，計算機網(wǎng)絡(luò)故障發(fā)生較為頻繁，進而降低其功能性?；诖耍疚膹纳窠?jīng)網(wǎng)絡(luò)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(wǎng)絡(luò)在實際中的應用，分析其網(wǎng)絡(luò)故障，明確現(xiàn)階段神經(jīng)網(wǎng)絡(luò)下存在的網(wǎng)絡(luò)故障，以供參考。

【關(guān)鍵詞】 ? ?神經(jīng)網(wǎng)絡(luò) ? ?故障診斷原理 ? ?基本算法 ? ?計算機

前言：

網(wǎng)絡(luò)故障診斷實際上是指現(xiàn)階段針對網(wǎng)絡(luò)呈現(xiàn)的某種故障進行合理的檢測與分析，根據(jù)其運行現(xiàn)狀找到呈現(xiàn)故障的原因，以保證其正常運行。計算機網(wǎng)絡(luò)在運行過程中需要合理的開展維護，做好相關(guān)的維護記錄，以保證發(fā)生網(wǎng)絡(luò)故障時可以為工作人員提供參考，可以及時發(fā)現(xiàn)設(shè)備在運行過程中存在的故障，有效進行維修。

一、神經(jīng)網(wǎng)絡(luò)故障診斷原理和基本算法

1.1工作原理

現(xiàn)階段的神經(jīng)網(wǎng)絡(luò)診斷技術(shù)較為獨特，主要分為兩部分，一部分保證樣本來滿足神經(jīng)網(wǎng)絡(luò)訓練，靈活利用其優(yōu)勢開展其處理，對計算機網(wǎng)絡(luò)進行故障診斷;另一部分對現(xiàn)階段的實際情況開展分析，分析檢測輸入狀態(tài)，通過神經(jīng)網(wǎng)絡(luò)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(wǎng)絡(luò)故障開展診斷，需要提前進行原始數(shù)據(jù)處理，并分析其檢測的訓練樣本，保證后續(xù)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(shù)據(jù)信息[1]。

1.2故障診斷算法

實際上，對于各種狀態(tài)下的信息，計算機網(wǎng)絡(luò)在應用過程中都需要開展實際的訓練，并以此為基礎(chǔ)，對狀態(tài)信息開展分析，最終明確其實際的映射關(guān)系。受計算機自身的性質(zhì)因素影響，其自身呈現(xiàn)出明顯的適應能力，可以利用計算機網(wǎng)絡(luò)自主進行分析，當收到外界環(huán)境影響時，利用映射的關(guān)系進行合理的調(diào)整，形成良好的適應功能。

神經(jīng)元與神經(jīng)元通過連接構(gòu)成神經(jīng)網(wǎng)絡(luò)，例如BP神經(jīng)網(wǎng)絡(luò)現(xiàn)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(wǎng)絡(luò)層級，以保證功能的實現(xiàn)。以中間層的神經(jīng)網(wǎng)絡(luò)為例，其自身又被分割成多個層次，各個層次的神經(jīng)元連接上下層次的神經(jīng)元，單向進行輸出，由此保證同層次節(jié)點不會出現(xiàn)耦合，每個層次只有對應下一層次，并產(chǎn)生影響[2]。

二、計算機網(wǎng)絡(luò)在實際中的應用

計算機網(wǎng)絡(luò)是指現(xiàn)階段的通信網(wǎng)絡(luò)，屬于多元化網(wǎng)絡(luò)，以自身為基礎(chǔ)，實現(xiàn)資源的整合，提升資源的共享性。計算機網(wǎng)絡(luò)已經(jīng)被應用在各個領(lǐng)域中，促使現(xiàn)階段的各個行業(yè)實現(xiàn)創(chuàng)新發(fā)展，提升計算機網(wǎng)絡(luò)的重要性，但在實踐過程中，也會不斷出現(xiàn)大量的網(wǎng)絡(luò)問題，進而對其功能與效率產(chǎn)生明顯的影響，甚至產(chǎn)生安全性問題，降低整體安全系數(shù)，容易造成信息泄露，造成嚴重的經(jīng)濟損失。因此應積極的創(chuàng)新現(xiàn)有技術(shù)，加強整體安全防護，降低安全故障的發(fā)生幾率[3]。網(wǎng)絡(luò)傳輸近年來全面發(fā)展，整體的傳輸速率增大，轉(zhuǎn)變?yōu)槿fM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(xiàn)階段人們逐漸加強對網(wǎng)絡(luò)安全的重視力度，以做好安全防護，尤其是針對網(wǎng)絡(luò)入侵問題，更加注重信息的保密，以設(shè)置加密形式，保證網(wǎng)絡(luò)安全，享受網(wǎng)絡(luò)帶來的便捷性優(yōu)勢[4]。

