Yazar
Sönmezer, Hasan Berk, Muhtaroğlu, Nitel, Arı, İsmail, Gökçin, Deniz
Basım Tarihi
2022-04-25
Basım Yeri
-
Wiley
Konu
Toplu planlama, Sınıflandırma, Bulut, Kümeleme, DevOp, Docker, Sonlu elemanlar analizi, Makine öğrenimi, Sanallaştırma
Tür
Süreli Yayın
Dil
İngilizce
Dijital
Evet
Yazma
Hayır
Kütüphane
Özyeğin Üniversitesi
Demirbaş Numarası
1532-0626
Kayıt Numarası
05f37020-5ba4-4d5f-bedb-5b215870e47b
Lokasyon
Bilgisayar Bilimi
Tarih
2022-04-25
Örnek Metin
Bilgisayar destekli mühendislik (CAE) uygulamaları, bilgi işlem kaynaklarına ve açık kaynaklı yazılımlara erişimin kolaylığı nedeniyle son on yılda büyük ölçüde gelişti. Ancak donanım ve yazılım ayarlarının artan karmaşıklığı ve çok vasıflı personelin azlığı, uygulamayı yeniden verimsiz ve uygulanamaz hale getirdi. Bu makalede, hesaplamalı mühendislikte çevrimiçi performans profili oluşturmayı makine öğrenimi (ML) ile birleştiren, sürekli performans iyileştirmesi için bir yöntem sunuyoruz. Bu yöntemin uygulanabilirliğini test etmek için, çok boyutlu modellere dayalı olarak sonlu elemanlar analizi (FEA) işlerinin çözüm süresi tahmini için ayrıntılı bir analiz sunuyoruz. Bu modeller çok sayıda matris özelliğini (matris boyutu, yoğunluk, bant genişliği vb.), çözücü özelliklerini (doğrudan yinelemeli, ön koşullandırma, tolerans) ve donanım özelliklerini (çekirdek sayısı, sanal-fiziksel) birleştirir. Farklı platformlarda uygulanabilirliği göstermek için analizimizi farklı makineler ve liman konteynerleri üzerinde tekrarlıyoruz. Daha sonra, denetimli ve denetimsiz makine öğrenimi algoritmalarını yaygın olarak kullanılan gerçekçi FEA kıyaslamaları üzerinden eğitiyor ve farklı modellerin doğruluğunu karşılaştırıyoruz. Son olarak, performans açısından optimal ancak çevrimdışı en kısa ilk iş (SJF) zamanlayıcıyla karşılaştırılabilir olan, önce en kısa öngörülen süre (SPTF) ve en kısa küme süresi (SCTF) adı verilen iki yeni ML tabanlı çevrimiçi toplu planlayıcı tasarlıyoruz. ML tabanlı profil oluşturma ve planlamanın, ortalama geri dönüş sürelerini diğer alternatiflere göre 2 kat –5 kat azaltabildiğini bulduk.
DOI
10.1002/cpe.6674
Cilt
34
