文献

J-GLOBAL ID：201902284872134425   整理番号：19A2341299

微分進化ベース学習を用いたクラウド資源需要予測【JST・京大機械翻訳】

Cloud Resource Demand Prediction using Differential Evolution based Learning

著者 (2件)： Kumar Jitendra (National Institute of Technology, Kurukshetra, India) ,  Singh Ashutosh Kumar (National Institute of Technology, Kurukshetra, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICSCC  ページ： 1-5  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： 今日のディジタル世界は,非中断サービスのために効率的に保存され,処理されなければならない相互接続された異種デバイスを通して十分な量のデータを生成する。分散型インフラストラクチャは,大規模データの蓄積と計算問題を扱う能力を示した。クラウドパラダイムは,マルチテンシー,オンデマンド,仮想化,スケーラビリティ,および多くを含む特性によって可能にされる。しかし,クラウド資源は電力消費と炭素フットプリントを低減するために効率的に使用されなければならない。本論文は,効果的仮想機械配置のために用いることができる微分進化に基づく作業負荷予測方式を提示した。提案した方式の予測精度をGoogleの実世界トレース上で評価し,既存の最先端予測手法と比較した。逆伝搬と線形回帰に基づく予測アプローチにおいて,それぞれ71%と88%までの予測誤差の有意な減少を観測した。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： インフラストラクチャー ,  炭素 ,  *学習 ,  ディジタル方式 ,  電力消費 ,  *予測 ,  仮想機械システム ,  予測誤差 ,  相互接続
準シソーラス用語： Google ,  予測精度 ,  フットプリント ,  仮想化 ,  オンデマンド ,  *微分進化 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  符号理論  (ND02030R)

タイトルに関連する用語 (5件)： 微分進化 ,  学習 ,  クラウド ,  資源 ,  需要予測