Resumen

En el entorno de la nube IaaS (infraestructura como servicio), los usuarios reciben máquinas virtuales (VM). Para asignar recursos a los usuarios de forma dinámica y eficaz, es esencial predecir con precisión las demandas de recursos. Para ello, este artículo propone un método de predicción autoadaptativo que utiliza un modelo de conjunto y una red neuronal difusa basada en clustering sustractivo (ESFCFNN). Analizamos los caracteres de las preferencias y demandas de los usuarios. A continuación, se construye la arquitectura del modelo de predicción. Adoptamos algunos predictores base para componer el modelo de conjunto. A continuación, se investiga la estructura y el algoritmo de aprendizaje de la red neuronal difusa. Para obtener el número de reglas difusas y el valor inicial de los parámetros de las premisas y los consecuentes, este artículo propone el algoritmo de c-means difuso combinado con el de clustering sustractivo, es decir, el clustering sustractivo-fuzzy. Finalmente, adoptamos diferentes criterios para evaluar el método propuesto. Los resultados del experimento muestran que el método es preciso y eficaz para predecir las demandas de recursos.

• Materias:Inteligencia artificial Algoritmos genéticos Ingeniería civil Neurociencia Cognitiva
• Subjects:Artificial intelligence Genetic algorithms Civil engineering Cognitive Neuroscience
• Palabras claves:red neuronal difusa, modelo de conjunto, clustering difuso, demanda de recursos precisos, carácter del usuario, métodos de predicción adaptativos, algoritmo de clustering sustractivo, máquina virtual, preferencias del usuario, papel
• Keywords:fuzzy neural network, ensemble model, fuzzy clustering, accurate resources demand, character of user, adaptive prediction methods, subtractive clustering algorithm, virtual machine, user preferences, paper