基于BP神经网络算法的计算机性能统计分析

王鑫

摘要：运算速度是对计算机性能进行评估的重要参考参数之一，所有专用于提高计算机性能的方法，都是为了加快操作速度。为了在执行某些类型的操作时获得计算机系统的性能，已经构建了各种评估系统。计算机的诞生开辟了一个焕然一新的时代，信息处理变得简单快速，极大地促进了人类文明的进步。BP （Back-Propagation）神经网络算法可以用来分析和调试计算机的性能。虽然神经网络演算的应用取得了很大进展，但对神经网络演算的主要概念仍然没有深入的研究。利用数学理论分析这些基本概念并将整个神经网络演算纳入严格的理论体系是值得进一步研究的工作。

引言

如今，随着计算机技术的飞速发展，企业生产力水平日趋提高，人们的生产和生活与计算机技术存在着紧密的联系。作为一项相对重要的科技发明，电子计算机技术对我国经济、政治和文化发展发挥着至关重要的作用。对计算机系统性能方面进行评测，可以评估程序运行预定义任务，或评估任务集的特定计算机系统的性能特征，并且结果还用于预测新系统的性能计算机的诞生让信息处理变得简单快速，极大地促进了人类文明的进步。计算机技术发展的源动力，就是社会各领域对先进计算工具的迫切需求。

计算机应用对速度和精度的要求不断提高，计算机必须不断提高其性能，计算机技术也随之产生跨越式发展。从目前我国计算机技术的应用现状来看，BP神经网络算法可以用来分析和调试计算机的性能，然后对计算机技术进行不断的改进和完善。因此，掌握科学合理的分析和调试方法更为重要。BP模型是典型的多层网络，具有输入层，一个或多个隐藏层和输出层。这些层大部分是互连的，在相同的层单元之间没有互连。虽然神经网络演算的应用取得了很大进展，但仍然缺乏对神经网络演算主要概念的深入研究，如到达曲线和服务曲线。利用数学理论分析这些基本概念，从而将整个神经网络演算整合到一个严格的理论体系中，是值得进一步研究的工作。

1 调试计算机系统的内容和方法

电子计算机具有较快的计算速度，且精度较高，逻辑运算能力较强。如今，计算机的存储容量相对较大，并且在一定程度上，自动化程度相对较高。设备技术的进步为计算机性能的提高创造了条件，成为计算机发展的动力，并带来了计算机技术的创新。每一次技术变革都带来了计算机性能的巨大提升。经典BP算法的存在将落入局部最小值并使算法收敛缓慢。在研究一般BP算法及其改进算法的基础上，将新参数引入经典算法中以调整经典神经元传递函数，然后将改进算法应用于实际评估。

大规模集成电路技术的进步给电子计算机带来了新的变化。计算机的操作需要由相应的硬件和软件支持。为了确保计算机的效率，有必要理解和分析计算机系统内的各种性能。计算机性能分析模型将使用BP人工神经网络实现，BP神经网络的拓扑结构如图1所示。

当员工打开电脑时，会想要以尽可能快的速度进入启动阶段。在此过程中，计算机系统自动检测系统内部的垃圾以及启动项目的相关设备。多核大大提高了计算机的运算速度。现有的高性能计算机，大多为多核架构，但每台计算机使用的核心数量并不相同，效果也不同。当计算机系统运行时，还会打开大量空闲内容，这也在很大程度上影响计算机系统的运行速度和存储空间，降低了计算机系统的性能。在系统启动过程中，通常会启动所有引导设备。但有些设备不是办公室或生活所必需的設备类型。具体来说，要通过磁盘管理项目来进行。这是可用于有效改善设备和操作模式的重要因素。

2 计算机系统优化结束后的比较分析

经过优化计算机的调查和分析，计算机的运行速度得到了显著提高，存储空间也有所增加，计算机性能得到了很大提高。充分体现了该方法的及时性，同时也说明了计算机的规律性，系统调试和优化的重要性。当计算机系统运行时，还会打开大量空闲内容，这也在很大程度上影响计算机系统的运行速度和存储空间，降低了计算机系统的性能因此可以通过关闭空闲功能来提高计算机系统的运行速度。关闭系统远程协助和远程桌面功能，关闭共享目录和磁盘，并禁用不必要的服务。由于神经网络演算的基本假设是群体守恒，在神经网络演算的相关结论中，假设系统不丢弃分组，但在实际应用中，许多服务系统将丢弃数据。高性能计算技术是高科技发展，以及经济发展的重要工具，是中国尖端科技研究的核心支撑力量。

为了使高性能计算机工作，尤其要注重硬件和软件的交互。制造过程的快速发展为硬件创新提供了充足的发展空间。BP模型是典型的多层网络，具有输入层，一个或多个隐藏层和输出层。这些层大部分是互连的，并且在相同的层单元之间没有互连。利用上述调试方法优化计算机进行调查分析，计算机运行速度得到显着提高，存储空间也有所增加，计算机性能得到了很大提高。软件系统一种各种程序互相结合的集合体，包括系统程序、应用程序等，允许每个硬件根据指定的要求协调操作并完成相应的功能。

3 结论

大规模数据的应用，数据处理的准确性和及时性，对计算机性能提出了更高的要求。计算机性能参数的研究是通过分析计算机系统的各种性能指标来找出现有硬件和软件的不足之处，试图探索出对计算机性能进行提升的方式方法。目前，市场上有不合理的计算机硬件，尤其是计算机DIY组装，这是很常见的。BP神经网络演算可以通过线性系统理论分析的传统网络模型来分析。本文中使用的神经网络算法能引入新的参数值。可以通过对实例数据的分析，给出不同参数值下的运行时间和误差值，为实际操作提供了思路和依据。这不仅可以提高计算机的兼容性、稳定性和可用性，还可以节省成本。计算机速度代表机器的计算能力，是计算机性能的最重要表现形式。对计算机性能进行研究的最终目标是提高计算机的速度。

参考文献

[1]陈建国.基于SNMP的计算机性能监控系统设计与实现[J].福建工程学院学报，2014（3）：225-231.

[2]易建钢.新型电液比例阀的计算机性能测试方法及其实现[J]，机床与液压，2013（7）：101-103.

[3]饶冬，朱宏涛，董伟升，et al.自主可控测控计算机性能研究[J].遥测遥控，2017（06）：5055.

[4]Ahn M， Jun S C. Performance variation in rnotor imagerybrain-computer interface： A brief reviewLJl. Journal ofNeuroscience Methods，

2015，

243： 103-110.

[5]满治瑞，计算机应用系统性能测试技术及应用研究[J].电脑知识与技术，2018，14（26）： 232—234.

[6]匡春光，张鲁峰，崔益民.计算机性能测试[J]，微处理机，2014（3）：6669.

[7]张朝鑫，计算机性能的PageRank评价方法[J].计算机光盘软件与应用，2014（12）：311-312.

[8]王晓东.浅谈计算机性能优化技术中的问题及对策[J].计算机光盘软件与应用，2014（3）：311-312.

[9]游永彬，刘丽艳，荆瑞俊.基于加权集对分析的嵌入式计算机性能评价模型[J]，西北工业大学学报，2014（4）：642645.

[10]Malhotra A，Younes M， Kuna S T，et al. Performance of anAutomated Polysomnography Scoring System Versus ComputerAssisted Manual ScoringLJl. Sleep， 2013， 36（4）：573582.

[11] Baykara E，Ruf C A，Fioravanti C，et al. Effects of trainingand motivation on auditory P300 brain-computer interfaceperformanceLJl.Clinical Neurophysiology， 2016， 127（1）：379387.