Отрывок: Для тестирования модели используются точки решения при 𝑡 ∈ [618, 1117], показанные на рисунке 9. Рисунок 9 – Тестовые данные для проверки модели Типичная картина, получаемая при прогнозе на одну точку вперед, показана на рисунке 10. Красным цветом окрашен график эталонных значений, желтым – график прогнозных значений, полученных сетью. На рисунке видно достаточно точное соответствие прогнозных значений реальным. Рисунок 10 –...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Шепелев Ю. М. | ru |
dc.contributor.author | Солдатова О. П. | ru |
dc.contributor.author | Козлова О. С. | ru |
dc.contributor.author | Министерство образования и науки Российской Федерации | ru |
dc.contributor.author | Самарский национальный исследовательский университет им. С. П. Королева (Самарский университет) | ru |
dc.coverage.spatial | база правил | ru |
dc.coverage.spatial | суперкомпьютеры | ru |
dc.coverage.spatial | алгоритм минимизации базы правил | ru |
dc.coverage.spatial | алгоритм обратного распространения ошибки | ru |
dc.coverage.spatial | алгоритм наискорейшего спуска | ru |
dc.coverage.spatial | автоматизированные системы | ru |
dc.coverage.spatial | нечеткая логика | ru |
dc.coverage.spatial | нейронные сети | ru |
dc.coverage.spatial | метод роя частиц | ru |
dc.coverage.spatial | модель Такаги-Сугено-Канга | ru |
dc.creator | Шепелев Ю. М. | ru |
dc.date.issued | 2017 | ru |
dc.identifier | RU\НТБ СГАУ\ВКР20170707161633 | ru |
dc.identifier.citation | Шепелев, Ю. М. Автоматизированная система прогнозирования загруженности суперкомпьютера «Сергей Королев» при помощи нечеткой нейронной сети Такаги-Сугено-Канга : вып. квалификац. работа по спец. "Информатика и вычислительная техника" / Ю. М. Шепелев ; рук. работы О. П. Солдатова; рец. О. С. Козлова ; М-во образования и науки Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Фак-т информатики, Каф. информ. си. - Самара, 2017. - on-line | ru |
dc.description.abstract | Задача прогнозирования загруженности аппаратных средств является актуальной в настоящее время. Ее решение позволяет эффективно распределить ресурсы. Цель данной выпускной квалификационной работы магистра состоит в применении нечеткой нейронной сети Такаги | ru |
dc.format.extent | Электрон. дан. (1 файл : 3,6 Мб) | ru |
dc.title | Автоматизированная система прогнозирования загруженности суперкомпьютера «Сергей Королев» при помощи нечеткой нейронной сети Такаги-Сугено-Канга | ru |
dc.type | Text | ru |
dc.subject.rugasnti | 50.01 | ru |
dc.subject.udc | 004.032.26 | ru |
dc.textpart | Для тестирования модели используются точки решения при 𝑡 ∈ [618, 1117], показанные на рисунке 9. Рисунок 9 – Тестовые данные для проверки модели Типичная картина, получаемая при прогнозе на одну точку вперед, показана на рисунке 10. Красным цветом окрашен график эталонных значений, желтым – график прогнозных значений, полученных сетью. На рисунке видно достаточно точное соответствие прогнозных значений реальным. Рисунок 10 –... | - |
Располагается в коллекциях: | Выпускные квалификационные работы |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
Шепелев_Юрий_Михайлович_Автоматизированная_система_прогнозирования_загруженности.pdf | 3.67 MB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.