文献

J-GLOBAL ID：201902248566081486   整理番号：19A2175557

改良型ニューラルネットワークに基づく仮想機械の短期負荷予測【JST・京大機械翻訳】

Short-Term Load Forecasting of Virtual Machines Based on Improved Neural Network

著者 (4件)： Guo Wei (Research Center of Software and Data Engineering, School of Software, Shandong University, Jinan, China) ,  Ge Wei (Research Center of Software and Data Engineering, School of Software, Shandong University, Jinan, China) ,  Lu Xudong (Research Center of Software and Data Engineering, School of Software, Shandong University, Jinan, China) ,  Li Hui (Research Center of Software and Data Engineering, School of Software, Shandong University, Jinan, China)
資料名： IEEE Access  (IEEE Access)
巻： 7  ページ： 121037-121045  発行年： 2019年 
JST資料番号： W2422A  ISSN： 2169-3536  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： クラウドコンピューティングは,物理的機械の利用を効果的に増加させるために,物理的機械上の資源を独立した方法で共有することを可能にする。クラウドサービスユーザが高品質サービスを得ることを可能にするために,クラウドサービスプロバイダにとって,仮想マシンを割り当て,展開するために必要な時間を減らし,物理的サーバの配置のための時間ウィンドウを提供することが重要である。需要を保証するために,一つの効果的な実装方法は,仮想機械から動的に変化する物理的サーバへのデータセンターの要求の効率的な配置に貢献するので,将来の仮想マシンの作業負荷を予測することである。しかし,仮想マシン要求の複雑さのために,仮想機械作業負荷予測は,現在,重要な課題のままである。一方では,勾配の消失のために長期依存性を捉えるための標準的なリカレントニューラルネットワークには困難であるが,他方では,長い短期記憶法は不規則な間隔を扱うことができない。したがって,不規則な時間間隔を管理することができる新しい仮想機械作業負荷予測法を本論文で提案した。提案した方法は,単位として一定の長さの時間を用いて,仮想マシンの将来の作業負荷を正確に予測するために,歴史的仮想機械作業要求の量と時間間隔を組み合わせた。実験は,提案したモデルが長い短期記憶法より正確な予測結果を作り出すことができることを示した。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： *予測 ,  データセンタ ,  *仮想機械システム ,  *負荷予測 ,  *ニューラルネットワーク ,  予測技法
準シソーラス用語： 時間間隔 ,  短期記憶 ,  リカレントニューラルネットワーク ,  長期依存性 ,  複雑性 ,  サービスプロバイダ ,  高品質 ,  クラウドサービス ,  クラウドコンピューティング , 【Automatic Indexing@JST】

分類 (2件)： 音響信号処理  (BB03050C) ,  音声処理  (JE05000E)

タイトルに関連する用語 (4件)： ニューラルネットワーク ,  仮想機械 ,  短期 ,  負荷予測