Điện toán đám mây là gì? Các công bố khoa học về Điện toán đám mây
Điện toán đám mây (cloud computing) là một mô hình trong lĩnh vực công nghệ thông tin, cho phép truy cập và sử dụng các tài nguyên máy tính (bao gồm lưu trữ dữ ...
Điện toán đám mây (cloud computing) là một mô hình trong lĩnh vực công nghệ thông tin, cho phép truy cập và sử dụng các tài nguyên máy tính (bao gồm lưu trữ dữ liệu, ứng dụng, máy chủ) thông qua mạng Internet. Thay vì phải cài đặt và vận hành các hệ thống máy tính trực tiếp tại các cơ sở vật lý, người dùng có thể truy cập vào các dịch vụ và tài nguyên này thông qua Internet, mà không cần biết đến vị trí chính xác của chúng. Điện toán đám mây cung cấp sự linh hoạt, tiện lợi và tiết kiệm chi phí trong việc sử dụng và quản lý các tài nguyên máy tính.
Điện toán đám mây hoạt động dựa trên nguyên tắc chia sẻ tài nguyên và công nghệ ảo hóa. Thay vì sở hữu và duy trì một cơ sở hạ tầng máy tính riêng, người dùng có thể thuê tài nguyên máy tính từ các nhà cung cấp dịch vụ đám mây, cung cấp sẵn qua mạng Internet. Những tài nguyên này bao gồm lưu trữ, ứng dụng, máy chủ ảo và các dịch vụ khác.
Các dịch vụ điện toán đám mây được chia thành ba mô hình chính:
1. Phần mềm như một Dịch vụ (SaaS - Software as a Service): Đây là một dạng dịch vụ mà người dùng sử dụng trực tiếp thông qua trình duyệt web. Thay vì cần phải cài đặt và cấu hình phần mềm trên máy tính của mình, người dùng có thể truy cập trực tiếp vào ứng dụng từ máy chủ đám mây. Ví dụ điển hình của SaaS là dịch vụ lưu trữ email như Gmail.
2. Nền tảng như một Dịch vụ (PaaS - Platform as a Service): Mô hình này cung cấp một nền tảng phát triển ứng dụng đám mây cho các nhà phát triển. Người dùng không cần quan tâm đến cơ sở hạ tầng hay quản lý hạ tầng mạng, mà chỉ tập trung vào việc phát triển ứng dụng. Dịch vụ cung cấp môi trường phát triển, cơ sở dữ liệu, và các công cụ hỗ trợ để xây dựng ứng dụng. Ví dụ của PaaS là Google App Engine.
3. Hạ tầng như một Dịch vụ (IaaS - Infrastructure as a Service): Mô hình này cung cấp tài nguyên hạ tầng máy tính như máy chủ ảo, lưu trữ dữ liệu, mạng và các công cụ như hệ điều hành và ảo hóa. Người dùng có toàn quyền điều khiển và quản lý các tài nguyên này, nhưng không phải lo lắng về việc cài đặt phần cứng vật lý và duy trì cơ sở hạ tầng. Ví dụ phổ biến của IaaS là Amazon Web Services (AWS).
Điện toán đám mây mang lại nhiều lợi ích như linh hoạt, tiết kiệm chi phí, mở rộng dễ dàng và tăng tính sẵn sàng cho người dùng. Công nghệ này đã phổ biến rộng rãi và được sử dụng trong nhiều lĩnh vực, bao gồm doanh nghiệp, giáo dục, y tế và nhiều ngành công nghiệp khác.
Danh sách công bố khoa học về chủ đề "điện toán đám mây":
Một cái nhìn về điện toán đám mây Dịch bởi AI Xóa bỏ những mây mù khỏi tiềm năng thực sự và những trở ngại mà khả năng tính toán này gây ra.
