文献

J-GLOBAL ID：202002292232854454   整理番号：20A0813587

Webサービス性能予測,ランキングおよび回帰試験のためのリカレントニューラルネットワーク【JST・京大機械翻訳】

Recurrent Neural Network for Web Services Performance Forecasting, Ranking and Regression Testing

著者 (4件)： Hasnain Muhammad (MONASH University,Malaysia) ,  Pasha Muhammad Fermi (MONASH University,Malaysia) ,  Lim Chern Hong (MONASH University,Malaysia) ,  Ghan Imran (Indiana University of Pennsylvania,USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： APSIPA ASC  ページ： 96-105  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： Webサービスに対する消費者満足度を保証するために重要なWebサービス性能の正確な推定は,異なる個人の動的で個人化された要求により,依然として困難な課題である。Webサービス性能の効率的推定は,Webサービスのより良いランキングに導くことができる。次に,Webサービスの既存の機能性がWebサービスにおける進化を通して影響を受けないことを保証するために,ランク付けWebサービスに関して回帰試験を実行した。ソフトコンピューティング技術は非常に資源消費が多く,より複雑である。さらに,それらは,低い伝搬による複雑な近似を示して,それは高度の深いニューラルネットワークを使用することによって改良することができた。以前に提案されたWebサービス性能推定と解析は,深いニューラルネットワークから決して考慮されていない。Webサービス性能の効率的推定の問題を扱うために,Webサービスのサービス(QoS)データの時間スライス品質の利用により,ゲート付き再帰ユニット(GRU)を提案した。GRUモデルは,異なるタイムスタンプにおける異なるセットのユーザから得られたQoS値を分析することができる。提案した手法をWebサービスデータセット上で評価し,比較により,提案手法が最新手法の状態よりも良好な予測と推定を示すことを示した。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： *ニューラルネットワーク ,  消費者 ,  等級づけ ,  *Webサービス
準シソーラス用語： タイムスタンプ ,  ソフトコンピューティング ,  機能性 ,  リカレントニューラルネットワーク , 【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 (5件)： Webサービス ,  性能予測 ,  ランキング ,  回帰試験 ,  リカレントニューラルネットワーク