Optimización y autoescalado basado en metaheurísticas para la ejecución eficiente de aplicaciones científicas en infraestructuras cloud
Las aplicaciones científicas son implementadas mediante la construcción de modelos matemáticos y técnicas numéricas que sirven para manipular y controlar el problema real al que representan. Debido a que para su ejecución se requiere de grandes capacidades de cómputo, los entornos de computación dis...
Guardado en:
| Autor principal: | Pacini Naumovich, Eliana Rocío |
|---|---|
| Otros Autores: | Garí Núñez, Yisel; Mansilla, Roberto Alejandro; Monge Bosdari, David Antonio; Cardello, Sebastián Carlos; García Garino, Carlos Gabriel |
| Formato: | info:eu-repo/semantics/other Proyecto de investigación acceptedVersion |
| Lenguaje: | Español |
| Publicado: |
2019
|
| Materias: | |
| Acceso en línea: | http://bdigital.uncu.edu.ar/14391 |
| Aporte de: |
Ejemplares similares
-
Metaheurísticas, búsqueda estocástica y cómputo eficiente en optimización aplicada
por: Tetzlaff, Tomás, et al.
Publicado: (2021) -
Autoescalado basado en aprendizaje profundo por refuerzo de workflows científicos en la nube
por: Pacini, Elina, et al.
Publicado: (2023) -
Metaheurísticas y entornos de ejecución
por: Salto, Carolina, et al.
Publicado: (2014) -
Aprendizaje por Refuerzo Offline y Online para el Autoescalado de Workflows Científicos en Cloud
por: Núñez, Yisel Garí
Publicado: (2021) -
The essentials of mental measurement
por: Brown, William
Publicado: (1925)