Communications of the ACM - Tập 53 Số 4 - Trang 50-58 - 2010
Bản đồ Kiểm Kê Đất Ngập Nước Đầu Tiên của Newfoundland với Độ Phân Giải Không Gian 10 m Sử Dụng Dữ Liệu Sentinel-1 và Sentinel-2 trên Nền tảng Điện Toán Đám Mây Google Earth Engine Dịch bởi AI Đất ngập nước là một trong những hệ sinh thái quan trọng nhất, cung cấp môi trường sống lý tưởng cho một loạt lớn các loài thực vật và động vật. Lập bản đồ và mô hình hóa đất ngập nước sử dụng dữ liệu Quan Sát Trái Đất (EO) là điều thiết yếu cho quản lý tài nguyên thiên nhiên ở cả cấp độ khu vực và quốc gia. Tuy nhiên, việc lập bản đồ đất ngập nước chính xác là một thách thức, đặc biệt là trên quy mô lớn, do cảnh quan đa dạng và bị phân mảnh, cũng như sự tương đồng phổ giữa các lớp đất ngập nước khác nhau. Hiện tại, thiếu các kiểm kê đất ngập nước chính xác, nhất quán và toàn diện ở quy mô quốc gia hoặc tỉnh trên toàn cầu, với hầu hết các nghiên cứu tập trung vào việc tạo bản đồ quy mô địa phương từ dữ liệu viễn thám có giới hạn. Tận dụng sức mạnh tính toán của Google Earth Engine (GEE) và sự sẵn có của dữ liệu viễn thám có độ phân giải không gian cao được thu thập bởi Copernicus Sentinels, nghiên cứu này giới thiệu bản đồ kiểm kê đất ngập nước chi tiết đầu tiên ở cấp độ tỉnh của một trong các tỉnh giàu đất ngập nước nhất ở Canada về mặt mở rộng đất ngập nước. Cụ thể, dữ liệu tổng hợp từ nhiều năm radar khẩu độ tổng hợp (SAR) Sentinel-1 mùa hè và quang học Sentinel-2 được sử dụng để xác định sự phân bố không gian của năm lớp đất ngập nước và ba lớp không phải đất ngập nước trên Đảo Newfoundland, bao phủ diện tích xấp xỉ 106,000 km2. Các kết quả phân loại được đánh giá bằng cách sử dụng cả phân loại kiểu dựa trên điểm ảnh và thể đối tượng, sử dụng phương pháp rừng ngẫu nhiên (RF) được triển khai trên nền tảng GEE. Kết quả cho thấy sự vượt trội của phương pháp dựa trên đối tượng so với phương pháp phân loại dựa trên điểm ảnh cho lập bản đồ đất ngập nước. Mặc dù việc phân loại sử dụng dữ liệu quang học nhiều năm chính xác hơn so với SAR, nhưng việc kết hợp cả hai loại dữ liệu đã cải thiện đáng kể độ chính xác phân loại của các lớp đất ngập nước. Đặc biệt, độ chính xác tổng thể đạt 88,37% và hệ số Kappa đạt 0,85 với tổ hợp SAR/quang học nhiều năm sử dụng phân loại RF dựa trên đối tượng, trong đó tất cả các lớp đất ngập nước và không phải đất ngập nước đều được xác định chính xác với độ chính xác lần lượt trên 70% và 90%. Kết quả cho thấy sự chuyển đổi từ các sản phẩm và phương pháp tĩnh tiêu chuẩn sang việc tạo ra các bản đồ phủ sóng đất ngập nước động, theo yêu cầu, quy mô lớn thông qua các tài nguyên điện toán đám mây tiên tiến, đơn giản hóa truy cập và xử lý 'Dữ liệu Toàn Địa'. Ngoài ra, bản đồ kiểm kê ngày càng đòi hỏi của Newfoundland rất có giá trị và có thể được sử dụng bởi nhiều bên liên quan, bao gồm các chính phủ liên bang và tỉnh, các thành phố, các tổ chức phi chính phủ và các chuyên gia môi trường, chỉ đề cập đến một số ít.
