摘要
Mirela Madalina Botezatu、Ioana Giurgiu、Jasmina Bogojeska和Dorothea Wiesmann。 2016.预测磁盘更换将转向可靠的数据中心。 2016年SIGKDD会议记录。 39--48. 谷歌学者 数字图书馆 Tushar Deepak Chandra和Sam Toueg。 1996.可靠分布式系统的不可靠故障检测器。 美国医学会杂志(JACM)43,2(1996),225--267。 谷歌学者 数字图书馆 魏晨、山姆·图格和马科斯·卡瓦佐·阿奎莱拉。 2002.关于故障探测器的服务质量。 IEEE计算机学报51,5(2002),561--580。 谷歌学者 数字图书馆 Saurabh Gupta、Tirthak Patel、Christian Engelmann和Devesh Tiwari,2017年。 大规模系统中的故障:长期测量、分析和影响。 高性能计算、网络、存储和分析国际会议论文集。 1--12. 谷歌学者 数字图书馆 Tuomas Haarnoja、Aurick Zhou、Pieter Abbeel和Sergey Levine。 2018.软行动者评论家:使用随机行动者的政策外最大熵深度强化学习。 2018年ICML会议记录。 PMLR,1861-1870年。 谷歌学者 格雷格·哈默利(Greg Hamerly)、查尔斯·埃尔坎(Charles Elkan)等人,2001年。 磁盘驱动器故障预测的贝叶斯方法。 《2001年ICML会议录》,第1卷。 Citeser,202-209年。 谷歌学者 胡一齐、杨瑜和廖俊达。 2019.级联算法选择和极值区域置信上限Bandit超参数优化。 2019年IJCAI会议记录。 谷歌学者 交叉引用 黄晓红。 2017.大型存储系统的硬盘故障预测。 博士论文。 加州大学洛杉矶分校。 谷歌学者 Joshua B Leners、Hao Wu、Wei-Lon Hung、Marcos K Aguilera和Michael Walfish。 2011年,《使用猎鹰间谍网络检测分布式系统中的故障》,载于第二十届ACM操作系统原理研讨会论文集。 279--294. 谷歌学者 数字图书馆 Sebastien Levy、Randolph Yao、YoujiangWu、Yingnong Dang、Peng Huang、Zheng Mu、Pu Zhao、Tarun Ramani、Naga Govindaraju、Xukun Li等,2020年。 Narya:预测性和自适应故障缓解,以避免生产云虚拟机中断。 OSDI 2020会议记录。 谷歌学者 蒂莫西·利利克拉普(Timothy P Lillicrap)、乔纳森·亨特(Jonathan J Hunt)、亚历山大·普里泽尔(Alexander Pritzel)、尼古拉·赫斯(Nicolas Heess)、汤姆·埃雷斯(Tom Erez)、尤瓦尔·塔萨(Yuval Tassa)、。 2015年,通过深度强化学习进行持续控制。 (2015). 谷歌学者 刘旭英、吴建新和周志华。 2008年,班级平衡学习的探索性抽样不足。 IEEE系统、人类和控制论汇刊,B部分(控制论)39,2(2008),539-550。 谷歌学者 陆思迪(Sidi Lu)、罗冰冰(Bing Luo)、蒂尔塔克·帕特尔(Tirthak Patel)、姚永涛(Yongtao Yao)、提瓦里(Devesh Tiwari)和史伟松(Weissong Shi)。 2020年。使磁盘故障预测更加智能!。 在第18届{USENIX}文件和存储技术会议({FAST}20)上。 151到167之间。 谷歌学者 罗川、赵璞、乔波、吴友江、张宏宇、吴伟、威海路、党英农、拉杰莫汉、林庆伟等,2021年。 NTAM:云平台中用于磁盘故障预测的邻域临时注意模型。 WWW 2021会议记录。 1181--1191. 谷歌学者 Sanmit Narvekar、Bei Peng、Matteo Leonetti、Jivko Sinapov、Matthew E Taylor和Peter Stone。 2020年。强化学习领域的课程学习:框架和调查。 J.马赫。 学习。 第21号决议(2020年),181:1--181:50。 谷歌学者 Jonathan Sillito和Esdras Kutomi。 2020年。故障和修复:软件系统事件响应研究。 《2020年ICSME会议记录》。 IEEE标准,185-195。 谷歌学者 交叉引用 劳伦斯·范·德·马滕和杰弗里·欣顿。 2008.使用t-SNE可视化数据。 《机器学习研究杂志》9,11(2008)。 谷歌学者 亚历山大·萨沙·维日涅维茨(Alexander Sasha Vezhnevets)、西蒙·奥斯宾多(Simon Osindero)、汤姆·绍尔(Tom Schaul)、尼古拉·海斯(Nicolas Heess)、马克斯·贾德伯格(Max Jaderberg)、大卫·西尔弗(David Silver)和科。 2017.分层强化学习的封建网络。 2017年ICML会议记录。 PMLR,3540-3549。 谷歌学者 保罗·维奥拉和迈克尔·琼斯。 2001.使用增强的简单功能级联进行快速目标检测。 《2001年CVPR会议录》,第1卷。 IEEE,我——我。 谷歌学者 交叉引用 徐勇、隋开新、姚洪宇、张红玉、林庆伟、党英农、李鹏、蒋克曾、张文奇、楼建光等,2018年。 通过预测磁盘错误提高云系统的服务可用性。 USENIX ATC 2018会议记录。 481--494. 谷歌学者
建议
风险规避分布强化学习:一种CVaR优化方法 IJCCI 2019:第十一届国际计算智能联合会议记录 条件值风险(CVaR)是一种众所周知的风险度量,它直接等同于稳健性,是人工智能(AI)安全的重要组成部分。 在本文中,我们着重于在钢筋混凝土框架下优化CVaR。。。 具有部件失效相关性的失效类型软件可靠性评估 SSIRI’10:2010年第四届安全软件集成和可靠性改进国际会议记录 大多数现有的可靠性评估技术都假设组件独立失效,并平等地考虑不同类型的失效。 通过忽略组件故障相关性,这些技术不恰当地假设组件。。。