Estimación de la temper-atura en servidores mediante herramientas de deep learning

Autores
D' Angiolo, Federico G.; Mas, Ignacio Agustin; Giribet, Juan Ignacio
Año de publicación
2021
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
En este trabajo se propone el estudio de estimación de tem-peratura sobre un servidor, con el objetivo de poder predecir el fun-cionamiento del mismo bajo condiciones ambientales controladas. Paraesto se propone la utilización de herramientas de Deep Learning comopor ejemplo, MLP (Multi Layer Perceptron) y LSTM (Long Short-TermMemory). La utilización de éstas persigue el objetivo de poder compara-rlas y sacar conclusiones sobre su funcionamiento en el ámbito de undatacenter, donde se encuentra el servidor bajo estudio.
Fil: D' Angiolo, Federico G.. Universidad Nacional de Avellaneda; Argentina. Instituto Tecnológico de Buenos Aires; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Saavedra 15. Instituto Argentino de Matemática Alberto Calderón; Argentina
Fil: Mas, Ignacio Agustin. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Saavedra 15. Instituto Argentino de Matemática Alberto Calderón; Argentina. Instituto Tecnológico de Buenos Aires; Argentina. Universidad Nacional de Avellaneda; Argentina
Fil: Giribet, Juan Ignacio. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Saavedra 15. Instituto Argentino de Matemática Alberto Calderón; Argentina. Universidad Nacional de Avellaneda; Argentina
XXVII Congreso Argentino de Ciencias de la Computación
Salta
Argentina
Universidad Nacional de Salta
Materia
Deep learning
Estimación de parámetros
DEEP LEARNING
REDES NEURONALES
MLP
LSTM
DATACENTER
TEMPERATURA
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/156568
Acceder
id CONICETDig_e454b59676843006c6b9b129c7a8eef1
oai_identifier_str oai:ri.conicet.gov.ar:11336/156568
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Estimación de la temper-atura en servidores mediante herramientas de deep learningD' Angiolo, Federico G.Mas, Ignacio AgustinGiribet, Juan IgnacioDeep learningEstimación de parámetrosDEEP LEARNINGREDES NEURONALESMLPLSTMDATACENTERTEMPERATURAhttps://purl.org/becyt/ford/1.2https://purl.org/becyt/ford/1En este trabajo se propone el estudio de estimación de tem-peratura sobre un servidor, con el objetivo de poder predecir el fun-cionamiento del mismo bajo condiciones ambientales controladas. Paraesto se propone la utilización de herramientas de Deep Learning comopor ejemplo, MLP (Multi Layer Perceptron) y LSTM (Long Short-TermMemory). La utilización de éstas persigue el objetivo de poder compara-rlas y sacar conclusiones sobre su funcionamiento en el ámbito de undatacenter, donde se encuentra el servidor bajo estudio.Fil: D' Angiolo, Federico G.. Universidad Nacional de Avellaneda; Argentina. Instituto Tecnológico de Buenos Aires; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Saavedra 15. Instituto Argentino de Matemática Alberto Calderón; ArgentinaFil: Mas, Ignacio Agustin. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Saavedra 15. Instituto Argentino de Matemática Alberto Calderón; Argentina. Instituto Tecnológico de Buenos Aires; Argentina. Universidad Nacional de Avellaneda; ArgentinaFil: Giribet, Juan Ignacio. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Saavedra 15. Instituto Argentino de Matemática Alberto Calderón; Argentina. Universidad Nacional de Avellaneda; ArgentinaXXVII Congreso Argentino de Ciencias de la ComputaciónSaltaArgentinaUniversidad Nacional de SaltaUniversidad Nacional de SaltaLeguizamón, GuillermoSalto, CarolinaFridlender, Daniel Edgardo2021info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/conferenceObjectConferenciaBookhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/156568Estimación de la temper-atura en servidores mediante herramientas de deep learning; XXVII Congreso Argentino de Ciencias de la Computación; Salta; Argentina; 2021; 11-20978 -987-633-574-4CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/https://cacic2021.unsa.edu.ar/wp-content/uploads/2021/11/LIBRO-DE-ACTAS-CACIC-2021-SALTA.pdfNacionalinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T09:36:37Zoai:ri.conicet.gov.ar:11336/156568instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-29 09:36:37.526CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Estimación de la temper-atura en servidores mediante herramientas de deep learning
title Estimación de la temper-atura en servidores mediante herramientas de deep learning
spellingShingle Estimación de la temper-atura en servidores mediante herramientas de deep learning
D' Angiolo, Federico G.
