Maschinelles Lernen für Ressourcenplanung in Verteilten Systemen
| dc.contributor.author | Borkowski, Michael | |
| dc.contributor.editor | Hölldobler, Steffen | |
| dc.date.accessioned | 2022-01-14T14:02:04Z | |
| dc.date.available | 2022-01-14T14:02:04Z | |
| dc.date.issued | 2021 | |
| dc.description.abstract | Verteilte Rechensysteme sind aus der heutigen digitalen Welt nicht mehr wegzudenken: Suchmaschinen wie Google, Cloud-Speichersysteme wie Dropbox, Streaming-Dienste wie Netflix oder wissenschaftliche Großrechner führen komplexe Aufgaben auf verteilter IT-Infrastruktur aus. Dabei müssen entsprechende Systeme laufend Ressourcenoptimierung betreiben. Beispielsweise können durch Aktivierung von Ressourcen kurz vor Lastspitzen und anschließender Passivierung enorme Kostenersparnisse erzielt werden. Statt konventioneller Wenn-Dann-Beziehungen oder starrer Regelkreise beschreibe ich in meiner Dissertation adaptive und Vorhersage-basierte Techniken, wie sie in einer dynamischen Umgebung wie dem heutigen Internet unabdingbar sind. Hierfür verwende ich Modelle für maschinelles Lernen, insbesondere künstliche neuronale Netze und Kalman-Filter. Meine Ergebnisse zeigen, dass der Einsatz solcher Methoden Kosten und Ressourcenverbrauch senkt sowie die Verfügbarkeit und Verlässlichkeit der Systeme erhöht. | de |
| dc.identifier.isbn | 978-3-88579-775-3 | |
| dc.identifier.uri | https://dl.gi.de/handle/20.500.12116/37926 | |
| dc.language.iso | de | |
| dc.publisher | Gesellschaft für Informatik e.V. | |
| dc.relation.ispartof | Ausgezeichnete Informatikdissertationen 2020 | |
| dc.relation.ispartofseries | Lecture Notes in Informatics (LNI) - Proceedings, Volume D-21 | |
| dc.title | Maschinelles Lernen für Ressourcenplanung in Verteilten Systemen | de |
| dc.type | Text/Conference Paper | |
| gi.citation.endPage | 58 | |
| gi.citation.publisherPlace | Bonn | |
| gi.citation.startPage | 49 | |
| gi.conference.date | 9.-12. Mai 2021 | |
| gi.conference.location | Schoss Dagstuhl, Deutschland |
Dateien
Originalbündel
1 - 1 von 1
Vorschaubild nicht verfügbar
- Name:
- Borkowski-Michael.pdf
- Größe:
- 358.97 KB
- Format:
- Adobe Portable Document Format