Отрывок: Мы протестировали 2 варианта инициализации весов: равномерным распределением (Uniform) и по методу Xavier . В качестве алгоритма обновления весов были протестированы: алгоритм Nesterov Accelerated Gradient (Nesterovs), адаптивный градиентный спуск (Adagrad), метод адаптивного шага обучения (Adadelta), адаптивная оценка моментов (Adam). Были опробованы 2 алгоритма оптимизации: линейный градиентный спуск (LGD) и стохастический градиентный спуск (SGD). Эти опт...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorАртамонов, Ю.С.-
dc.date.accessioned2017-05-25 13:45:32-
dc.date.available2017-05-25 13:45:32-
dc.date.issued2017-
dc.identifierDspace\SGAU\20170522\64141ru
dc.identifier.citationАртамонов Ю.С. Прогнозирование загрузки ресурсов кластера при помощи нейросетевых моделей // Сборник трудов III международной конференции и молодежной школы «Информационные технологии и нанотехнологии» (ИТНТ-2017) - Самара: Новая техника, 2017. - С. 1734-1739.ru
dc.identifier.urihttp://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Prognozirovanie-zagruzki-resursov-klastera-pri-pomoshi-neirosetevyh-modelei-64141-
dc.description.abstractВ настоящее время исследователю для проведения вычислений доступен широкий набор высокопроизводительных окружений. Выбрать окружение, в котором вычисления будут завершены как можно раньше, – довольно сложная задача. Для её решения требуется проанализировать загрузку ресурсов окружения, а также спрогнозировать их доступность в будущем. В работе решена задача прогнозирования загрузки ресурсов кластера с использованием нейросетевых моделей. Рассмотрен процесс настройки архитектуры сети на примере многослойного персептрона: выбор функций активации, алгоритмов инициализации и обновления весов нейронов. Обучение и тестирование проведено на наборе данных загрузки кластера «Сергей Королев» за период с ноября 2013 года по декабрь 2016 года.ru
dc.language.isorusru
dc.publisherНовая техникаru
dc.subjectзагрузка ресурсовru
dc.subjectкластерru
dc.subjectпрогнозированиеru
dc.subjectнейронная сетьru
dc.subjectмодельru
dc.titleПрогнозирование загрузки ресурсов кластера при помощи нейросетевых моделейru
dc.typeArticleru
dc.textpartМы протестировали 2 варианта инициализации весов: равномерным распределением (Uniform) и по методу Xavier . В качестве алгоритма обновления весов были протестированы: алгоритм Nesterov Accelerated Gradient (Nesterovs), адаптивный градиентный спуск (Adagrad), метод адаптивного шага обучения (Adadelta), адаптивная оценка моментов (Adam). Были опробованы 2 алгоритма оптимизации: линейный градиентный спуск (LGD) и стохастический градиентный спуск (SGD). Эти опт...-
Располагается в коллекциях: Информационные технологии и нанотехнологии

Файлы этого ресурса:
Файл Описание Размер Формат  
paper 311_1734-1739.pdfОсновная статья. Раздел: Наука о данных825.8 kBAdobe PDFПросмотреть/Открыть
Показать базовое описание ресурса Просмотр статистики
Поделиться:



Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.