Remote Sensing - Tập 11 Số 1 - Trang 43
#Bản đồ đất ngập nước #Newfoundland #Quan sát Trái Đất #Điện toán đám mây #Viễn thám #Radar khẩu độ tổng hợp #Sentinel-1 #Sentinel-2 #Phân loại rừng ngẫu nhiên #Độ phân giải không gian
Cách mà điện toán đám mây thúc đẩy đổi mới quy trình và mô hình kinh doanh Dịch bởi AI Mục đích Dù điện toán đám mây được công nhận rộng rãi là một công nghệ có khả năng thay đổi cuộc chơi nhờ vào việc cung cấp dịch vụ mọi lúc, mọi nơi, nhưng tiềm năng của nó trong việc thúc đẩy đổi mới kinh doanh vẫn chưa được khai thác triệt để. Bài báo này tìm cách xác định tiềm năng đó trong việc tạo ra các mô hình kinh doanh mới và làm gián đoạn các ngành công nghiệp. Phương pháp thiết kế/nghiên cứu Các tác giả cho thấy cách mà công nghệ đám mây có thể làm thay đổi cách cạnh tranh một cách cơ bản bằng cách cung cấp một nền tảng mới để tạo ra và cung cấp giá trị kinh doanh. Kết quả Nghiên cứu của IBM cho thấy các tổ chức chỉ mới bắt đầu hiểu được sức mạnh của dịch vụ đám mây trong việc thúc đẩy đổi mới kinh doanh. Giới hạn/Ý nghĩa nghiên cứu Để theo dõi cách mà các tổ chức sử dụng công nghệ đám mây ngày nay và cách mà họ dự định khai thác sức mạnh của nó trong tương lai, IBM đã khảo sát 572 nhà điều hành doanh nghiệp và công nghệ trên toàn cầu. Ý nghĩa thực tiễn Khảo sát cho thấy các công ty trên toàn thế giới đang bắt đầu nhận ra khả năng của điện toán đám mây trong việc tạo ra các mô hình kinh doanh mới và thúc đẩy lợi thế cạnh tranh bền vững. Tính độc đáo/Giá trị Bằng cách hỗ trợ phát triển các năng lực vận hành mới, công nghệ đám mây có thể giúp một công ty thay đổi vai trò của nó trong ngành hoặc bước vào một ngành khác.
Emerald - Tập 40 Số 4 - Trang 27-35 - 2012
Google Earth Engine, Dữ liệu vệ tinh truy cập mở, và Máy học hỗ trợ lập bản đồ xác suất đầm lầy trên diện rộng Dịch bởi AI
Remote Sensing - Tập 9 Số 12 - Trang 1315
Các tiến bộ hiện đại trong điện toán đám mây và các thuật toán máy học đang thay đổi cách sử dụng dữ liệu quan sát Trái Đất (EO) để giám sát môi trường, đặc biệt là trong thời kỳ dữ liệu vệ tinh truy cập mở và miễn phí đang trở nên phổ biến. Việc phân định đầm lầy là một ứng dụng đặc biệt có giá trị của xu hướng nghiên cứu nổi lên này, vì đầm lầy là một thành phần quan trọng về sinh thái nhưng lại thường bị thiếu đại diện trong các chương trình lập bản đồ và giám sát hiện đại, đặc biệt ở cấp độ khu vực và quốc gia. Lợi dụng Google Earth Engine và phần mềm thống kê R, chúng tôi đã phát triển một quy trình công việc để dự đoán khả năng xuất hiện đầm lầy sử dụng mô hình máy học cây hồi quy tăng cường được áp dụng cho dữ liệu địa hình số và EO. Nghiên cứu tại khu vực 13.700 km2 ở Bắc Alberta, mô hình tốt nhất của chúng tôi đã cho ra kết quả xuất sắc, với giá trị AUC (diện tích dưới đường cong đặc tính hoạt động của máy thu) là 0.898 và giá trị sự biến thiên giải thích là 0.708. Kết quả của chúng tôi chứng tỏ vai trò trung tâm của các biến địa hình chất lượng cao trong việc mô hình hóa phân bố đầm lầy ở quy mô khu vực. Việc bao gồm các biến quang học và/hoặc radar vào quy trình đã cải thiện đáng kể hiệu suất của mô hình, mặc dù dữ liệu quang học hoạt động tốt hơn một chút. Việc chuyển đổi mô hình khả năng xuất hiện đầm lầy của chúng tôi thành phân loại nhị phân Wet-Dry cho độ chính xác tổng thể 85%, gần như giống với giá trị thu được từ giải pháp Tổng hợp Đầm lầy Alberta (AMWI): bản kiểm kê đương đại được Chính phủ Alberta sử dụng. Tuy nhiên, quy trình công việc của chúng tôi chứa đựng một số lợi thế chính so với quy trình được sử dụng để sản xuất AMWI, và cung cấp một nền tảng có thể mở rộng cho các sáng kiến giám sát toàn tỉnh.
