一种LSTM循环神经网络建立虚拟机能耗模型的方法

陈俊; 张芥; 田红珍; 宋春香; 邹文霞

doi:10.13873/J.1000-9787(2020)09-0016-04

Chinese

您当前的位置：

首页 >

文章列表页 >

一种LSTM循环神经网络建立虚拟机能耗模型的方法

研究与探讨 | 更新时间：2025-09-11

- 一种LSTM循环神经网络建立虚拟机能耗模型的方法
- A method for virtual machine energy consumption model building by LSTM cyclic neural network
- 传感器与微系统 2020年39卷第9期页码：16-19+23
- 作者机构：
  
  贵州师范大学教育学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目（61309006）;贵州师范大学资助博士科研项目（[2013]3—21号）;贵州省教育厅高校人文社会科学研究项目（2020GH015）
- DOI：10.13873/J.1000-9787(2020)09-0016-04
  中图分类号： TP183;TP302
- 纸质出版：2020
- 稿件说明：
移动端阅览
[1]陈俊,张芥,田红珍,宋春香,邹文霞.一种LSTM循环神经网络建立虚拟机能耗模型的方法[J].传感器与微系统,2020,39(09):16-19+23.

CHEN Jun, ZHANG Jie, TIAN Hongzhen, et al. A method for virtual machine energy consumption model building by LSTM cyclic neural network[J]. 2020, 39(9): 16-19+23.
[1]陈俊,张芥,田红珍,宋春香,邹文霞.一种LSTM循环神经网络建立虚拟机能耗模型的方法[J].传感器与微系统,2020,39(09):16-19+23. DOI： 10.13873/J.1000-9787(2020)09-0016-04.

CHEN Jun, ZHANG Jie, TIAN Hongzhen, et al. A method for virtual machine energy consumption model building by LSTM cyclic neural network[J]. 2020, 39(9): 16-19+23. DOI： 10.13873/J.1000-9787(2020)09-0016-04.

摘要

研究针对云计算平台以虚粒机为测量粒度

使用灰色关联度分析确定主要运行状态参数

以Hypervisor针对虚拟资源进行运行状态参数采样

使用长短时记忆（LSTM）循环神经网络建立虚拟机能耗模型用以度量云计算平台实时能耗。能耗度量采用WordCount与Sort进行节点能耗测量

得出能耗模型的实时平均误差为0.067 7。

Abstract

Based on cloud computing platform

the particle size is measured by virtual granulator. Main operating state parameters are determined by using grey relational analysis. Hypervisor is used for sampling of running state parameters of virtual resources. Long short time memory（ LSTM） cyclic neural network is used to build virtual machine energy consumption model to measure real-time energy consumption of cloud computing platform. Energy consumption is measured by Word Count and Sort

and the real-time mean error of the energy consumption model is 0. 067 7.

关键词

Keywords

references

基于对抗式神经网络的多维度情绪回归 [J]. 朱苏阳,李寿山,周国栋. 软件学报 . 2019(07)

基于灰色关联度的组合优化模型研究 [J]. 张和平,解晓龙. 统计与决策 . 2019(09)

混合供电数据中心能耗优化研究进展 [J]. 宋杰,孙宗哲,刘慧,鲍玉斌,于戈. 计算机学报 . 2018(12)

面向同驻虚拟机的高效共享内存文件系统 [J]. 沙行勉,吴挺,诸葛晴凤,杨朝树,马竹琳,陈咸彰. 计算机学报 . 2019(04)

算法能耗复杂度的定义与推导 [J]. 宋杰,马忠义,徐澍,鲍玉斌,于戈. 计算机学报 . 2018(03)

An exploratory study of multimodal interaction modeling based on neural computation [J]. Lu LU,Fei LYU,Feng TIAN,Yineng CHEN,Guozhong DAI,Hongan WANG. Science China（Information Sciences） . 2016(09)

云计算数据中心的新能源应用:研究现状与趋势 [J]. 邓维,刘方明,金海,李丹. 计算机学报 . 2013(03)

Forecasting stock indices with back propagation neural network [J] . Jian-Zhou Wang,Ju-Jie Wang,Zhe-George Zhang,Shu-Po Guo. Expert Systems With Applications . 2011 (11)

An Empirical Comparison of Machine Learning Models for Time Series Forecasting [J] . Nesreen K. Ahmed,Amir F. Atiya,Neamat El Gayar,Hisham El-Shishiny. Econometric Reviews . 2010 (5-6)

浏览量

132

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于蚁群算法的WSNs节点有障环境中部署优化研究