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。
非効率的なモバイルソフトウェア電池寿命を殺す。しかし,開発者はソフトウェアのエネルギーバグを検出し解決するために必要なツールを欠いている。さらに,開発者は通常ソフトウェア特徴とトリアージ既存類の生成を担当した。このことは,ほとんどの開発者は研究への時間や資源を有し,構築,またはエネルギーデバッグツールを採用しないことを意味する。デバッグソフトウェアエネルギー問題を支援するソフトウェアエネルギー消費を予測するための新しい方法を示した。我々のアプローチは,トレースソフトウェアエネルギー消費のを用いるこん跡量ソフトウェア挙動を整列する開発可能にする。これは実行時間エネルギーホットスポットと一致する対応する実行に開発可能にする。ソフトウェアの挙動を与えられたエネルギー消費の時系列を予測するための最近のニューラルネットワークモデルを適用することによりこれを達成した。全ソフトウェアエネルギー消費を予測するのみであることを前の最新モデルに時系列モデルを比較した。LSTM基づく時系列に基づくモデル,モデル機械学習ベース時系列に基づくしばしば瞬間的電力消費と総エネルギー消費量を予測するより正確であることを見出した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】