抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
スマートフォンのようなモバイルシステムにインストールされているアプリケーション(App)の多様性は,我々の生活を豊かにするが,システム管理に困難にしている。例えば,特定のアプリケーションを見つけるよりスマートフォンに設置されたアプリケーションのために不便となり,アプリケーション応答時間はより,より大きなアプリケーションと限られたメモリ容量の間のギャップのために長くなる可能性がある。最近の研究は,問題を解決するための次の使用アプリケーション(ここではappprediction後)を予測するいくつかの方法を提案してきたが,低い予測精度と高い訓練コストの問題に直面している。特にメモリ管理(LMKなど)とApp prelaunchingにapp予測を適用した予測精度と訓練コストの高い要求を持つことになる。本論文では,app予測精度を改善し,移動通信システムにおける訓練コストを低減するために,HiNextAppと名付けた,app予測フレームワークを提案した。HiNextAppは,文脈情報に基づいており,適応予測期間のサイズを調整できる。フレームワークは主に二つの部分:不均一なBayesモデルと弾性アルゴリズムから構成されている。実験結果はHiNextAppは効果的に予測精度を改善し,訓練時間を低減できることを示した。その他に,伝統的なBayesモデルと比較して,このフレームワークのオーバーヘッドは相対的に低かった。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】