-
شماره ركورد
8530
-
عنوان
بررسي روشهاي پيشبيني بار كاري مبتني بر يادگيري ماشين در رايانش ابري
-
سال تحصيل
99-1400
-
استاد راهنما
دكتر هادي شهريار شاه حسيني
-
چکيده
در دنياي امروز و با پيشرفت و توسعه تكنولوژي، حجم داده ها و محاسبات افزايش يافته است و اكنون ديگر رايانه هاي شخصي پاسخگوي نياز هاي محاسباتي و ذخيره سازي داده هاي كاربران نيست و به منابع محاسباتي قوي¬تر نياز داريم. رايانش ابري فناوري نويني است كه اين حجم از محاسبات و داده ها را از رايانه هاي شخصي به سمت مراكز داده مي برد. هدف آن ارائه منابع به صورت زيرساخت، بستر و نرم افزار به عنوان خدمات است كه از طريق اينترنت در اختيار كاربران قرار مي¬گيرد. فراهمكردن منابع يكي از مهمترين مسائل در رايانش ابري است. فراهمكردن منابع نيازمند پيشبيني دقيق بارهاي كاري ابر است. پيشبيني بار كاري يكي از استراتژي هايي است كه ميتوان توسط آن بهرهوري و هزينه عملياتي يك ابر را بهبود داد. پيشبيني دقيق بار كاري در محاسبات ابري براي بهبود عملكرد ابر، كاهش مصرف انرژي، تأمين سطح كيفيت خدمات مورد نياز، پيشبيني مصرف انرژي مراكز داده و بهبود مقياس پذيري ارائه دهندگان خدمات ابر از اهميت بالايي برخوردار است. تا به امروز روش هاي متعددي براي پيشبيني بار كاري در رايانش ابري پيشنهاد شده است اما هر يك از اين روش ها داراي كاستي هايي ميباشد. در اين سمينار به اهميت رايانش ابري و مشكلات مربوط به فراهمكردن منابع در ابر پرداخته ميشود و با چالش هاي موجود براي پيشبيني بار كاري آشنا شده و پس از بيان مقدمات و تعاريف، الگوريتم هاي به كار برده شده در پيشبيني بار كاري را مرور خواهيم كرد و به ايده هاي جديد مطرح شده در اين حوزه مبتني بر به كارگيري الگوريتم هاي يادگيري ماشين و يادگيري عميق خواهيم پرداخت. مزايا و معايب و ميزان موفقيت اين روش ها بررسي ميشود و در انتها پيشنهاداتي براي پيشبيني بار كاري ارائه خواهد شد. نتايج حاصل از مطالعه مقاله هاي بررسي شده نشان ميدهد كه با توجه به حجم زياد داده ها و پيچيدگي و نوسان زياد بار كاري در مراكز داده ابري، روش هاي گذشته پيشبيني بار كاري كه مبتني بر روش هاي سنتي يادگيري ماشين بود نميتواند پاسخگوي نياز ما باشد و نياز به الگوريتم هاي جديد تر در حوزه يادگيري ماشين، يعني يادگيري عميق و يادگيري تقويتي عميق داريم.
-
نام دانشجو
محمد يكتا
-
تاريخ ارائه
5/26/2021 12:00:00 AM
-
متن كامل
71489
-
پديد آورنده
محمد يكتا
-
تاريخ ورود اطلاعات
1400/03/27
-
عنوان به انگليسي
A Review of Machine Learning Based Methods for Workload Prediction in Cloud Computing
-
كليدواژه هاي فارسي
پيشبيني بار كاري، رايانش ابري، فراهمكردن منابع، يادگيري ماشين، يادگيري عميق
-
كليدواژه هاي لاتين
Workload prediction, cloud computing, resource provisioning, machine learning, deep learning
-
لينک به اين مدرک :