TY - A2的郭台铭,建平盟——王,思敏AU - Ma, Chunmiao盟,徐一轩AU -王,金玉盟——吴,上海市PY - 2022 DA - 2022/12/12 TI -一个Hyperparameter LSTM温度预测模型的优化算法在数据中心SP - 6519909六世- 2022 AB -为主要工具实现数据挖掘和有效的知识获取在大数据时代,机器学习是广泛应用于数据中心节能研究。基于机器学习的温度预测模型预测的状态数据中心根据即将到来的任务。它可以调整制冷设备提前避免温度调节滞后,根据实际需求设置空调温度以避免过度制冷。基于温度预测的任务调度和迁移算法可以有效地避免热点。然而,hyperparameter机器学习模型的选择对其性能有很大的影响。在这项研究中,提出了基于MLP hyperparameter优化算法。的基础上尝试某些hyperparameters,延时模型用来预测所有hyperparameters’的价值空间,然后,选择一定数量的高质量的hyperparameters反复训练模型。在每个迭代中,训练数据的数量逐渐减少,而模型的精度迅速提高,最后,得到了适当的hyperparameter。我们使用的遗传算法改进的突变的概率高质量的解决方案和损失函数加权的方法来选择最好的解决方案的稳定性。实验在两个具有代表性的机器学习模型,进行LSTM和随机森林,并与标准高斯贝叶斯和随机搜索方法。 The results show that the method proposed in this study can obtain high-precision and high-stability hyperparameter through one run and can greatly improve the operation efficiency. This algorithm is not only effective for LSTM but also suitable for other machine learning models. SN - 1058-9244 UR - https://doi.org/10.1155/2022/6519909 DO - 10.1155/2022/6519909 JF - Scientific Programming PB - Hindawi KW - ER -