三、計算機網(wǎng)絡(luò)故障

計算機網(wǎng)絡(luò)故障可以說是現(xiàn)階段最為常見的問題，產(chǎn)生的影響較為嚴重，并且呈現(xiàn)出明顯的動態(tài)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(chǎn)生不良的后果?，F(xiàn)有的計算機網(wǎng)絡(luò)故障常見的類型較多，如網(wǎng)絡(luò)傳輸故障、網(wǎng)絡(luò)設(shè)備損壞故障、網(wǎng)絡(luò)結(jié)構(gòu)故障等，直接影響其各項功能的開展，因此應合理的開展優(yōu)化，針對性的創(chuàng)新，完善現(xiàn)階段的技術(shù)，高效的處理故障。網(wǎng)絡(luò)設(shè)備故障最為常見，在計算機網(wǎng)絡(luò)運行過程中，由于設(shè)備的老化或者電路損壞而引發(fā)規(guī)劃故障，造成嚴重的后果[5]。

計算機網(wǎng)絡(luò)中網(wǎng)絡(luò)傳輸與網(wǎng)絡(luò)結(jié)構(gòu)產(chǎn)生的影響較為直接，還包括網(wǎng)絡(luò)結(jié)構(gòu)劃分與傳輸失真問題，這些問題都會產(chǎn)生明顯的負面影響。因此在發(fā)展中英合理的進行優(yōu)化，采取有效的措施解決計算機網(wǎng)絡(luò)故障，正確處理現(xiàn)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(fā)現(xiàn)問題與安全隱患，并做好相關(guān)的記錄，為工作人員提供良好的信息服務，以便于呈現(xiàn)故障問題時可以及時的發(fā)現(xiàn)位置，盡量降低故障產(chǎn)生的影響，控制整體的計算機網(wǎng)絡(luò)覆蓋范圍，實現(xiàn)網(wǎng)絡(luò)的高效傳輸，降低故障的發(fā)生幾率[4]。

四、神經(jīng)網(wǎng)絡(luò)下計算機網(wǎng)絡(luò)故障診斷分析

4.1模式識別神經(jīng)網(wǎng)絡(luò)

對于現(xiàn)階段的網(wǎng)絡(luò)故障來說，在開展診斷過程中包含兩個環(huán)節(jié)，一是模式分類，另一個是模式識別，在傳統(tǒng)的診斷過程中，主要是通過模式識別技術(shù)利用函數(shù)的識別，最終完成模式的分類，實現(xiàn)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(shè)其模式類別，運用數(shù)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(shè)進行決策區(qū)域的劃分，形成完整的區(qū)域。與此同時，在該過程中需要保證相關(guān)的函數(shù)參數(shù)被識別，進而根據(jù)其參數(shù)作出相應的處理，達到修正的目的[5]。

4.2專家診斷神經(jīng)網(wǎng)絡(luò)

相對來說，專家診斷神經(jīng)網(wǎng)絡(luò)是將當前神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)相結(jié)合，形成更為完整的系統(tǒng)，優(yōu)化其功能性，以開展各項診斷。例如，可以將系統(tǒng)組合成神經(jīng)網(wǎng)絡(luò)進行處理，結(jié)合優(yōu)勢進行符號轉(zhuǎn)換，形成完整的數(shù)值運算推理，保證專家系統(tǒng)的執(zhí)行率提升，處理各項問題，并利用系統(tǒng)優(yōu)勢開展學習，達到最終的目的。也可以將現(xiàn)階段的神經(jīng)網(wǎng)絡(luò)當成一個知識源進行處理，形成具體的表達模型，將現(xiàn)有的模型與知識模型相結(jié)合，發(fā)揮出專家系統(tǒng)的優(yōu)勢。從整體上開展分析，將神經(jīng)網(wǎng)絡(luò)進行合理的處理，作為現(xiàn)階段的網(wǎng)絡(luò)故障診斷的基礎(chǔ)前提，做好知識表達，高效進行信息處理，優(yōu)化各個單元的相互對接，實現(xiàn)節(jié)點的高效處理，保證網(wǎng)絡(luò)信息的精準性，通過其信息進行精準的診斷與推理。發(fā)揮出自身的優(yōu)勢，形成簡單的方式[6]。

4.3故障預測神經(jīng)網(wǎng)絡(luò)

