Scidown文献预览系统！
基于注意机制的多实例深度学习用于未标记硬盘驱动器故障预测( Multi-Instance Deep Learning Based on Attention Mechanism for Failure Prediction of Unlabeled Hard Disk Drives )
Guochao Wang Yu Wang Xiaojie Sun
硬盘驱动器（HDD）故障是数据中心最关键的可靠性问题。因此，预测硬盘的故障是保证数据中心存储安全的重要手段。然而，由于健康数据和故障数据的高度混合，目前的大多数研究工作都没有注意到返回的故障HDD中的智能数据是一个由许多未标记数据组成的长期序列。由于快速退化期的故障数据少于正常状态下的健康数据，健康数据和故障数据的混合导致了数据的极不平衡。这给寻找隐藏的故障信息带来了极大的挑战，故障预测成为一项艰巨的任务。针对上述问题，提出了一种基于LSTM网络和注意力机制的多实例长期数据分类方法，用于HDDS故障预测。将长时序HDD数据作为一个实例包，MIL在子概念层将其划分为多个实例，然后研究实例与包标签之间的联系。通过对某通信公司和Backblaze数据中心的HDD数据的分析，我们提出的方法可以得到比其他方法更好的结果。
SciDown文献求助系统（解决99%问题） Public Download ResearchGate
『Sci-Hub|Scidown』怎么用？来看看教程吧！

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献（暂时关闭）

安卓手机、电脑用户，您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！（注意是文献的DOI号）

苹果手机用户，您需要先在App Store里搜索并下载 Documents by Readdle 这个APP，在APP首页，左划右下角的指南针图标打开APP内置浏览器，在浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！

如出现BUG？赶快加入【Scidown互助交流群】反馈吧：729083885【点击一键加群】
『Sci-Hub|Scidown』相关参考文献
scidown 具有双活性位的金属-有机骨架的高选择性co2电还原到c2h4下载
scidown 具有双活性位的金属-有机骨架的高选择性co2电还原到c2h4下载
scidown 将Pt(IV)前药嵌入多糖纳米管中用于药物传递下载