文献

J-GLOBAL ID：201802213422937666   整理番号：18A0860699

ロバスト固体貯蔵システム信頼性物理の機械学習評価と予測【JST・京大機械翻訳】

Machine-learned assessment and prediction of robust solid state storage system reliability physics

著者 (3件)： Sarkar Jay (Western Digital Corporation, 5601 Great Oaks Parkway, San Jose, California - 95119, U.S.A.) ,  Peterson Cory (Western Digital Corporation, 5601 Great Oaks Parkway, San Jose, California - 95119, U.S.A.) ,  Sanayei Amir (Western Digital Corporation, 5601 Great Oaks Parkway, San Jose, California - 95119, U.S.A.)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IRPS  ページ： 3C.6-1-3C.6-8  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： スループット加速ストレス下での最新のロバストな固体状態記憶装置(SSDs)の複雑なメモリサブシステムの信頼性物理を,システムとして信頼できる寿命を通して期待されるメモリ劣化メカニズムを緩和するそれらの本質的に設計されたフォールトトレランススキームを理解するために解析した。ストレス下での複数のメモリ劣化メカニズムを効果的に対抗する多重設計誤り管理方式の強度により,開発した経験的データベース機械学習フレームワークは,定量的でプロアクティブな方法でシステムレベルで信頼できるSSD設計に関する推論と予測評価を可能にする。個々の装置のシステムレベルの健康に関するそのような機械学習定量的評価は,資格信頼性評価を管理するために利用することができ,固体貯蔵システムの個々および個体群の信頼性に関する設計および/または意思決定に及ぼす動的スループットストレスの影響を評価する。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： スループット ,  多重化 ,  *信頼性 ,  *システム信頼度 ,  管理システム ,  意思決定 ,  個体群 ,  *予測 ,  *機械学習 ,  記憶装置 ,  *ロバスト性 ,  固相
準シソーラス用語： 信頼性評価 ,  定量的評価 ,  経験的データ , 【Automatic Indexing@JST】

分類 (1件)： 記憶方式  (JC02040V)

タイトルに関連する用語 (8件)： ロバスト ,  固体 ,  貯蔵 ,  システム信頼性 ,  物理 ,  機械学習 ,  評価 ,  予測