文献

J-GLOBAL ID：202202214239108793   整理番号：22A0707512

効率的なクラウドサービス選択のための機械学習ベースアプローチ【JST・京大機械翻訳】

A Machine Learning-Based Approach for Efficient Cloud Service Selection

著者 (5件)： Gandhi Uttam (Bennett University, Greater Noida, India) ,  Bothera Abhi (Bennett University, Greater Noida, India) ,  Garg Neha (Bennett University, Greater Noida, India) ,  Neeraj (Bennett University, Greater Noida, India) ,  Gupta Indrajeet (Bennett University, Greater Noida, India)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1528  ページ： 626-632  発行年： 2022年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  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,減衰の革命の発明と考えられる。コンピューティング資源は,スケーラビリティ,アクセシビリティ,支払い-as-go,サーバレスなどの利点を有するユーザに外部的に供給される。その絶えず成長する市場で,小企業(SMEs)またはユーザに利用可能な異なる提供を有する多数のクラウドサービスプロバイダ(CSPs)がある。異なる提供を持つ多数のCSPsのアベイラビリティにより,ユーザが正しいサービスを pickすのが複雑になる。本論文では,ランダムフォレスト回帰に基づく教師つき学習ベースモデルを提案した。提案モデルは,理想解(TOPSIS),VlseKrrijumska Optimizja I Kompromisno Resenje(VIKOR),および重み付けSum法(WSM)との類似性によって,基準の次数のための技術のような多基準意思決定法(MCDM)法のために訓練された。これらのMCDM法から得られたスコアを用いて,サービスをランク付けした。結果は,クラウド環境における提案モデルの受容性を示した。Copyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 計算機利用 ,  供給者 ,  *サービス ,  資源 ,  計算 ,  アベイラビリティ ,  教師つき学習 ,  モデル ,  等級づけ ,  利用者 ,  アクセシビリティ ,  重みづけ ,  多基準意思決定 ,  *機械学習
準シソーラス用語： サービスプロバイダ ,  ランダムフォレスト ,  クラウドコンピューティング ,  *クラウドサービス , 【Automatic Indexing@JST】

著者キーワード (4件)： クラウドコンピューティング ,  クラウドサービスプロバイダ ,  多基準意思決定 ,  機械学習

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (2件)： クラウドサービス ,  機械学習