Отрывок: В таком режиме на основании входных параметров нейронная сеть должна выдать значение на выходе, аппроксимируя неизвестную функциональную зависимость выходных данных от входных. 60 Нейросетевые модели были использованы в работах [36] и [69] для прогнозирования загрузки различных по своей природе ресурсов: CPU серверов и электрических сетей. В обеих задачах нейросетевые модели показали хорошие результаты и были признаны эффективными и адекватными задач...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Артамонов Ю. С. | ru |
dc.contributor.author | Министерство образования и науки Российской Федерации | ru |
dc.contributor.author | Самарский национальный исследовательский университет им. С. П. Королева | ru |
dc.coverage.spatial | вычислительные ресурсы | ru |
dc.coverage.spatial | кластерная система Сергей Королев | ru |
dc.coverage.spatial | комплексы программ | ru |
dc.coverage.spatial | нейросетевые модели | ru |
dc.creator | Артамонов Ю. С. | ru |
dc.date.issued | 2017 | ru |
dc.identifier | RU\НТБ СГАУ\403589 | ru |
dc.identifier.citation | Артамонов, Ю. С. Мониторинг и прогнозирование загрузки кластерной системы на основе адаптивной смеси моделей [Электронный ресурс] : дис. ... канд. техн. наук : 05.13.18 / Артамонов Юрий Сергеевич ; М-во образования и науки Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева. - Самара, 2017. - on-line | ru |
dc.format.extent | Электрон. дан. (1 файл : 4,00 Мб) | ru |
dc.title | Мониторинг и прогнозирование загрузки кластерной системы на основе адаптивной смеси моделей | ru |
dc.type | Text | ru |
dc.subject.rugasnti | 50.01 | ru |
dc.subject.udc | 004.93(043.3) | ru |
dc.subject.udc | Дис | ru |
dc.textpart | В таком режиме на основании входных параметров нейронная сеть должна выдать значение на выходе, аппроксимируя неизвестную функциональную зависимость выходных данных от входных. 60 Нейросетевые модели были использованы в работах [36] и [69] для прогнозирования загрузки различных по своей природе ресурсов: CPU серверов и электрических сетей. В обеих задачах нейросетевые модели показали хорошие результаты и были признаны эффективными и адекватными задач... | - |
Располагается в коллекциях: | Диссертации (Закрыто) |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
Артамонов Ю.С. Мониторинг и прогнозирование 2017.pdf | 4.08 MB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.