Design and analysis of a data computing scenario forecasting system based on generative adversarial networks

ML ve DL tabanlı optimizasyon tekniklerini kullanmanın ana dezavantajlarından biri, Algoritmaların yarı optimuma yaklaşması için çok büyük miktarda tarihsel veriye ihtiyaç vardır. çözümler. DC'lerin kapsamında, zor, pahalı ve hatta bazen tehlikelidir. ekipmanın fiziksel bütünlüğü şu anda olabileceğinden, her türlü gerçek durumdan veri toplayın risk. Bu nedenle, bilgi işlem ortamlarında gerçekçi sentetik verilerin üretilmesi, bu optimizasyon teknolojilerinin etkinleştirilmesi. Bu proje, bu zorlukları şu şekilde çözmeyi önermektedir: gerçek bir Cloud DC'de sentetik veriler oluşturma, olası gerçekçi senaryoları tahmin etme çevre. Bu amaçla olağanüstü sonuçlar veren bir teknik kullanacağız. son yıllarda Üretici Düşman Ağları (GAN). Bu üretici algoritmalar yapay sinir ağlarına dayalı, gerçekçi sentetik oluşturmak için yaygın olarak kullanılmaktadır. multimedya verileri (esas olarak resimler ve videolar). Son teknoloji ürünü bazı teklifler GAN kullanır sentetik zaman serisi verileri oluşturmak için. Ancak, bu araştırmanın önemli sınırlılıkları vardır, oluşturulmasında çok değişkenli ve kategorik verilerin işlenmesinin sınırlandırılması gibi senaryolar.