ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Cloud Workload Prediction Using ConvNet And Stacked LSTM

سال انتشار: 1397
کد COI مقاله: SPIS04_043
زبان مقاله: انگلیسیمشاهد این مقاله: 159
نسخه کامل این مقاله ارائه نشده است و در دسترس نمی باشد

مشخصات نویسندگان مقاله Cloud Workload Prediction Using ConvNet And Stacked LSTM

چکیده مقاله:

Today, with massive growth of cloud computing in recent years, service level agreement (SLA) and dynamic resource scaling for better services is of great importance. Investigating the cloud trace in order to have prediction of traffic in future times for computational tasks is of great popularity in previous works. To solve this issue many efficient manners have been used. In this paper, we combined 1D ConvNets and stack of long-short term memory (LSTM) blocks to process long sequence of Google trace data in order to have precise and light computing prediction of RAM and CPU requests in future timestamps. Experimental results confirms that our approach while having high accuracy, also not involved in heavy calculations and efficiently works with long sequences.

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/842958/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Yazdanian, Peyman and Sharifian, Saeed,1397,Cloud Workload Prediction Using ConvNet And Stacked LSTM,چهارمین کنفرانس پردازش سیگنال و سیستم‌های هوشمند,تهران,,,https://civilica.com/doc/842958

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1397, Yazdanian, Peyman؛ Saeed Sharifian)
برای بار دوم به بعد: (1397, Yazdanian؛ Sharifian)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی