データセット細分化を用いた時系列データ回帰モデル化手法の検討

情報処理学会

抄録

近年のクラウドサービスにおいて，サーバを仮想化することで使用率を向上させ，サーバ数を削減する取り組みが行われている．この取り組みでは，サーバが自身の CPU 資源を超えた CPU を割り当てられるオーバーコミット状態に陥ることで，仮想サーバの性能が低下する可能性があるため，制御対象のすべての仮想サーバの CPU 使用率を予測し制御を行う必要がある．本研究では，仮想サーバの CPU 使用率の汎用的な深層学習予測モデルの生成に向けて，時系列データの回帰モデル化手法についての検討を行う．方法を模索した結果，時系列データを学習に必要な長さごとに抽出を行い，細分化した後のデータをランダムに使用することで，再学習時に使用するデータ数の削減が可能であることを確認した．

収録刊行物

キーワード

詳細情報 詳細情報について

  • CRID
    1050292572111009280
  • NII論文ID
    170000184623
  • Web Site
    http://id.nii.ac.jp/1001/00210788/
  • 本文言語コード
    ja
  • 資料種別
    conference paper
  • データソース種別
    • IRDB
    • CiNii Articles

問題の指摘

ページトップへ