Прогнозирование загрузки ресурсов кластера при помощи нейросетевых моделей

Abstract

В 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.