Some content of this application is unavailable at the moment.
If this situation persist, please contact us atFeedback&Contact
1. (WO2019067167) ARTIFICIAL INTELLIGENCE DRIVEN CONFIGURATION MANAGEMENT
Latest bibliographic data on file with the International Bureau    Submit observation

Pub. No.: WO/2019/067167 International Application No.: PCT/US2018/049315
Publication Date: 04.04.2019 International Filing Date: 04.09.2018
IPC:
G06F 8/71 (2018.01) ,G06F 8/60 (2018.01)
[IPC code unknown for G06F 8/71][IPC code unknown for G06F 8/60]
Applicants:
ORACLE INTERNATIONAL CORPORATION [US/US]; 500 Oracle Parkway, M/S 5OP7 Redwood Shores, California 94065, US
Inventors:
GARVEY, Dustin; US
GANESH, Amit; US
SHAFT, Uri; US
RAVURI, Prasad; US
YANG, Long; US
SALUNKE, Sampanna Shahaji; US
GOPALAKRISHNAN, Sumathi; US
FRAZIER, Timothy Mark; US
KRISHNAN, Shriram; US
Agent:
SHAH, Varun A.; US
CASWELL, Deborah; US
YAU, Daisy; US
WHITLOCK, Brent; US
BRANDT, Michael; US
Priority Data:
16/042,97123.07.2018US
62/566,23529.09.2017US
Title (EN) ARTIFICIAL INTELLIGENCE DRIVEN CONFIGURATION MANAGEMENT
(FR) GESTION DE CONFIGURATION PILOTÉE PAR INTELLIGENCE ARTIFICIELLE
Abstract:
(EN) Techniques for artificial intelligence driven configuration management are described herein. In some embodiments, a machine-learning process determines a feature set for a plurality of deployments of a software resource. Based on varying values in the feature set, the process clusters each of the plurality of deployments into a cluster of a plurality of clusters. Each cluster of the plurality of clusters comprises one or more nodes and each node of the one or more nodes corresponds to at least a subset of values of the feature set that are detected in at least one deployment of the plurality of deployments of the software resource. The process determines a representative node for each cluster of the plurality of clusters. An operation may be performed based on the representative node for at least one cluster.
(FR) L'invention concerne des techniques de gestion de configuration pilotée par intelligence artificielle. Dans certains modes de réalisation, un processus d'apprentissage automatique détermine un ensemble de caractéristiques pour une pluralité de déploiements d'une ressource logicielle. Sur la base de valeurs variables dans l'ensemble de caractéristiques, le processus regroupe chaque déploiement de la pluralité de déploiements en un groupe d'une pluralité de groupes. Chaque groupe de la pluralité de groupes comprend un ou plusieurs nœuds et chaque nœud parmi le ou les nœuds correspond à au moins un sous-ensemble de valeurs de l'ensemble de caractéristiques qui sont détectées dans au moins un déploiement de la pluralité de déploiements de la ressource logicielle. Le processus détermine un nœud représentatif pour chaque groupe de la pluralité de groupes. Une opération peut être effectuée en fonction du nœud représentatif pour au moins un groupe.
front page image
Designated States: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JO, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
African Regional Intellectual Property Organization (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Eurasian Patent Office (AM, AZ, BY, KG, KZ, RU, TJ, TM)
European Patent Office (EPO) (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
African Intellectual Property Organization (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Publication Language: English (EN)
Filing Language: English (EN)