刷新
{{item.name}}会员
Optimization of performance based on the deep learning and mathematical models for the cloud and edge computing
基于云和边缘计算的深度学习和数学模型的性能优化
基本信息
- 批准号：20K11799
- 负责人：
- 金额：$ 2.75万
- 依托单位：
- 依托单位国家：日本
- 项目类别：Grant-in-Aid for Scientific Research (C)
- 财政年份：2020
- 资助国家：日本
- 起止时间：2020-04-01 至 2023-03-31
- 项目状态：已结题
- 来源：
- 关键词：
项目摘要
项目成果
期刊论文数量（74）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（0）
A maintenance effort dependent two dimensional Wiener process model considering OSS network for edge computing
考虑OSS网络的边缘计算依赖于维护工作的二维维纳过程模型
- DOI：
- 发表时间：2022
- 期刊：
- 影响因子：0
- 作者：Yoshinobu Tamura;Hironobu Sone;and Shigeru Yamada
- 通讯作者：and Shigeru Yamada
ソフトウェアフォールトビッグデータから得られる信頼性学習と品質評価
从软件故障大数据中获得可靠性学习和质量评估
- DOI：
- 发表时间：2022
- 期刊：
- 影响因子：0
- 作者：河村 拓馬;坂本 尚久;呉 晟董，趙 文峰，成 凱;田村慶信，山田茂
- 通讯作者：田村慶信，山田茂
A Method of Cloud OSS Reliability Assessment Considering the Fault Level Based on Deep Learning
基于深度学习的考虑故障级别的云OSS可靠性评估方法
- DOI：
- 发表时间：2021
- 期刊：
- 影响因子：0
- 作者：S. Miyamoto;Y. Tamura;and S. Yamada
- 通讯作者：and S. Yamada
深層学習を用いたOSSの移植可能性評価に関する一考察
利用深度学习评估OSS可移植性的研究
- DOI：
- 发表时间：2021
- 期刊：
- 影响因子：0
- 作者：Md Maruf Hussain;Noriyuki Fujimoto;上木僚太，田村慶信，山田茂
- 通讯作者：上木僚太，田村慶信，山田茂
深層学習を応用したバグトラッキングシステム支援ツールの開発
应用深度学习的错误跟踪系统支持工具的开发
- DOI：
- 发表时间：2021
- 期刊：
- 影响因子：0
- 作者：Xu Wang;Makoto Fujisawa;Masahiko Mikawa;Ikuo Fukuda and Kei Moritsugu;柏原行伸，田村慶信，山田茂
- 通讯作者：柏原行伸，田村慶信，山田茂
{{
item.title }}
{{ item.translation_title }}
- DOI：
{{ item.doi }} - 发表时间：
{{ item.publish_year }} - 期刊：
- 影响因子：{{ item.factor }}
- 作者：
{{ item.authors }} - 通讯作者：
{{ item.author }}
数据更新时间：{{ journalArticles.updateTime }}
{{ item.title }}
- 作者：
{{ item.author }}
数据更新时间：{{ monograph.updateTime }}
{{ item.title }}
- 作者：
{{ item.author }}
数据更新时间：{{ sciAawards.updateTime }}
{{ item.title }}
- 作者：
{{ item.author }}
数据更新时间：{{ conferencePapers.updateTime }}
{{ item.title }}
- 作者：
{{ item.author }}
数据更新时间：{{ patent.updateTime }}
Tamura Yoshinobu其他文献
Tamura Yoshinobu的其他文献
{{
item.title }}
{{ item.translation_title }}
- DOI：
{{ item.doi }} - 发表时间：
{{ item.publish_year }} - 期刊：
- 影响因子：{{ item.factor }}
- 作者：
{{ item.authors }} - 通讯作者：
{{ item.author }}
{{ truncateString('Tamura Yoshinobu', 18)}}的其他基金
A Method of Cloud Reliability Assessment Based on Big Data Analysis with Application to Software Tool
一种基于大数据分析并应用于软件工具的云可靠性评估方法
- 批准号：
15K00102 - 财政年份：2015
- 资助金额：
$ 2.75万 - 项目类别：
Grant-in-Aid for Scientific Research (C)
相似海外基金
Framework construction and engineering development of polarimetric-interferometric synthetic aperture radar based on phasor-quaternion neural networks
基于相量四元数神经网络的偏振干涉合成孔径雷达框架构建及工程开发
- 批准号：
23H00487 - 财政年份：2023
- 资助金额：
$ 2.75万 - 项目类别：
Grant-in-Aid for Scientific Research (A)
超リアルタイムサービスを指向したネットワーク制御における特徴量エンジニアリン グ
超实时服务网络控制中的特征工程
- 批准号：
23K11065 - 财政年份：2023
- 资助金额：
$ 2.75万 - 项目类别：
Grant-in-Aid for Scientific Research (C)
リアルタイムアプリケーション向けの仮想時刻共有型の分散処理方式
面向实时应用的虚拟分时分布式处理方法
- 批准号：
23K16867 - 财政年份：2023
- 资助金额：
$ 2.75万 - 项目类别：
Grant-in-Aid for Early-Career Scientists
不揮発性メモリと学習機構を有するスパイキングニューラルネットワークシステムの構築
具有非易失性存储器和学习机制的脉冲神经网络系统的构建
- 批准号：
23K16958 - 财政年份：2023
- 资助金额：
$ 2.75万 - 项目类别：
Grant-in-Aid for Early-Career Scientists
エッジコンピューティングにおける圧縮画像認識
边缘计算中的压缩图像识别
- 批准号：
23K11236 - 财政年份：2023
- 资助金额：
$ 2.75万 - 项目类别：
Grant-in-Aid for Scientific Research (C)
エッジ情報処理を活用する高次元ストリーミングとアナリティクスへの応用
使用边缘信息处理应用于高维流和分析
- 批准号：
23K11070 - 财政年份：2023
- 资助金额：
$ 2.75万 - 项目类别：
Grant-in-Aid for Scientific Research (C)
A big data management framework on fog devices for real-time IoT and computer vision applications
用于实时物联网和计算机视觉应用的雾设备大数据管理框架
- 批准号：
22KF0314 - 财政年份：2023
- 资助金额：
$ 2.75万 - 项目类别：
Grant-in-Aid for JSPS Fellows
A study on methods for evaluating road visibility conditions throughout the day using edge computing
利用边缘计算评估全天道路能见度状况的方法研究
- 批准号：
22KJ0072 - 财政年份：2023
- 资助金额：
$ 2.75万 - 项目类别：
Grant-in-Aid for JSPS Fellows
分散エッジ連携型センシングからの状況要約技術
分布式边缘协作感知态势汇总技术
- 批准号：
23H03384 - 财政年份：2023
- 资助金额：
$ 2.75万 - 项目类别：
Grant-in-Aid for Scientific Research (B)
ヒト免疫システムを模倣したWeb3.0時代におけるクラウド・エッジ自動修復基盤の構築
打造Web3.0时代模仿人体免疫系统的云/边自动修复平台
- 批准号：
23K11066 - 财政年份：2023
- 资助金额：
$ 2.75万 - 项目类别：
Grant-in-Aid for Scientific Research (C)