Отрывок: Мы протестировали 2 варианта инициализации весов: равномерным распределением (Uniform) и по методу Xavier . В качестве алгоритма обновления весов были протестированы: алгоритм Nesterov Accelerated Gradient (Nesterovs), адаптивный градиентный спуск (Adagrad), метод адаптивного шага обучения (Adadelta), адаптивная оценка моментов (Adam). Были опробованы 2 алгоритма оптимизации: линейный градиентный спуск (LGD) и стохастический градиентный спуск (SGD). Эти опт...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Артамонов, Ю.С. | - |
dc.date.accessioned | 2017-05-25 13:45:32 | - |
dc.date.available | 2017-05-25 13:45:32 | - |
dc.date.issued | 2017 | - |
dc.identifier | Dspace\SGAU\20170522\64141 | ru |
dc.identifier.citation | Артамонов Ю.С. Прогнозирование загрузки ресурсов кластера при помощи нейросетевых моделей // Сборник трудов III международной конференции и молодежной школы «Информационные технологии и нанотехнологии» (ИТНТ-2017) - Самара: Новая техника, 2017. - С. 1734-1739. | ru |
dc.identifier.uri | http://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Prognozirovanie-zagruzki-resursov-klastera-pri-pomoshi-neirosetevyh-modelei-64141 | - |
dc.description.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. | ru |
dc.language.iso | rus | ru |
dc.publisher | Новая техника | ru |
dc.subject | загрузка ресурсов | ru |
dc.subject | кластер | ru |
dc.subject | прогнозирование | ru |
dc.subject | нейронная сеть | ru |
dc.subject | модель | ru |
dc.title | Прогнозирование загрузки ресурсов кластера при помощи нейросетевых моделей | ru |
dc.type | Article | ru |
dc.textpart | Мы протестировали 2 варианта инициализации весов: равномерным распределением (Uniform) и по методу Xavier . В качестве алгоритма обновления весов были протестированы: алгоритм Nesterov Accelerated Gradient (Nesterovs), адаптивный градиентный спуск (Adagrad), метод адаптивного шага обучения (Adadelta), адаптивная оценка моментов (Adam). Были опробованы 2 алгоритма оптимизации: линейный градиентный спуск (LGD) и стохастический градиентный спуск (SGD). Эти опт... | - |
Располагается в коллекциях: | Информационные технологии и нанотехнологии |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
paper 311_1734-1739.pdf | Основная статья. Раздел: Наука о данных | 825.8 kB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.