文献

J-GLOBAL ID：201902241700621205   整理番号：19A2092381

プラス:ソフトウェアの不確実性のための性能学習【JST・京大機械翻訳】

PLUS: Performance Learning for Uncertainty of Software

著者 (2件)： Trubiani Catia (Gran Sasso Science Institute) ,  Apel Sven (University of Passau)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICSE-NIER  ページ： 77-80  発行年： 2019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： 不確実性は,そのようなパラメータが全体のシステム性能に必然的に影響するので,作業負荷,運転プロファイル,資源需要のような重要なパラメータの値に関連するとき,ソフトウェア性能工学において特に重要である。以前の研究は,構成オプションの影響を考慮しながら,ソフトウェアシステムの性能特性を監視することに焦点を合わせた。性能問題を同定するためのソフトウェア開発プロセスにおける第一クラス概念として不確実性を組み込む問題は依然として挑戦的である。ソフトウェアシステムの基礎となる異なる不確実性がその性能特性にどのように影響するかを把握する新しいクラスの性能モデルの仕様を調べることにより,PLUS(ソフトウェアの不確実性のための性能学習)アプローチはこれらの限界に取り組むことを目的としている。PLUSの主要な目標は,ソフトウェア性能工学領域における基本的な問題に答えることである。すなわち,ソフトウェアシステムの性能特性を表現するために,変数構成オプション(すなわち,ソフトウェアとハードウェア資源)とそれらの固有の不確実性(例えば資源需要,プロセッサ速度)をモデル化する。この方法により,ソフトウェア技術者は,不確実性とともに性能の重要な構成を同定するタスクにおいて,それらをサポートするシステムの定量的評価にさらされる。Copyright 2019 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： システムエンジニア ,  *不確実性 ,  ソフトウェアプロセス ,  演算プロセッサ ,  *ソフトウェア ,  *学習 ,  モデリング ,  ハードウェア
準シソーラス用語： 定量的評価 ,  性能モデル ,  性能特性 ,  ソフトウェアシステム ,  システム性能 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： ソフトウェア ,  不確実性 ,  学習