論文の概要: A Survey on the Evolution of Stream Processing Systems

• arxiv url: http://arxiv.org/abs/2008.00842v1
• Date: Mon, 3 Aug 2020 12:43:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-03 06:58:06.174076
• Title: A Survey on the Evolution of Stream Processing Systems
• Title（参考訳）: ストリーム処理システムの進化に関する調査研究
• Authors: Marios Fragkoulis, Paris Carbone, Vasiliki Kalavri, Asterios Katsifodimos
• Abstract要約: 本稿では,ストリーム処理システムの基本的側面について概観する。 我々は過去の注目すべき研究成果を概説し、早期(「00-'10」)と近代(「11-'18」)のストリーミングシステムとの類似点と相違点を概説する。
• 参考スコア（独自算出の注目度）: 6.575536772320007
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Stream processing has been an active research field for more than 20 years, but it is now witnessing its prime time due to recent successful efforts by the research community and numerous worldwide open-source communities. This survey provides a comprehensive overview of fundamental aspects of stream processing systems and their evolution in the functional areas of out-of-order data management, state management, fault tolerance, high availability, load management, elasticity, and reconfiguration. We review noteworthy past research findings, outline the similarities and differences between early ('00-'10) and modern ('11-'18) streaming systems, and discuss recent trends and open problems.
• Abstract（参考訳）: ストリーム処理は20年以上にわたって活発な研究分野となっているが、近年の研究コミュニティや世界中の多くのオープンソースコミュニティが成功し、その最盛期を目の当たりにしている。 本調査は, ストリーム処理システムの基本的側面と, 外部データ管理, 状態管理, 耐障害性, 高可用性, 負荷管理, 弾力性, 再設定の機能領域におけるその進化を概観する。 注目すべき過去の研究成果を概観し,初期(00～10)と現代(11～18)のストリーミングシステムとの類似点と相違点を概説するとともに,最近のトレンドとオープン問題について考察する。

関連論文リスト

• Towards Sample-Efficiency and Generalization of Transfer and Inverse Reinforcement Learning: A Comprehensive Literature Review [50.67937325077047]
  本稿では,転送および逆強化学習(T-IRL)によるRLアルゴリズムのサンプル効率と一般化を実現するための総合的なレビューを行う。 以上の結果から,最近の研究成果の大部分は,人間のループとシム・トゥ・リアル戦略を活用することで,上記の課題に対処していることが示唆された。 IRL構造の下では、経験の少ない移行と、そのようなフレームワークのマルチエージェントおよびマルチインテンション問題への拡張を必要とするトレーニングスキームが近年研究者の優先事項となっている。
  論文  参考訳（メタデータ） (2024-11-15T15:18:57Z)
• Continual Causal Effect Estimation: Challenges and Opportunities [11.343298687766579]
  観測データにおける原因と効果のさらなる理解は多くの領域で重要である。 既存の手法は主にソース固有および静止観測データに焦点を当てている。 ビッグデータの時代,我々は観測データによる因果推論において新たな課題に直面している。
  論文  参考訳（メタデータ） (2023-01-03T09:57:50Z)
• Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
  この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。 疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。 また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
  論文  参考訳（メタデータ） (2022-07-19T16:15:11Z)
• Fairness in Recommender Systems: Research Landscape and Future Directions [119.67643184567623]
  本稿は,近年の地域におけるフェアネスの概念と概念について概観する。 この分野での研究が現在どのように行われているのかを概観する。 全体として、最近の研究成果の分析は、ある研究のギャップを示している。
  論文  参考訳（メタデータ） (2022-05-23T08:34:25Z)
• Deep Learning meets Liveness Detection: Recent Advancements and Challenges [3.2011056280404637]
  我々は,2017年以降の深部機能的FAS手法に関する文献を包括的に調査している。 本研究では,FASの時系列,進化過程,評価基準について概説する。
  論文  参考訳（メタデータ） (2021-12-29T19:24:58Z)
• Scaling up Search Engine Audits: Practical Insights for Algorithm Auditing [68.8204255655161]
  異なる地域に数百の仮想エージェントを配置した8つの検索エンジンの実験を行った。 複数のデータ収集にまたがる研究インフラの性能を実証する。 仮想エージェントは,アルゴリズムの性能を長時間にわたって監視するための,有望な場所である,と結論付けている。
  論文  参考訳（メタデータ） (2021-06-10T15:49:58Z)
• A game-theoretic analysis of networked system control for common-pool resource management using multi-agent reinforcement learning [54.55119659523629]
  マルチエージェント強化学習は近年,ネットワーク型システム制御へのアプローチとして大きな可能性を秘めている。 共通プールの資源は耕作可能な土地、淡水、湿地、野生生物、魚類資源、森林、大気である。
  論文  参考訳（メタデータ） (2020-10-15T14:12:26Z)
• Survey on the Analysis and Modeling of Visual Kinship: A Decade in the Making [66.72253432908693]
  親和性認識は多くの実践的応用において難しい問題である。 我々は、多くの人にその見解を刺激した公開リソースとデータ課題についてレビューする。 10周年記念には、さまざまなkinベースのタスクのためのデモコードが用意されている。
  論文  参考訳（メタデータ） (2020-06-29T13:25:45Z)
• A comprehensive review on convolutional neural network in machine fault diagnosis [3.4541413098030938]
  この研究は、畳み込みネットワークに基づく障害診断(CNFD)のアプローチを包括的にレビューし、要約しようとするものである。 CNFDフレームワークは,データ収集,モデル構築,機能学習と意思決定という,次のステップで構成されている。 CNFDの応用は、分類、予測、転移診断の3つの主流方向の観点から概説する。
  論文  参考訳（メタデータ） (2020-02-13T20:35:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。