资料下载
×
一种基于机器学习的流簇大小推理模型
消耗积分:0 |
格式:rar |
大小:3.16 MB |
2021-04-02
分享资料个
近年来研究流簇（ Coflow）为单位的调度策略成为改进数据中心网络的新热点。然而现有的信息未知流簇调度器难以快速地推理任务级信息，导致小任务不能被及时调度，以及平均任务完成时间无法最小化因此数据中心网络需要更加高效的推理模型提升流簇大小判断的准确性和敏感性。提岀了一种基于机器学习的流簇大小推理模型（ Mlcoflow），利用极限学习杋（ELM）以最小训练误差为求解目标建立推理模型，并且使用不完全信息建模以提升敏感度。实验证明与其他算法相比，ELM方法的准确性评分平均高出19.8%，敏感度平均高出10.2%。通过仿真模拟对比了几种调度器，基于 Mlcoflow的调度器将平均任务完成时间降低了20.1%。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
