文献

J-GLOBAL ID：202202257865681362   整理番号：22A0779897

学習のためのキャッシュとキャッシングの学習:キャッシングアルゴリズムのRegret解析【JST・京大機械翻訳】

Learning to Cache and Caching to Learn: Regret Analysis of Caching Algorithms

著者 (5件)： Bura Archana (Department of Electrical and Computer Engineering, Texas A&M University, College Station, TX, USA) ,  Rengarajan Desik (Department of Electrical and Computer Engineering, Texas A&M University, College Station, TX, USA) ,  Kalathil Dileep (Department of Electrical and Computer Engineering, Texas A&M University, College Station, TX, USA) ,  Shakkottai Srinivas (Department of Electrical and Computer Engineering, Texas A&M University, College Station, TX, USA) ,  Chamberland Jean-Francois (Department of Electrical and Computer Engineering, Texas A&M University, College Station, TX, USA)
資料名： IEEE/ACM Transactions on Networking  (IEEE/ACM Transactions on Networking)
巻： 30  号： 1  ページ： 18-31  発行年： 2022年 
JST資料番号： W0507A  ISSN： 1063-6692  CODEN： IEANEP  資料種別： 逐次刊行物 (A)
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： キャッシングアルゴリズムの手がかり性能計量は,要求の人気分布を迅速かつ正確に学習する能力を含む。しかし,解析的性能解析に関する大多数の研究は,漸近的に大きい時間の後,ヒット確率に焦点を合わせる。オンライン学習視点を考察し,キャッシュに最も一般的なアイテムを配置する,ゲニエ支援方式に関して,候補キャッシングアルゴリズムにより達成されたヒット間の有限時間差に関して,”regret”を特性化した。最初に,すべての要求がキャッシュによって見られる完全な観察領域を考察した。著者らは,最小頻度利用(LFU)アルゴリズムが,LFU-Liteと呼ぶ効率的な計数アルゴリズム設計によって整合する順序最適レグレットを達成できることを示した。次に,キャッシュにより現在キャッシュされたアイテムに対する要求のみをキャッシュにより見出し,マルチアームバンド問題に関連したオンライン学習問題と類似な部分観測領域を考察した。従来のアプローチを用いたこの「キャッシングバンド」のアプローチが,高い複雑性またはレグレットのいずれかをもたらすが,分布構造を利用する単純なアルゴリズム設計は,順序最適レグレットを確実にすることができる。数値シミュレーションを用いて著者らの洞察を例証した。Copyright 2022 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： *アルゴリズム ,  確率 ,  *学習 ,  解析 ,  *キャッシュメモリ ,  *バッファ方式 ,  性質 ,  キャラクタリゼーション ,  性能分析
準シソーラス用語： 数値シミュレーション ,  オンライン学習 ,  *キャッシング ,  複雑性 ,  時間差 ,  アルゴリズム設計 , 【Automatic Indexing@JST】

分類 (3件)： 計算機網  (JC03000K) ,  移動通信  (ND08030H) ,  無線通信一般  (ND08010L)

タイトルに関連する用語 (4件)： 学習 ,  キャッシュ ,  キャッシング ,  解析