文献

J-GLOBAL ID：201802217789965840   整理番号：18A1806601

正確な学習または高速混合?キャッシングアルゴリズムの動的適応性【JST・京大機械翻訳】

Accurate Learning or Fast Mixing? Dynamic Adaptability of Caching Algorithms

著者 (4件)： Li Jian (College of Information and Computer Sciences, University of Massachusetts Amherst, Amherst, MA, USA) ,  Shakkottai Srinivas (Department of Electrical and Computer Engineering, Texas A&M University, College Station, TX, USA) ,  Lui John C. S. (Department of Computer Science and Engineering, The Chinese University of Hong Kong, Hong Kong) ,  Subramanian Vijay (Department of Electrical Engineering and Computer Science, University of Michigan, Ann Arbor, MI, USA)
資料名： IEEE Journal on Selected Areas in Communications  (IEEE Journal on Selected Areas in Communications)
巻： 36  号： 6  ページ： 1314-1330  発行年： 2018年 
JST資料番号： A0908B  ISSN： 0733-8716  CODEN： ISACEM  資料種別： 逐次刊行物 (A)
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： 定常要求プロセス下での定常状態ヒット確率の計量を用いたコンテンツキャッシングアルゴリズムの典型的解析は,可変要求到着プロセスの下での性能損失を考慮しない。本論文では,複雑性制限オンライン分布学習アルゴリズムとしてキャッシングアルゴリズムを概念化し,2つの視点からそれらの適応性を研究するために,このバンテージポイントを使用した。1)一定の人気分布を学習する精度,2)学習項目の人気の速度。この目的を達成するために,著者らは,学習精度の測度として使用する真の人気ランキングの知識を持つ遺伝的支援アルゴリズムのそれによって,いくつかの一般的アルゴリズムの定常分布の間の距離を計算した。次に,各アルゴリズムの混合時間,すなわち,学習効率の測度として使用する定常分布を達成するために必要な時間を特性化した。ここでは,上記の両測度を融合し,アルゴリズムが最適キャッシング分布をどのように正確に学習し,これを用いて,多くの一般的キャッシングアルゴリズムのこれら二つの目的間のトレードオフを決定し,最近用いられている新しいハイブリッドアルゴリズムを提案した。動的に変化する合成要求プロセスまたは実世界トレースを用いることに直面した場合,それが他のすべての候補アルゴリズムよりも性能が優れていることを数値的に示した。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： *適応性 ,  コンテンツ ,  測度 ,  *学習 ,  キャラクタリゼーション ,  *アルゴリズム ,  等級づけ ,  学習アルゴリズム ,  *高速度
準シソーラス用語： ハイブリッドアルゴリズム ,  定常分布 ,  オンライン ,  複雑性 ,  定常状態 ,  *キャッシング , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  無線通信一般  (ND08010L)

タイトルに関連する用語 (4件)： 学習 ,  キャッシング ,  アルゴリズム ,  動的適応