پیشبینی کیفیت خدمات (QoS) در دنیای ابری، کلید اصلی افزایش سرعت و کارایی سرویسهای آنلاین است. اما روشهای فعلی در برابر نوسانات زمانی ضعیف عمل میکنند.
محققان در مقاله جدیدی، مدل نوآورانه «EKL» را معرفی کردهاند که با ترکیب «فیلتر کالمن توسعهیافته» (Extended Kalman Filter) و یادگیری ویژگیهای نهفته، میتواند نوسانات پیچیده زمانی را با دقت بسیار بالاتری پیشبینی کند. این مدل نه تنها دقت را بالا میبرد، بلکه با استراتژی پردازش موازی، سرعت محاسبات را نیز به شکل چشمگیری افزایش میدهد. قدمی مهم برای شبکههایی که نیاز به پایداری لحظهای دارند! 🌐⚙️
منبع: arXiv Machine Learning