MaLeFICE: پشتیبانی از یادگیری ماشین برای بهبود عملکرد مداوم در مهندسی محاسبات
| عنوان | MaLeFICE: پشتیبانی از یادگیری ماشین برای بهبود عملکرد مداوم در مهندسی محاسبات |
|---|---|
| نویسنده | Sönmezer، Hasan Berk، Muhtaroğlu، Nitel، Arı، İsmail، Gökçin، Deniz |
| تاریخ انتشار: | 2022-04-25 |
| محل انتشار | - وایلی |
| موضوع | زمانبندی دستهای، طبقهبندی، ابر، خوشهبندی، DevOp، Docker، تحلیل اجزای محدود، یادگیری ماشین، مجازیسازی |
| نوع | دوره ای |
| زبان | انگلیسی |
| دیجیتال | بله |
| نسخه خطی | خیر |
| کتابخانه: | دانشگاه اوزیغین |
| شناسه دارایی کتابخانه | 1532-0626 |
| شماره ثبت | 05f37020-5ba4-4d5f-bedb-5b215870e47b |
| محل کتابخانه | علوم کامپیوتر |
| تاریخ | 2022-04-25 |
| متن نمونه | روشهای مهندسی به کمک کامپیوتر (CAE) به دلیل سهولت دسترسی به منابع محاسباتی و نرمافزار منبع باز، در دهه گذشته به شدت بهبود یافته است. با این حال، افزایش پیچیدگی تنظیمات سخت افزاری و نرم افزاری و کمبود پرسنل چند ماهه، این تمرین را دوباره ناکارآمد و غیر قابل اجرا کرد. در این مقاله، روشی را برای بهبود عملکرد مستمر در مهندسی محاسبات ارائه میکنیم که پروفایل عملکرد آنلاین را با یادگیری ماشین (ML) ترکیب میکند. برای آزمایش دوام این روش، ما یک تحلیل دقیق برای تخمین زمان حل کارهای تحلیل اجزا محدود (FEA) بر اساس مدلهای چند بعدی ارائه میکنیم. این مدلها ویژگیهای ماتریس متعددی (اندازه ماتریس، چگالی، پهنای باند، و غیره)، ویژگیهای حلکننده (تکرار مستقیم، پیششرطی، تحمل)، و ویژگیهای سختافزاری (تعداد هسته، مجازی-فیزیکی) را ترکیب میکنند. ما تجزیه و تحلیل خود را بر روی ماشینهای مختلف و همچنین کانتینرهای docker تکرار میکنیم تا قابلیت کاربرد را در پلتفرمهای مختلف نشان دهیم. در مرحله بعد، الگوریتمهای ML نظارتشده و بدون نظارت را روی معیارهای متداول و واقعی FEA آموزش میدهیم و دقت مدلهای مختلف را مقایسه میکنیم. در نهایت، ما دو زمانبندی دستهای آنلاین مبتنی بر ML به نامهای اول کوتاهترین زمان پیشبینیشده (SPTF) و ابتدا کوتاهترین زمان خوشه (SCTF) طراحی میکنیم که از نظر عملکرد با زمانبندی بهینه، اما آفلاین کوتاهترین کار اول (SJF) قابل مقایسه هستند. ما دریافتیم که پروفایلسازی و زمانبندی مبتنی بر ML میتواند میانگین زمانهای چرخش را 2x-5 برابر نسبت به سایر گزینهها کاهش دهد. |
| DOI | 10.1002/cpe.6674 |
| Cilt | 34 |
