논문 (3) 썸네일형 리스트형 [논문요약] SCINet: Time Series is a Special Sequence (2021) Introduction There are mainly three kinds of TSF(Time Series Forecasting) methods using deep neural networks. (i) RNNs (ii) Transformer-based model (iii) TCN (temporal convolutional network) Despite the promising results of TSF methods, they do not consider the speciality of time series. In time series sequence, the temporal relations are largely preserved after downsampling into two sub-sequenc.. [논문요약] DLinear, NLinear ( LTSF-Linear ) 리뷰 Are Transformers Effective for Time Series Forecasting? Abstract 원문 바로가기 논문은 다음과 같은 질문에서 시작합니다. 시계열 예측에 Transformer기반 모형을 적용하는게 정말 효과적일까? transformer를 활용한 LTSF(long-term series forecasting)에 관현 연구가 지난 몇년 간 좋은 성과를 보였습니다. transforemr는 긴 시퀀스 사이에 semantic(의미론적) 상관관계를 추출하는데 가장 성공적인 방법인 것은 맞지만, 시간적 관계를 추출해야하는 시계열 예측 모델링에선 아래와 같은 이유로 단점이 존재합니다. transformer가 순서가 있는 정보를 저장하는 것을 가능하게 하기 위해 positional enco.. [논문 요약] Utilization Prediction Aware VM Consolidation Approach for Green Cloud Computing Abstract VM consolidation은 엄격한 NP-hard 문제이고, 많은 휴리스틱 알고리즘이 제안됨 기존의 문제 원인 대부분의 솔루션은 현재 리소스 기반으로 호스트의 수를 최소화하는 것만을 담는다. 미래에 리소스에 대한 탐구 x 문제 상황 불필요한 마이그레이션과 SLA위반이 증가. 논문의 해결책 bin-packing으로 공식화된 알고리즘에 현재와 미래의 리소스 사용량을 고려한다. 미래 리소스 예측엔 k-nearest neighbor regression 모델을 사용 실험 결과 VM과 호스트 리소스 예측의 효과를 실제 워크로드 추적을 사용해 조사한 결과 energy consumption, VM migration 수, SLA 위반 수가 줄어드는 것을 알 수 있음 keyword Dynamic VM .. 이전 1 다음