#Điện toán đám mây #Máy học #Dữ liệu quan sát Trái Đất #Phân định đầm lầy #Google Earth Engine #Hồi quy tăng cường #Alberta #Vệ tinh truy cập mở #Mô hình hóa đầm lầy #Biến địa hình #Dữ liệu quang học #Dữ liệu radar
Bản đồ Sử dụng Đất đai và Lớp phủ Đất dựa trên Hình ảnh Vệ tinh Sentinel-2, Landsat-8 và Google Earth Engine: So sánh hai phương pháp ghép hỗn hợp Dịch bởi AI Bản đồ sử dụng đất đai và lớp phủ đất (LULC) chính xác và thời gian thực rất quan trọng để cung cấp thông tin chính xác cho việc giám sát động, quy hoạch và quản lý Trái Đất. Với sự ra đời của các nền tảng điện toán đám mây, các kỹ thuật trích xuất đặc tính theo chuỗi thời gian và các bộ phân loại học máy, đang xuất hiện những cơ hội mới trong việc lập bản đồ LULC chính xác và quy mô lớn hơn. Trong nghiên cứu này, chúng tôi nhằm tìm hiểu cách hai phương pháp ghép hỗn hợp và các chỉ số quang phổ–thời gian được trích xuất từ chuỗi thời gian vệ tinh có thể ảnh hưởng đến khả năng của một bộ phân loại học máy trong việc tạo ra bản đồ LULC chính xác. Chúng tôi đã sử dụng nền tảng điện toán đám mây Google Earth Engine (GEE) để tạo ra chuỗi thời gian Sentinel-2 (S-2) và Landsat-8 (L-8) không có mây trên tỉnh Tehran (Iran) tính đến năm 2020. Hai phương pháp ghép hỗn hợp, cụ thể là hỗn hợp theo mùa và chỉ số phần trăm, đã được sử dụng để định nghĩa bốn tập dữ liệu dựa trên chuỗi thời gian vệ tinh, chỉ số thảm thực vật và các lớp địa hình. Bộ phân loại rừng ngẫu nhiên đã được sử dụng trong phân loại LULC và để xác định các biến quan trọng nhất. Kết quả đánh giá độ chính xác cho thấy rằng S-2 vượt trội hơn so với các chỉ số quang phổ–thời gian của L-8 ở cấp độ tổng thể và cấp lớp. Hơn nữa, sự so sánh giữa các phương pháp ghép hỗn hợp chỉ ra rằng hỗn hợp theo mùa vượt trội hơn chỉ số phần trăm trong cả chuỗi thời gian S-2 và L-8. Ở cấp lớp, hiệu suất cải thiện của hỗn hợp theo mùa liên quan đến khả năng của chúng cung cấp thông tin tốt hơn về sự biến đổi thời kỳ sinh thái của các lớp LULC khác nhau. Cuối cùng, chúng tôi kết luận rằng phương pháp luận này có thể tạo ra bản đồ LULC dựa trên GEE đám mây điện toán một cách chính xác và nhanh chóng và có thể được sử dụng trong lập bản đồ LULC quy mô lớn.
Remote Sensing - Tập 14 Số 9 - Trang 1977
#Bản đồ LULC #điện toán đám mây #Google Earth Engine #máy học #phân loại rừng ngẫu nhiên #Sentinel-2 #Landsat-8 #chỉ số quang phổ–thời gian #hỗn hợp theo mùa #chỉ số phần trăm.
