یک روش پیش بینی اعتماد مبتنی بر شبکه عصبی احتمالی برای انتخاب سرویس ابری
ترجمه نشده

یک روش پیش بینی اعتماد مبتنی بر شبکه عصبی احتمالی برای انتخاب سرویس ابری

عنوان فارسی مقاله: یک رویکرد پیش بینی اعتماد مبتنی بر شبکه عصبی احتمالی ناهمگن قوی برای انتخاب سرویس ابری
عنوان انگلیسی مقاله: An improved robust heteroscedastic probabilistic neural network based trust prediction approach for cloud service selection
مجله/کنفرانس: شبکه های عصبی - Neural Networks
رشته های تحصیلی مرتبط: مهندسی کامپیوتر، فناوری اطلاعات
گرایش های تحصیلی مرتبط: هوش مصنوعی، رایانش ابری، شبکه های کامپیوتری
کلمات کلیدی فارسی: انتخاب سرویس ابری؛ کیفیت خدمات؛ پیش بینی اعتماد؛ هایپرگراف؛ شبکه عصبی احتمالاتی Heteroscedastic
کلمات کلیدی انگلیسی: Cloud service selection، Quality of service، Trust prediction، Hypergraph، Heteroscedastic probabilistic neural network
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
نمایه: MedLine - Scopus - Master Journal List - JCR
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.neunet.2018.08.005
دانشگاه: Centre for Information Super Highway (CISH) - School of Computing - SASTRA Deemed University - India
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2018
ایمپکت فاکتور: 8/446 در سال 2017
شاخص H_index: 121 در سال 2019
شاخص SJR: 2/359 در سال 2017
شناسه ISSN: 0893-6080
شاخص Quartile (چارک): Q1 در سال 2017
فرمت مقاله انگلیسی: PDF
تعداد صفحات مقاله انگلیسی: 35
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: بله
کد محصول: E10734
فهرست انگلیسی مطالب

Abstract


1- Introduction


2- Materials and methods


3- Proposed hypergraph based robust heteroscedastic PNN for trust prediction


4- Experimental results and analysis


5- Conclusions


References

نمونه متن انگلیسی مقاله

Abstract


Trustworthiness is a comprehensive quality metric which is used to assess the quality of the services in service-oriented environments. However, trust prediction of cloud services based on the multi-faceted Quality of Service (QoS) attributes is a challenging task due to the complicated and non-linear relationships between the QoS values and the corresponding trust result. Recent research works reveal the significance of Artificial Neural Network (ANN) and its variants in providing a reasonable degree of success in trust prediction problems. However, the challenges with respect to weight assignment, training time and kernel functions make ANN and its variants under continuous advancements. Hence, this work presents a novel multi-level Hypergraph Coarsening based Robust Heteroscedastic Probabilistic Neural Network (HC-RHRPNN) to predict trustworthiness of cloud services to build high-quality service applications. HC-RHRPNN employs hypergraph coarsening to identify the informative samples, which were then used to train HRPNN to improve its prediction accuracy and minimize the runtime. The performance of HC-RHRPNN was evaluated using Quality of Web Service (QWS) dataset, a public QoS dataset in terms of classifier accuracy, precision, recall, and F-Score.


Introduction


Cloud computing, an efficient, and economic business paradigm has attracted a wide range of organizations as it enables the users to access on-demand resources as a service (‘XaaS'-Something as a Service) over the internet in a ‘Pay-As-You-Use' fashion (Sosinsky, 2010). The increasing popularity of cloud computing has resulted in the proliferation of many Cloud Service Providers (CSPs) and functionally equivalent cloud services. On the other end, the Cloud Users (CU) lack appropriate information and benchmarks to evaluate these services based on their preferences and CSPs provisions (Ali Sunyaev, 2013). In addition, the trade-off between the functional and non-functional Quality of Service (QoS) requirements hardens the identification of appropriate and trustworthy CSPs who can satisfy the users’ unique QoS requirements. Thereby, the presence of a wide range of cloud-based entities (service providers, users, applications and unique demands) has provoked the research communities towards the development of cloud service selection models based on several approaches like multi-criteria decision making (multiple attributes and interrelations among them), optimization, logic, description, and trust (Ma, Zhu, Hu, Li, & Tang, 2017; Qu, 2016; Sun, Dong, Hussain, Hussain, & Chang, 2014).

  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

یک روش پیش بینی اعتماد مبتنی بر شبکه عصبی احتمالی برای انتخاب سرویس ابری
نوشته های مرتبط
مقالات جدید
لوگوی رسانه های برخط

logo-samandehi

پیوندها