350 руб
Журнал «Нейрокомпьютеры: разработка, применение» №3 за 2015 г.
Статья в номере:
Прогнозирование нагрузки в облачной вычислительной среде с использованием нейросетей Элмана, обу-чаемых системой искусственного иммунитета
Ключевые слова: облачные вычисления инфраструктура как сервис (IaaS) прогнозирование нагрузки в облачной среде искусственная нейронная сеть (ИНС) искусственная иммунная система (ИИС)
Авторы:
Р.И. Хантимиров - аспирант, Московский государственный университет экономики, статистики и ин-форматики. E-mail: ramilkh@gmail.com
Аннотация:
Предложен новый подход к прогнозированию нагрузки в облачной среде, основанный на использовании нейросетей Элмана, обучаемых при помощью системы искусственного иммунитета.
Страницы: 59-64
Список источников

 

  1. Хантимиров Р.И.Задача выделения ресурсов в облачных средах на основе метода анализа иерархий [в печати].
  2. Zhen Xiao, Weija Song and Qu Chen. Dynamic Resource Allocation using Virtual Machines for Cloud Computing Environment // IEEE transaction on parallel and distributed systems (TPDS). June, 2013.
  3. Назаров А.В., Лоскутов А.И. Нейросетевые алгоритмы прогнозирования и оптимизации систем. СПб.: Наука и техника. 2003. 384с.
  4. Васильев В.И.Интеллектуальные системы защиты информации. Изд. 2-е. М.: Машиностроение. 2013. 171 с.
  5. Эшби У.Р.Введение в кибернетику: пер с англ. Изд. 2-е. М.: Мир. 1991. 586 с.
  6. Yu L., Wang S., Lai K. K.Credit risk assessment with a multistage neural network ensemble learning approach // Expert System with Applications. 2008. № 34. С. 1434-1444.
  7. Bouirouga et al. Comparison of performance between different SVM kernels for the identification of adult video // World Acad. Sci. Eng. Technol. 2011. № 77. С. 37-40.
  8. Elman J. Finding structure in time // Cognitive Science. 1990. V. 14. № 2. С. 179-211.
  9. Lin F.J. et al. Recurrent wavelet-based Elman neural network control for multi-axis motion control stage using linear ultrasonic motors // IET Electr. Power Appl. 2010. V. 4. № 5. С. 314-332.
  10. Sanjib Mishra. Short Term Load Forecasting Using Computational Intelligence Methods. Department of Electronics and Communication Engineering National Institute of Technology. Rourkela. 2008. C. 53-62.
  11. Рожнов А.В.Некоторые проблемные вопросы системной интеграции направлений научной деятельности в задачах нейрокомпьютинга // Нейрокомпьютеры: разработка, применение. 2014. № 1. С. 3-10.