Khảo sát các mô hình và công nghệ kiểm soát truy cập cho điện toán đám mây Dịch bởi AI
Springer Science and Business Media LLC - Tập 22 - Trang 6111-6122 - 2018
Kiểm soát truy cập là một biện pháp quan trọng nhằm bảo vệ thông tin và tài nguyên hệ thống để ngăn chặn người dùng trái phép truy cập vào các đối tượng được bảo vệ và người dùng hợp pháp cố gắng truy cập vào các đối tượng theo những cách vượt quá quyền hạn của họ. Các hạn chế đối với việc truy cập từ một chủ thể đến một đối tượng được xác định bởi chính sách truy cập. Với sự phát triển nhanh chóng của điện toán đám mây, an ninh đám mây ngày càng trở thành một mối quan tâm phổ biến và cần được xử lý một cách nghiêm túc. Trong bài báo này, chúng tôi khảo sát các mô hình và chính sách kiểm soát truy cập trong các kịch bản ứng dụng khác nhau, đặc biệt là cho điện toán đám mây, bằng cách theo dõi sự phát triển của internet như một dòng chính và xem xét các môi trường mạng và yêu cầu của người dùng khác nhau. Chúng tôi tập trung vào các mối quan hệ giữa các mô hình và công nghệ khác nhau cùng với các kịch bản ứng dụng cũng như ưu và nhược điểm của từng mô hình. Đặc biệt chú ý sẽ được đặt vào kiểm soát truy cập cho điện toán đám mây, điều này được phản ánh trong các tóm tắt về các mô hình và phương pháp kiểm soát truy cập. Chúng tôi cũng xác định một số vấn đề mới nổi trong kiểm soát truy cập và chỉ ra một số hướng nghiên cứu tương lai cho điện toán đám mây.
#Kiểm soát truy cập #điện toán đám mây #mô hình kiểm soát truy cập #chính sách truy cập #an ninh mạng.
Nghiên cứu dự báo quản lý kinh tế và phân bổ tài nguyên tối ưu dựa trên điện toán đám mây và mạng nơ-ron Dịch bởi AI Tóm tắt Khi các yếu tố tác động đến sự phát triển của nền kinh tế thị trường toàn cầu ngày càng trở nên không chắc chắn, nền kinh tế và hàng hóa sẽ trở nên dao động nhiều hơn trong quá trình vận hành kinh tế. Với khả năng ánh xạ phi tuyến tính mạnh mẽ, mạng nơ-ron nhân tạo đã được ứng dụng trong nhiều lĩnh vực, phân tích chuỗi thời gian và dự đoán xu hướng. Điện toán đám mây có thể tương tác nhanh chóng với nhà cung cấp dịch vụ với chi phí quản lý tối thiểu. Bài báo này đề xuất một mô hình dự đoán kinh tế và phân bổ tài nguyên tối ưu dựa trên điện toán đám mây và mạng nơ-ron BP. Mục tiêu chính là phân chia một nhiệm vụ dự đoán phức tạp thành nhiều nhiệm vụ con, giảm hiệu quả khối lượng công việc của một máy tính đơn lẻ và nâng cao hiệu suất hoạt động. Kết quả mô phỏng cho thấy phương pháp đề xuất không phụ thuộc vào thông tin gradient và có khả năng tính toán tối ưu mạnh mẽ. Đồng thời, nó có thể phân tích và dự đoán quản lý kinh tế, nhằm cung cấp hỗ trợ quyết định mạnh mẽ cho các nhà ra quyết định.
EURASIP Journal on Wireless Communications and Networking - - 2020
Đề xuất mô hình quản trị tuân thủ quy trình dựa trên nền tảng điện toán đám mây
Các giải pháp phần mềm quản lý quy trình nghiệp vụ đã được sử dụng nhằm góp phần cải thiện năng lực hoạt động của tổ chức và doanh nghiệp. Do đó, nhu cầu kiểm tra tuân thủ (BPC) trong các quy trình nghiệp vụ ngày càng trở nên cấp thiết. Microservices (MSA) nổi lên như là một kiến trúc tiềm năng cho lĩnh vực điện toán đám mây. Việc chuyển đổi từ các hệ thống xây dựng truyền thống sang nền tảng đám mây, đặc biệt trên kiến trúc microservice, đã và đang là xu thế tất yếu trong giai đoạn chuyển đổi số và cách mạng công nghiệp 4.0 hiện nay. Bài báo này trước tiên sẽ tổng hợp các nghiên cứu liên quan đến lĩnh vực tuân thủ đối với các quy trình nghiệp vụ. Dựa trên những lỗ hổng nghiên cứu được chỉ ra, bài báo này đề xuất một mô hình tuân thủ quy định được thiết kế dành riêng cho microservices, với tên gọi là BPC4MSA. BPC4MSA sử dụng kỹ thuật tính toán mới trong lĩnh vực nghiên cứu tuân thủ quy trình nghiệp vụ.