Deep learning
Estimación de parámetros
DEEP LEARNING
REDES NEURONALES
MLP
LSTM
DATACENTER
TEMPERATURA
title_short Estimación de la temper-atura en servidores mediante herramientas de deep learning
title_full Estimación de la temper-atura en servidores mediante herramientas de deep learning
title_fullStr Estimación de la temper-atura en servidores mediante herramientas de deep learning
title_full_unstemmed Estimación de la temper-atura en servidores mediante herramientas de deep learning
title_sort Estimación de la temper-atura en servidores mediante herramientas de deep learning
dc.creator.none.fl_str_mv D' Angiolo, Federico G.
Mas, Ignacio Agustin
Giribet, Juan Ignacio
author D' Angiolo, Federico G.
author_facet D' Angiolo, Federico G.
Mas, Ignacio Agustin
Giribet, Juan Ignacio
author_role author
author2 Mas, Ignacio Agustin
Giribet, Juan Ignacio
author2_role author
author
dc.contributor.none.fl_str_mv Leguizamón, Guillermo
Salto, Carolina
Fridlender, Daniel Edgardo
dc.subject.none.fl_str_mv Deep learning
Estimación de parámetros
DEEP LEARNING
REDES NEURONALES
MLP
LSTM
DATACENTER
TEMPERATURA
topic Deep learning
Estimación de parámetros
DEEP LEARNING
REDES NEURONALES
MLP
LSTM
DATACENTER
TEMPERATURA
purl_subject.fl_str_mv https://purl.org/becyt/ford/1.2
https://purl.org/becyt/ford/1
dc.description.none.fl_txt_mv En este trabajo se propone el estudio de estimación de tem-peratura sobre un servidor, con el objetivo de poder predecir el fun-cionamiento del mismo bajo condiciones ambientales controladas. Paraesto se propone la utilización de herramientas de Deep Learning comopor ejemplo, MLP (Multi Layer Perceptron) y LSTM (Long Short-TermMemory). La utilización de éstas persigue el objetivo de poder compara-rlas y sacar conclusiones sobre su funcionamiento en el ámbito de undatacenter, donde se encuentra el servidor bajo estudio.
Fil: D' Angiolo, Federico G.. Universidad Nacional de Avellaneda; Argentina. Instituto Tecnológico de Buenos Aires; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Saavedra 15. Instituto Argentino de Matemática Alberto Calderón; Argentina
Fil: Mas, Ignacio Agustin. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Saavedra 15. Instituto Argentino de Matemática Alberto Calderón; Argentina. Instituto Tecnológico de Buenos Aires; Argentina. Universidad Nacional de Avellaneda; Argentina
Fil: Giribet, Juan Ignacio. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Saavedra 15. Instituto Argentino de Matemática Alberto Calderón; Argentina. Universidad Nacional de Avellaneda; Argentina
XXVII Congreso Argentino de Ciencias de la Computación
Salta
Argentina
Universidad Nacional de Salta
description En este trabajo se propone el estudio de estimación de tem-peratura sobre un servidor, con el objetivo de poder predecir el fun-cionamiento del mismo bajo condiciones ambientales controladas. Paraesto se propone la utilización de herramientas de Deep Learning comopor ejemplo, MLP (Multi Layer Perceptron) y LSTM (Long Short-TermMemory). La utilización de éstas persigue el objetivo de poder compara-rlas y sacar conclusiones sobre su funcionamiento en el ámbito de undatacenter, donde se encuentra el servidor bajo estudio.
publishDate 2021
dc.date.none.fl_str_mv 2021
dc.type.none.fl_str_mv info:eu-repo/semantics/publishedVersion
info:eu-repo/semantics/conferenceObject
Conferencia
Book
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
status_str publishedVersion
format conferenceObject
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/156568
Estimación de la temper-atura en servidores mediante herramientas de deep learning; XXVII Congreso Argentino de Ciencias de la Computación; Salta; Argentina; 2021; 11-20
978 -987-633-574-4
CONICET Digital
CONICET
url http://hdl.handle.net/11336/156568
identifier_str_mv Estimación de la temper-atura en servidores mediante herramientas de deep learning; XXVII Congreso Argentino de Ciencias de la Computación; Salta; Argentina; 2021; 11-20
978 -987-633-574-4
CONICET Digital
CONICET
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://cacic2021.unsa.edu.ar/wp-content/uploads/2021/11/LIBRO-DE-ACTAS-CACIC-2021-SALTA.pdf
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
application/pdf
dc.coverage.none.fl_str_mv Nacional
dc.publisher.none.fl_str_mv Universidad Nacional de Salta
publisher.none.fl_str_mv Universidad Nacional de Salta
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1844613150041702400
score 13.070432

Publicaciones similares