Rekurentní neuronové sítě v modelování chyb virtuálního serveru

Šprync, Ondřej

Publikace:
Rekurentní neuronové sítě v modelování chyb virtuálního serveru

Diplomová práceOmezený přístup

dc.contributor.advisor	Olej, Vladimír	cze
dc.contributor.author	Šprync, Ondřej
dc.date.accepted	2014	cze
dc.date.accessioned	2014-09-22T12:28:03Z
dc.date.available	2014-09-22T12:28:03Z
dc.date.issued	2014
dc.description.abstract	Diplomová práce se zabývá návrhem modelu pro klasifikaci dat naměřených na virtuálních serverech Univerzity Pardubice, konkrétně na webovém serveru Portal a databázovém serveru Oracle. Cílem předložené práce je analýza získaných dat z těchto virtuálních serverů a jejich klasifikace do tříd reprezentujících jednotlivé stavy, které mohou vzniknout v průběhu jejich provozu. Klasifikátor je založen na rekurentních neuronových sítích typu ART. Na začátku práce jsou charakterizovány základní pojmy z oblasti serverové virtualizace a rekurentních neuronových sítí typu ART. Stěžejní část práce je věnována návrhu modelu pro klasifikaci, popisu a analýze vstupních dat. V dalších částech práce je navržený model verifikován v programovém prostředí TrainART2. Na závěr je uskutečněna analýza dosažených výsledků klasifikace a návrh doporučení v oblasti správy těchto serverů.	cze
dc.description.abstract-translated	This thesis describes the design of model for the classification of measured data on virtual servers of University of Pardubice, specifically on web server Portal and Oracle database server. The aim of this work is the analysis of the data obtained from these virtual servers and their classification into the classes representing possible servers' states, which may arise in the course of their operation. Classifier is based on recurrent neural networks, a type of ART. The first part of thesis presents terms virtualization and recurrent neural networks ART. The main part of this thesis is devoted to the design model for the classification, description and analysis of the input data. In other parts of the work, this model is verified and generalized in the programming environment TrainART2. There is analysis of classification results and design of recommendations in the field of the administration, in the final part.	eng
dc.description.defence	Student představil téma své diplomové práce Rekurentní neuronové sítě v modelování chyb virtuálního serveru. Otázky komise:Bylo by možné získané výsledky porovnat se skutečnými chybovými stavy virtuálních serverů a verifikovat tak nalezené třídy?V prezentaci uvádíte, že vitalizace je rozdělení počítače na několik nezávislých počítačů ? vysvětlete.Student na otázky odpovídal.	cze
dc.description.department	Ústav systémového inženýrství a informatiky	cze
dc.description.grade	Dokončená práce s úspěšnou obhajobou	cze
dc.format	76 s., 19 s. příl.	cze
dc.format.extent	2474741 bytes	cze
dc.format.mimetype	application/pdf	cze
dc.identifier	Univerzitní knihovna (studovna)	cze
dc.identifier.signature	D31322	cze
dc.identifier.stag	19092	cze
dc.identifier.uri	https://hdl.handle.net/10195/57942
dc.language.iso	cze
dc.publisher	Univerzita Pardubice	cze
dc.rights	Pouze v rámci univerzity	cze
dc.subject	virtualizace	cze
dc.subject	virtuální server	cze
dc.subject	adaptivní rezonanční teorie	cze
dc.subject	klasifikace	cze
dc.subject	virtualization	eng
dc.subject	virtual server	eng
dc.subject	adaptive resonance theory	eng
dc.subject	classification	eng
dc.thesis.degree-discipline	Informatika ve veřejné správě	cze
dc.thesis.degree-grantor	Univerzita Pardubice. Fakulta ekonomicko-správní	cze
dc.thesis.degree-name	Ing.	cze
dc.thesis.degree-program	Systémové inženýrství a informatika	cze
dc.title	Rekurentní neuronové sítě v modelování chyb virtuálního serveru	cze
dc.title.alternative	Recurrent neural networks in modelling errors of virtual server	eng
dc.type	diplomová práce	cze
dspace.entity.type	Publication