#Điện toán đám mây #Hệ thống thông tin #Microservices #Quản lý quy trình nghiệp vụ #Tuân thủ quy trình nghiệp vụ
Khả năng xây dựng bản đồ lớp phủ mặt đất từ dữ liệu viễn thám Sentinel-2 theo phương pháp phân loại Random Forest trên nền tảng điện toán đám mây
Tạp chí Khoa học Đo đạc và Bản đồ - Số 52 - 2022
Đây là nghiên cứu nhu cầu thực tế trong lĩnh vực viễn thám để xây dựng cơ sở dữ liệu lớp phủ mặt đất phục vụ theo dõi sự biến động các đối tượng trên bề mặt Trái đất trong các ứng dụng đa lĩnh vực.
Trong giám sát tài nguyên môi trường nói chung, tài nguyên nước trong các lưu vực sông nói riêng, sự kết hợp giữa thông tin, dữ liệu viễn thám và mô hình tính toán tài nguyên nước trong lưu vực để xây dựng các kịch bản tài nguyên nước phục vụ trực tiếp cho việc giám sát, hỗ trợ quyết định cho thích ứng thiên tai cũng như quy hoạch phát triển kinh tế - xã hội phụ thuộc nhiều vào yếu tố lớp phủ. Lớp phủ là sự kết hợp của nhiều thành phần như thực phủ, thổ nhưỡng, đá gốc và mặt nước chịu sự tác động của các nhân tố tự nhiên như nắng, gió, mưa bão và ảnh hưởng trực tiếp đến dòng chảy trong lưu vực. Dòng chảy trong lưu vực sông bên cạnh chịu ảnh hưởng của lớp phủ, còn chịu ảnh hưởng của địa hình. Thực tế, tồn tại mối quan hệ giữa phân bố lớp phủ và bề mặt địa hình, với các đặc trưng về dáng địa hình, thổ nhưỡng và điều kiện khí hậu.
Để tận dụng tối đa tính hữu dụng dùng phương pháp phân loại dữ liệu viễn thám quang học trong xây dựng bản đồ lớp phủ mặt đất, bài báo giới thiệu phương pháp xây dựng cơ sở dữ liệu, bản đồ lớp phủ mặt đất từ dữ liệu viễn thám Sentinel-2 theo phương pháp phân loại random forest trên nền tảng điện toán đám mây Google Earth Engine. Thực nghiệm sử dụng dữ liệu Sentinel-2 thu nhận năm 2020 tại khu vực tỉnh Louangphabang, là một tỉnh đầu nguồn lưu vực sộng thuộc lãnh thổ của CHDCND Lào.
#Lớp phủ mặt đất #random forest #Sentinel-2
Thuật toán di truyền trong cung cấp tài nguyên cho dịch vụ ảo hóa từ nền tảng máy chủ chia sẻ đồng nhất
Tối ưu hóa tài nguyên để cung cấp cho dịch vụ ảo hóa đáp ứng yêu cầu khai thác tài nguyên hiệu quả trong Điện toán Đám mây là vấn đề đang được quan tâm hiện nay. Trong bài báo này, chúng tôi nghiên cứu bài toán cung cấp tài nguyên đa chiều từ nền tảng máy chủ chia sẻ đồng nhất cho dịch vụ ảo hóa, đưa ra công thức tính trên cơ sở bài toán quy hoạch tuyến tính nhằm tối thiểu hóa số máy chủ vật lý, áp dụng các thuật toán di truyền để giải và đánh giá thông qua mô phỏng trên nhiều kịch bản thử nghiệm. Tối ưu hóa tài nguyên để cung cấp cho dịch vụ ảo hóa đáp ứng yêu cầu khai thác tài nguyên hiệu quả trong Điện toán Đám mây là vấn đề đang được quan tâm hiện nay. được quan tâm hiện nay
#cung cấp tài nguyên #điện toán đám mây #máy ảo #thuật toán di truyền #quy hoạch tuyến tính
Tổng số: 61
- 1
- 2
- 3
- 4
- 5
- 6
- 7