文献

J-GLOBAL ID：202002264559504762   整理番号：20A2556997

LSRU:クラウドデータセンタにおける仮想マシンの負荷を予測する新しい深層学習ベースハイブリッド法【JST・京大機械翻訳】

LSRU: A Novel Deep Learning based Hybrid Method to Predict the Workload of Virtual Machines in Cloud Data Center

著者 (3件)： Hasan Shuvo Md. Nahid (Khulna University of Engineering & Technology,Department of ECE,Bangladesh) ,  Shahriar Maswood Mirza Mohd (Khulna University of Engineering & Technology,Department of ECE,Bangladesh) ,  Alharbi Abdullah G. (Jouf University,Faculty of Engineering,Department of Electrical Engineering,Saudi Arabia,72388)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： TENSYMP  ページ： 1604-1607  発行年： 2020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： タスクスケジューリングはクラウドコンピューティングの重要な革新である。しかし,予測資源利用は,資源の以前の利用に依存する。このように,この型の問題を時系列予測問題としてモデル化した。クラウドコンピューティングプラットフォームは,需要に関するハードウェアとソフトウェア資源の両方を共有する能力を与える。データセンターにおける資源要求の動的変化のため,正確に将来の作業負荷を予測することは難しい。したがって,著者らは,主に2つのモデル,すなわち,ゲート再電流ユニット(GRU)とLong Short Termメモリ(LSTM)の組合せである,LSRUと呼ばれる精度を改善するための新しいハイブリッド法を提案した。著者らの方法LSRUは,異なる統計モデルおよびLSTMおよびGRUモデルと比較して,より良い精度を達成した。LSRUは,作業負荷の突然のバーストを伴う長時間の先行予測とともに短時間の先行予測を予測することができる。実験結果は,他の既存のモデルと比較して,LSRUの性能と,異なるタイプと継続時間の予測作業負荷トレースの視覚表現を示した。Copyright 2020 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： 記憶装置 ,  電流 ,  *データセンタ ,  ハードウェア ,  ソフトウェア ,  統計模型 ,  *仮想機械システム ,  バースト ,  継続時間
準シソーラス用語： 時系列予測 ,  *ハイブリッド法 ,  タスクスケジューリング ,  クラウドコンピューティング ,  *深層学習 ,  長短期記憶 , 【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 (4件)： 仮想マシン ,  予測 ,  深層学習 ,  ハイブリッド法