توضیحات
یادگیری ماشین در رایانش ابری
یادگیری ماشین در رایانش ابری
اتخاذ تصمیم مبتنی بر یادگیری ماشین توسط کارگزاران در رایانش ابری
چکیده :
، رایانش ابری در مراحل آغازین خود قرار دارد و پژوهشهای زیادی در بحث زمان بندی مسائل در بهترین راه حل های امکان پذیر ارائه شده است . با زمان بندی ، بهینه بودن هزینه نیز به دنبال بهینهگی سیستم است . در نتیجه در این مقاله ، متدهای مبتنی بر یادگیری ماشین را به منظور ایجاد یک سیستم پرواکتیو ( ایجاد یا کنترل موقعیت به جای واکنش محض به آن ) پیشنهاد داده ایم .
این سیستم یادگیری ماین می تواند نقش مهمی را در زمان بندی درخواست ها در حالتی بهنیه ایفا کند .
نتایج شبیه سازی موثر بودن کار انجام شده را نشان می دهد .
کلید واژه ها :
- پرواکتیو ،
- یادگیری ماشین ،
- زمان بندی
- رایانش ابری
- متدهای زمان بندی در رایانش ابری
۱ – مقدمه
رایانش ابری سرویس هایی را از طریق اینترنت در اختیار کاربران قرار می دهد . در بحث رایانش ابری می توانیم بدون آنکه چیزی درباره مسائلی نظیر مدیریت ، هزینه ، ذخیره سازی ، زیر ساخت و نظایر آن بدانیم به هر چیزی که می خواهیم دسترسی داشته باشیم . این محتوی سرویس های خود را از طریق اینترنت در اختیار کاربران قرار می دهد . به عنوان جایگزینی برای نگهداری داده یا به روز رسانی برنامه ها بر روی هارد دیسک رایانه خود براساس نیاز یا ضرورت ،کاربران می توانند از طریق اینترنت از این سرویس ها استفاده کنند و به داده ها در مکان های مختلف دسترسی پیدا کنند و از برنامه هر وقت که خواستند استفاده کنند .
رایانش ابری می تواند سرویس هایی را برای اشخاض ، شرکت ها و تجارت های مختلف تامین کند و اجازه استفاده آنان از زیر ساخت ها ، ذخیره سازی ، منابع ، سخت افزار و نرم افزارهایی را بدها که توسط تامین کنندگان در نواحی جغرافیایی مختلف مدیریت می شوند . مثال هایی از سرویس های ابری می تواند سایت های اجتماعی و ذخیره سازی آنلاین فایل ، کاربران ایمیل هایی نظیر یاهو ، جی میل ، ویکی پدیا ، یو توب ، اسکایپ و .. باشند . رایانش ابری منابع را از یک استخر شبیه سرور ها ، دستگاههای ذخیر ه سازی ، سرویس ها ، قدرت پردازش پهنای باند شبکه و برخی از برنامه های خاص کاربر فراهم می کند [۱].
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.