基于多头注意力机制的双向门控循环单元 SSD 健康状态分类模型优化
机器学习
2025-06-19 v1 人工智能
硬件体系结构
摘要
为应对 SSD 健康状态预测在数据可靠性保障中的关键作用，本研究提出一种融合多头注意力机制的双向门控循环单元（BiGRU-MHA）混合模型，以提升存储设备健康分类的准确度和稳定性。该模型创新性地整合了时序特征提取与关键信息聚焦能力。具体而言，它利用 BiGRU 网络的双向时序建模优势，捕获 SSD 降解特征的前向和后向依赖关系；同时，多头注意力机制动态分配特征权重，提高模型对关键健康指标的敏感性。实验结果表明，所提模型在训练集上达到 92.70% 的分类准确率，在测试集上达到 92.44%，仅有 0.26% 的最小性能差距，显示出卓越的泛化能力。进一步使用受体者工作特征曲线（ROC）分析显示，测试集上的受体工作特性（AUC）为 0.94，确认了该模型在二元分类中的稳健性能。这一工作不仅为 SSD 健康预测提供了新的技术路径，还解决了传统模型在泛化性方面的瓶颈，为工业级存储系统的预防性维护提供了可验证的方法，显著降低数据丢失风险，为云计算数据中心和边缘存储环境中可靠存储系统的智能决策提供支持。
引用
@article{arxiv.2506.14830,
title = {Optimization of bi-directional gated loop cell based on multi-head attention mechanism for SSD health state classification model},
author = {Zhizhao Wen and Ruoxin Zhang and Chao Wang},
journal= {arXiv preprint arXiv:2506.14830},
year = {2025}
}
备注
Source code available; Accepted by 2025 6th International Conference on Electronic Communication and Artificial Intelligence; 5 pages; 7 figures