خانه / مقالات ترجمه شده کامپیوترIT / مقاله بازیابی حافظه کوتاه مدت طویل شبکه عصبی(LSTM-RNN) براساس مدل پیش بینی…

مقاله بازیابی حافظه کوتاه مدت طویل شبکه عصبی(LSTM-RNN) براساس مدل پیش بینی…

سال : 2018       ژورنال : ELSEVIER           تعداد صفحات انگلیسی : 7           تعداد صفحات فارسی:  10

 

عنوان انگلیسی مقاله :

 

Long Short Term Memory Recurrent Neural Network ( LSTM-RNN)  Based Workload Forecasting Model For Cloud Datacenters

 

عنوان فارسی مقاله :

بازیابی حافظه کوتاه مدت طویل شبکه عصبی(LSTM-RNN) براساس مدل پیش­بینی حجم کاری برای مراکز داده ابری

 

چکیده فارسی :

به رغم دستاوردهای مختلف، رایانش ابری دارای چالش­ها و مسائلی از قبیل مقیاس منابع پویا و مصرف انرژی روبه­ رو است. چنین مسائلی باعث میشود که یک سیستم ابری شکننده و گران قیمت باشد. در این مقاله ما به هر دو مسئله در مرکز داده ابری از طریق پیش بینی حجم کار خواهیم پرداخت. مدل پیش بینی حجم کار با استفاده از شبکه­­های حافظه کوتاه مدت طویل(LSTM) توسعه یافته است. مدل پیشنهادی بر روی سه دیتاست آزمایشی از logهای سرویس دهنده وب آزمایش شده است. نتایج آزمایش نشان میدهد که روش پیشنهادی ما با کاهش میانگین مربعات خطا تا  به دقت بالایی در پیش بینی ها دست یافته است.

 کلمات کلیدی:  رایانش ابری؛ مقیاس منابع؛ پیش­ بینی؛ یادگیری عمیق

 

چکیده انگلیسی:

      keywords :   Cloud Computing  , Resource Scaling , forecasting , Deep learning 

دانلود رایگان فایل انگلیسی مقاله

 

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

4 × 3 =