在進行故障預測神經(jīng)網(wǎng)絡(luò)應用過程中，現(xiàn)階段常見的方式主要有兩種，一種是神經(jīng)網(wǎng)絡(luò)，并以此為基礎(chǔ)進行合理的參數(shù)預測模擬，以提升整體的診斷效率，該方式在BP神經(jīng)網(wǎng)絡(luò)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(xiàn)階段的輸入與輸出關(guān)系進行分析，并結(jié)合實際的工作參數(shù)開展優(yōu)化，明確其具體的過程，利用反饋鏈接動態(tài)神經(jīng)網(wǎng)絡(luò)建立動態(tài)模型，從根本上實現(xiàn)網(wǎng)絡(luò)故障的結(jié)高效診斷與檢測，滿足實際的需求[7]。

4.4神經(jīng)網(wǎng)絡(luò)在網(wǎng)絡(luò)中的故障與解決

神經(jīng)網(wǎng)絡(luò)概念的呈現(xiàn)實際上是源自于傳統(tǒng)的人體神經(jīng)學說，其實際上是指現(xiàn)階段的人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，ANN），屬于一種模仿人體神經(jīng)網(wǎng)絡(luò)行為的特征，并根據(jù)實際情況進行合理的信息處理，優(yōu)化其處理算法模型，呈現(xiàn)出一定的復雜性。神經(jīng)網(wǎng)絡(luò)的系統(tǒng)復雜性較高，內(nèi)部需要通過節(jié)點進行相互連接，優(yōu)化其信息處理能力，達到最終的目的。神經(jīng)網(wǎng)絡(luò)自身具有良好的學習性，可以根據(jù)自身的能力進行相應的學習，適應不斷變化的環(huán)境，如通過預先輸入的數(shù)據(jù)進行處理，形成完整的映射規(guī)律，并根據(jù)其規(guī)律進行預算，獲取輸出結(jié)果，以完成“訓練”。

根據(jù)實際情況進行合理的處理，明確現(xiàn)階段神經(jīng)網(wǎng)絡(luò)的優(yōu)勢，完善現(xiàn)階段的模式，針對性的處理，利用其技術(shù)優(yōu)勢考慮各種因素的影響，分析神經(jīng)網(wǎng)絡(luò)中存在的故障，合理的解決故障，做好記錄，將技術(shù)輸入到計算機網(wǎng)絡(luò)中，記錄產(chǎn)生故障的原因，以便于后續(xù)出現(xiàn)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(jīng)網(wǎng)絡(luò)來說，在處理過程中由于神經(jīng)網(wǎng)絡(luò)占據(jù)實際網(wǎng)絡(luò)較大部分，因此其可以合理的判斷出網(wǎng)絡(luò)中存在的故障，縮短檢查存在的時間，降低檢修產(chǎn)生的成本，降低成本產(chǎn)生的影響。神經(jīng)網(wǎng)絡(luò)在處理故障時，可以充分發(fā)揮出自身的優(yōu)勢，利用存在的故障記錄信息進行初步的診斷，可以根據(jù)實際情況進行其預處理分析，做好神經(jīng)網(wǎng)絡(luò)的診斷，做好記錄的診斷。最后根據(jù)現(xiàn)階段的診斷系統(tǒng)進行合理的處理，分析其原始數(shù)據(jù)，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(shù)據(jù)信息，以保證各項工作有序的開展[8]。

五、結(jié)論

綜上所述，在當前的時代背景下，計算機網(wǎng)絡(luò)中產(chǎn)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(chuàng)新，完善現(xiàn)階段的發(fā)展模式，針對性的開展處理，靈活運用現(xiàn)有的技術(shù)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(shù)研究，優(yōu)化其智能性，以保證現(xiàn)階段的計算機網(wǎng)絡(luò)故障得到高效的檢測，利用技術(shù)的優(yōu)勢開展處理，為人們提供良好的技術(shù)支撐，具有廣闊的前景。

參 ?考 ?文 ?獻

[1]臧博.一種神經(jīng)網(wǎng)絡(luò)的計算機網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)的計算機網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)計算機網(wǎng)絡(luò)故障診斷方法研究[J].現(xiàn)代機械， 2019，15（03）：48-50.

[4]尚志信，周宇，葉慶衛(wèi).基于粗糙集和BP神經(jīng)網(wǎng)絡(luò)算法的網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)結(jié)合的火電廠風機故障診斷研究[J].現(xiàn)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(jīng)網(wǎng)絡(luò)故障診斷系統(tǒng)[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(jīng)網(wǎng)絡(luò)相結(jié)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(jīng)網(wǎng)絡(luò)的電力電子電路故障診斷的研究[J].現(xiàn)代機械， 2019，12（03）：4-5.

[9]臧博.一種神經(jīng)網(wǎng)絡(luò)的計算機網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)計算機網(wǎng)絡(luò)故障診斷方法研究[J].現(xiàn)代機械， 2005（3）：48-50.

[11]陶亮.神經(jīng)網(wǎng)絡(luò)在網(wǎng)絡(luò)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.