• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권11호
• /
• pp.3584-3602
• /
• 2022

NFV realizes flexible and rapid software deployment and management of network functions in the cloud network, and provides network services in the form of chained virtual network functions (VNFs). However, using VNFs to provide quality guaranteed services is still a challenge because of the inherent difficulty in intelligently scaling VNFs to handle traffic fluctuations. Most existing works scale VNFs with fixed-capacity instances, that is they take instances of the same size and determine a suitable deployment location without considering the cloud network resource distribution. This paper proposes a traffic forecasted assisted proactive VNF scaling approach, and it adopts the instance capacity adaptive to the node resource. We first model the VNF scaling as integer quadratic programming and then propose a proactive adaptive VNF scaling (PAVS) approach. The approach employs an efficient traffic forecasting method based on LSTM to predict the upcoming traffic demands. With the obtained traffic demands, we design a resource-aware new VNF instance deployment algorithm to scale out under-provisioning VNFs and a redundant VNF instance management mechanism to scale in over-provisioning VNFs. Trace-driven simulation demonstrates that our proposed approach can respond to traffic fluctuation in advance and reduce the total cost significantly.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2007년도 한국지능정보시스템학회
• /
• pp.389-398
• /
• 2007

Case-based reasoning (CBR) is one of the most popular prediction techniques for medical diagnosis because it is easy to apply, has no possibility of overfitting, and provides a good explanation for the output. However, it has a critical limitation - its prediction performance is generally lower than other artificial intelligence techniques like artificial neural networks (ANNs). In order to obtain accurate results from CBR, effective retrieval and matching of useful prior cases for the problem is essential, but it is still a controversial issue to design a good matching and retrieval mechanism for CBR systems. In this study, we propose a novel approach to enhance the prediction performance of CBR. Our suggestion is the simultaneous optimization of feature weights, instance selection, and the number of neighbors that combine using genetic algorithms (GAs). Our model improves the prediction performance in three ways - (1) measuring similarity between cases more accurately by considering relative importance of each feature, (2) eliminating redundant or erroneous reference cases, and (3) combining several similar cases represent significant patterns. To validate the usefulness of our model, this study applied it to a real-world case for evaluating cytological features derived directly from a digital scan of breast fine needle aspirate (FNA) slides. Experimental results showed that the prediction accuracy of conventional CBR may be improved significantly by using our model. We also found that our proposed model outperformed all the other optimized models for CBR using GA.

• 경영정보학연구
• /
• 제12권3호
• /
• pp.1-17
• /
• 2010

글로벌 싱글 인스턴스(GSI) 기반의 기업의 정보시스템은 기업 내부정보 및 자원/자산을 통합관리하고 프로세스의 동질성을 확보하여 업무의 효율성 및 전사적인 생산성을 향상시키고 있지만 정보시스템의 장애가 발생하게 되면 비즈니스가 마비될 수 있고 그로 인해 엄청난 금전적 손실이 따르는 위험을 동시에 안고 있다. 여분의 부품 사용을 전제하는 수많은 결함허용(Fault-Tolerance) 기법들이 안정적인 정보시스템을 위해 연구되어 왔다. 결함허용 기법의 설계 및 적용의 어려운 점은 결함의 유형 및 빈도를 정보시스템을 운영하기 전에는 알기 어렵다는 것이다. 따라서 정보시스템 구축 단계에서의 결함허용 기법의 적용과 함께, 구축 후, 운영적인 측면에서의 장애관리 기법을 동시에 고려하여 안정적으로 정보시스템을 운영하는 것이 매우 중요하다. 본 연구에서는 기술분류체계(TRM)기반의 점검포인트와 이벤트 룰엔진 적용으로 시스템 장애를 사전예측 하는 방법을 포함하는 정보시스템 장애관리 기법인 무장애체계 프로세스를 제시 하였다. 또한, 무장애체계 방법을 적용한 장애관리 정보시스템(PICS)을 하이테크 장치산업의 대표기업에 구축하여 무장애체계 방법 적용 전, 후의 효과도 함께 제시 하였다. 무장애체계 도입 후 월별 장애건수, 장애시간은 각각 46%, 56% 감소하였으며, 장애로 인한 매출에 대한 기회 손실금액은 77% 절감하는 효과를 보였다.