文献

J-GLOBAL ID：201702254033439130   整理番号：17A0238980

ロバスト雲制御のための大センサストリームの活用【Powered by NICT】

Leveraging large sensor streams for robust cloud control

著者 (9件)： Singh Alok (San Diego Supercomputer Center, UCSD, San Diego, CA) ,  Stephan Eric (Pacific Northwest National Laboratory, Richland, WA) ,  Elsethagen Todd (Pacific Northwest National Laboratory, Richland, WA) ,  MacDuff Matt (Pacific Northwest National Laboratory, Richland, WA) ,  Raju Bibi (Pacific Northwest National Laboratory, Richland, WA) ,  Schram Malachi (Pacific Northwest National Laboratory, Richland, WA) ,  van Dam Kerstin Kleese (Brookhaven National Laboratory, Upton, NY) ,  Kerbyson Darren J (Pacific Northwest National Laboratory, Richland, WA) ,  Altintas Ilkay (San Diego Supercomputer Center, UCSD, San Diego, CA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： Big Data  ページ： 2115-2120  発行年： 2016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： 市販および科学的応用のための今日の動的計算展開はマイナーな非効率性は顕著な性能と運用のボトルネックにsnowballできる時代を推進した。データセンタ運用は重要な決定洞察に基づくセンサ制御システムに依存することが多くなっている。増加したサンプリング周波数,安価な貯蔵コストとセンサの豊富な展開は,大量の運転データを生成する。しかし,分析技術とその広範な実用的展開の急速な発展の間の遅れである。計算とデータセンタにおける運用管理のための分析技術によって実施可能性の経験的証拠を提示した。実際の計測器を備えたクラスタからのデータに機械学習モデリング技術を用いて,運転センサデータの予測モデルは,直接コストを監視システム操作を低減し,システムの信頼性を向上させることができることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 制御系 ,  監視装置 ,  高速度 ,  マイナ ,  機械学習 ,  運転管理 ,  データセンタ ,  計測器 ,  *センサ ,  予測モデル ,  *ロバスト性 ,  運転データ ,  低価格 ,  モデル
準シソーラス用語： モデリング技術 ,  サンプリング周波数 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  信号理論  (ND02020G)

タイトルに関連する用語 (4件)： ロバスト ,  雲 ,  ストリーム ,  活用