フロー延長によるネットワーク計算-MLにより可能となったフィードフォワードFIFO解析【JST・京大機械翻訳】

Geyer Fabien; Scheffler Alexander; Bondorf Steffen

プレプリント

J-GLOBAL ID：202202205346479219 整理番号：22P0285616

フロー延長によるネットワーク計算-MLにより可能となったフィードフォワードFIFO解析【JST・京大機械翻訳】

Network Calculus with Flow Prolongation -- A Feedforward FIFO Analysis enabled by ML

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年02月07日プレプリントサーバーでの情報更新日： 2022年02月07日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

データフローの最悪ケース横断時間に関する上限の導出は,多くの応用分野において重要なタスクである。正確な限界のために,モデル単純化は,大きなネットワークでも避けるべきである。ネットワークCalculus(NC)は,遅延境界のためのモデリングフレームワークと種々の解析を提供する。著者らは,すべての待ち行列が第1回第一Out(FIFO)サービスを実行するフィードフォワードネットワークの解析を研究した。FIFO下の互いに対するデータフローの影響を正しく考慮することは,すでに挑戦的なタスクである。しかし,最も速い利用可能なNC FIFO分析は,不必要な緩い限界をもたらす限界に悩まされる。流れ延長(FP)と呼ばれる特徴は,遅延限界精度を著しく改善することが示されている。残念なことに,FPはNC FIFO分析内で非常にしばしば実行され,各時間は延長を伴う代替ネットワークの指数的に成長する集合を生成する。したがって,FPは,大規模ネットワークの網羅的解析に対して,スケールではなく,到達した。機械学習を用いた延長の予測によりFPスケールを作るためのアプローチであるディープFPを導入した。この評価では,深いFPがFIFOネットワークの結果をかなり改善できることを示した。標準NC FIFO解析と比較して,深いFPは,無視できる付加的計算コストで平均で12.1%の遅延限界を減らす。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , 【Automatic Indexing@JST】

トラヒック理論 , 待ち行列 , 計算機網 , 電話・データ通信・交換一般

, , , , ,

前のページに戻る