MaLeFICE: دعم التعلم الآلي لتحسين الأداء المستمر في الهندسة الحسابية

العنوان MaLeFICE: دعم التعلم الآلي لتحسين الأداء المستمر في الهندسة الحسابية
المؤلف سونميزر، حسن بيرك، مهتار أوغلو، نيتل، آري، إسماعيل، غوكتشين، دنيز
تاريخ النشر: 2022-04-25
مكان النشر - وايلي
الموضوع جدولة الدفعات، التصنيف، السحابة، التجميع، DevOp، Docker، تحليل العناصر المحدودة، التعلم الآلي، المحاكاة الافتراضية
النوع دورية
اللغة الإنجليزية
رقمي نعم
مخطوط لا
المكتبة: جامعة اوزيجين
معرف أصل المكتبة 1532-0626
رقم السجل 05f37020-5ba4-4d5f-bedb-5b215870e47b
موقع المكتبة علوم الكمبيوتر
التاريخ 2022-04-25
نص عينة تحسنت ممارسات الهندسة بمساعدة الكمبيوتر (CAE) بشكل كبير خلال العقد الماضي بسبب سهولة الوصول إلى موارد الحوسبة والبرامج مفتوحة المصدر. ومع ذلك، فإن التعقيد المتزايد لإعدادات الأجهزة والبرامج وندرة الموظفين ذوي المهارات المتعددة جعل هذه الممارسة غير فعالة وغير مجدية مرة أخرى. في هذه المقالة، نقدم طريقة للتحسين المستمر للأداء في الهندسة الحسابية التي تجمع بين تحديد الأداء عبر الإنترنت والتعلم الآلي (ML). لاختبار جدوى هذه الطريقة، نقدم تحليلاً مفصلاً لتقدير وقت الحل لوظائف تحليل العناصر المحدودة (FEA) بناءً على نماذج متعددة الأبعاد. تجمع هذه النماذج بين العديد من ميزات المصفوفة (حجم المصفوفة، والكثافة، وعرض النطاق الترددي، وما إلى ذلك)، وميزات الحل (التكرار المباشر، والشروط المسبقة، والتسامح)، وميزات الأجهزة (العدد الأساسي، الظاهري - المادي). نكرر تحليلنا على أجهزة مختلفة بالإضافة إلى حاويات الإرساء لإثبات قابلية التطبيق على منصات مختلفة. بعد ذلك، نقوم بتدريب خوارزميات تعلم الآلة الخاضعة للإشراف وغير الخاضعة للإشراف على معايير FEA الواقعية شائعة الاستخدام ومقارنة دقة النماذج المختلفة. أخيرًا، قمنا بتصميم برنامجين جديدين لجدولة الدُفعات عبر الإنترنت يعتمدان على التعلم الآلي يُطلق عليهما أقصر وقت متوقع أولاً (SPTF) وأقصر وقت للمجموعة أولاً (SCTF)، وهما قابلان للمقارنة في الأداء مع برنامج جدولة المهمة الأمثل، ولكن دون اتصال بالإنترنت (SJF). لقد وجدنا أن ملفات التعريف والجدولة المستندة إلى التعلم الآلي يمكن أن تقلل متوسط ​​أوقات الاستجابة بمقدار 2x -5x مقارنة بالبدائل الأخرى.
DOI 10.1002/cpe.6674
Cilt 34
عرض في المصدر جامعة اوزيجين جامعة اوزيجين - محرك بحث المخطوطات العثمانية
جامعة اوزيجين - محرك بحث المخطوطات العثمانية جامعة اوزيجين

MaLeFICE: دعم التعلم الآلي لتحسين الأداء المستمر في الهندسة الحسابية

المؤلف سونميزر، حسن بيرك، مهتار أوغلو، نيتل، آري، إسماعيل، غوكتشين، دنيز
تاريخ النشر 2022-04-25
مكان النشر - وايلي
الموضوع جدولة الدفعات، التصنيف، السحابة، التجميع، DevOp، Docker، تحليل العناصر المحدودة، التعلم الآلي، المحاكاة الافتراضية
النوع دورية
اللغة الإنجليزية
رقمي نعم
مخطوط لا
المكتبة جامعة اوزيجين
معرف أصل المكتبة 1532-0626
رقم السجل 05f37020-5ba4-4d5f-bedb-5b215870e47b
موقع المكتبة علوم الكمبيوتر
التاريخ 2022-04-25
نص عينة تحسنت ممارسات الهندسة بمساعدة الكمبيوتر (CAE) بشكل كبير خلال العقد الماضي بسبب سهولة الوصول إلى موارد الحوسبة والبرامج مفتوحة المصدر. ومع ذلك، فإن التعقيد المتزايد لإعدادات الأجهزة والبرامج وندرة الموظفين ذوي المهارات المتعددة جعل هذه الممارسة غير فعالة وغير مجدية مرة أخرى. في هذه المقالة، نقدم طريقة للتحسين المستمر للأداء في الهندسة الحسابية التي تجمع بين تحديد الأداء عبر الإنترنت والتعلم الآلي (ML). لاختبار جدوى هذه الطريقة، نقدم تحليلاً مفصلاً لتقدير وقت الحل لوظائف تحليل العناصر المحدودة (FEA) بناءً على نماذج متعددة الأبعاد. تجمع هذه النماذج بين العديد من ميزات المصفوفة (حجم المصفوفة، والكثافة، وعرض النطاق الترددي، وما إلى ذلك)، وميزات الحل (التكرار المباشر، والشروط المسبقة، والتسامح)، وميزات الأجهزة (العدد الأساسي، الظاهري - المادي). نكرر تحليلنا على أجهزة مختلفة بالإضافة إلى حاويات الإرساء لإثبات قابلية التطبيق على منصات مختلفة. بعد ذلك، نقوم بتدريب خوارزميات تعلم الآلة الخاضعة للإشراف وغير الخاضعة للإشراف على معايير FEA الواقعية شائعة الاستخدام ومقارنة دقة النماذج المختلفة. أخيرًا، قمنا بتصميم برنامجين جديدين لجدولة الدُفعات عبر الإنترنت يعتمدان على التعلم الآلي يُطلق عليهما أقصر وقت متوقع أولاً (SPTF) وأقصر وقت للمجموعة أولاً (SCTF)، وهما قابلان للمقارنة في الأداء مع برنامج جدولة المهمة الأمثل، ولكن دون اتصال بالإنترنت (SJF). لقد وجدنا أن ملفات التعريف والجدولة المستندة إلى التعلم الآلي يمكن أن تقلل متوسط ​​أوقات الاستجابة بمقدار 2x -5x مقارنة بالبدائل الأخرى.
DOI 10.1002/cpe.6674
Cilt 34
جامعة اوزيجين - محرك بحث المخطوطات العثمانية
جامعة اوزيجين يتم إعادة توجيهك...

يرجى الانتظار