Использование регрессии для предсказания расходов памяти в высокопроизводительных информационных системах

А. В. Тузов

Информационные технологии интеллектуальной поддержки принятия решений, Информационные технологии интеллектуальной поддержки принятия решений 2018

А. В. Тузов

Изменена: 2018-06-22

Аннотация

В данной работе мы попытаемся проверить гипотезу о том, возможно ли эффективно использовать машинное обучение для предсказания расхода ресурсов процессами в информационной высоконагруженной системе. Для идентификации модели используется метод линейной регрессии.

Ключевые слова

прогнозирование; высокопроизводительные вычисления; расход памяти; информационные системы

Литература

1. Операционные системы: Курс лекций/ В.А. Окороков. — Челябинск: Издательство Челябинского государственного университета, 2011. — 287с.

2. Peter S. et al. Arrakis: The operating system is the control plane // ACM Transactions on Computer Systems (TOCS). 2016. Vol. 33. №. 4. – P. 11.

3. Huiting Zheng, Jiabin Yuan, Long Chen. Short-Term Load Forecasting Using EMD-LSTM Neural Networks with a Xgboost Algorithm for Feature Importance Evaluation // Energies. 2017. Vol. 10. №. 8. P. 1168.

4. Современные операционные системы/ С.В. Назаров, А.И. Широков — Москва: Бином Лаборатория знаний, 2012

5. Statistical Models: Theory and Practice / David A. Freedman. Cambridge: Cambridge University Press, 2009

6. Bećirović E. Machine learning techniques for short-term load forecasting/ Elvisa Bećirović, Marijana Ćosović // Environment Friendly Energies and Applications (EFEA), 2016 4th International Symposium on. – IEEE, 2016. – P. 1-4.

7. Kim T. Extracting Baseline Electricity Usage Using Gradient Tree Boosting / Taehoon Kim, Dongeun Lee, Jaesik Choi, Anna Spurlock, Alex Sim, Annika Todd, Kesheng Wu //Smart City/SocialCom/SustainCom (SmartCity), 2015 IEEE International Conference on. – IEEE, 2015. – P. 734-741.

Полный текст: PDF