2022 Fiscal Year Annual Research Report
クラウドエッジ基盤に対する深層学習と数理モデルに基づくパフォーマンス最適化
| Project/Area Number |
20K11799
|
|---|
| Research Institution | Yamaguchi University |
|---|
Principal Investigator |
田村 慶信 山口大学, 大学院創成科学研究科, 教授 (20368608)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
山田 茂 鳥取大学, 工学研究科, 特任教授 (50166708)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | クラウドコンピューティング / エッジコンピューティング / 数理モデル / 深層学習 / 最適化 / ソフトウェアツール |
|---|
| Outline of Annual Research Achievements |
本研究課題の集大成として，これまでに開発してきた信頼性評価ツールのソースコードを再利用しつつ，数理モデルに関する知識がなくとも提案手法を容易に利用できるように提案手法をOSSのツールとして実装・公開した．さらに，データの前処理および深層学習に基づく機能を実装したソフトウェア信頼性評価ツールを開発し，そのプロトタイプをWeb上において公開した．特に，エッジOSSコンピューティングに対する深層学習に基づく3D信頼性評価ツールも開発および公開した．上記2種類のソフトウェアプロトタイプ開発に関する研究成果は，査読付き学術論文誌にも掲載され，研究業績としてアウトプットされている．クラウドサービス形態，性能評価等を対象とした文献，既存手法をクラウド基盤へ適用した研究成果はいくつか提案・公開されている．しかしながら，クラウドエッジ基盤上で蓄積されたビッグデータに基づく信頼性・セキュリティ予測やメンテナンス技術に関する研究は行われていない．国内外の既存研究では，クラウド環境のみを扱ったものが多いが，エッジやデータ構造を同時に考慮したパフォーマンス性能の評価と最適化手法は提案されていない．通常時には情報遅延対策，非常時には事業継続対策を取れることから，エッジコンピューティングは受けられる恩恵が非常に大きく，今後急速に普及すると思われる．従来とは異なる視点に基づき，データ駆動型アプローチと数理モデルの精緻化を融合することで，クラウドエッジ基盤における複雑なネットワーク環境を不規則変動により定量的に評価することが可能となると考える．特に，開発されたプロトタイプソフトウェアにより，容易に信頼性評価が可能となり，エッジコンピューティングにおける安心安全な環境へと結びつくものと考える．
|
| Remarks |
JS APPLICATION
|
Research Products
(27 results)
