Разработка модели мониторинга кластерных суперкомпьютеров

Введение

Сегодня суперкомпьютерные технологии решают задачи не только научно-технической деятельности, но и используются во всех областях деятельности человека. Эти технологии развиваются стремительно и имеют большой потенциал.Нынешний рост вычислительной техники и методов математического моделирования дает возможность для перехода промышленной и научно-исследовательской деятельности на более высокий уровень развития. Моделирование сложных конструкций, математическое описание и воспроизведение природных процессов, многопараметрическая оптимизация – все это реально уже сегодня.В промышленности – это повышение конкурентоспособности предприятий на мировом рынке, в науке – это повышение точности и скорости в решении тех задач, которые решались приближённо. Например, в нефтегазовой индустрии это позволит достичь увеличения точности физико-математических расчетов при моделировании геофизических процессов для решения задач разведки и добычи полезных ископаемых и т.д. Применение суперкомпьютерных технологий позволяет добиться лучших результатов в решении фундаментальных задач химии, физики, генетики, прогноза погоды и глобального изменения [1].Современные суперкомпьютеры состоят из множества независимых друг от друга элементов, которые объединены в единую систему и могут иметь достаточно сложную архитектуру, и каждая задача, обрабатываемая на кластере, имеет свои внутренние механизмы параллелизма. Основной задачей телекоммуникационной инфраструктуры кластерного суперкомпьютера, который располагается в конкретном центре обработки данных или объединяет территориально-распределенные ресурсы, является обеспечение прозрачной среды для взаимодействия всех вычислительных элементов, включенных в суперкомпьютер.

Пример части работы:

Обсуждение результатов исследования методов классификации состояния сети для кластерных суперкомпьютеров.Модифицируемый алгоритм стекинга позволяет использовать меньшее число объектов обучающей выборки, что приводит к поэтапному уменьшению признакового пространства для мета-классификатора с меньшей степенью корреляции.В работе проведена оценка эффективности предложенного алгоритма, проведено сравнение с работой базовых классификаторов и классического стекинга. Для сравнительного анализа использовались данные из чемпионата по машинному обучению KDD 1999 и данные полученные при мониторинге вычислительной сети кластерного суперкомпьютера, параметры которого представленные в приложении А.В таблице 5 представлены классы атак на сеть, находящиеся в обучающей и тестовой выборке KDD 1999.

Присоединяйся

Зарегестрируйся с помощью социальных сетей.

Публикуй

Опиши работу, прикрепи файлы и назначь цену.

Зарабатывай

Получай пассивный доход с продажи работ.

Тебе понадобится 5 минут для публикации работы на сайте.
Купить

1200,00 

(без учета комиссии 3,8 %)

Diploma.docx
829135
Оцени работу

рейтинг

Поделись работой с друзьями

Мы не грузим циферки, чтоб ты увидел контент как можно быстрее;

Комментарии (0)

AngelaLondon

/ /

Оставить комментарий

Ты не можешь комментировать

Только зарегестрированые пользователи имеют возможность комментировать работы
Разработка модели мониторинга кластерных суперкомпьютеров
Целью работы является разработка модели мониторинга кластерных суперкомпьютеров, которая позволит на основе параметров работы отдельных компонентов системы оценить состояние функционирования вычислительного кластера в целом. Для достижения поставленной цели были сформированы следующие задачи: – рассмотреть особенности архитектуры суперкомпьютеров и выделить базовые компоненты систем; – определить множество параметров для оценки каждого элемента системы; разработать и реализовать метод классификации состояния системы с использованием стекинг алгоритмов машинного обучения для обнаружения аномалий функционирования вычислительного кластера на основе модели мониторинга кластерных суперкомпьютеров.
Категория: Образование
Стоимость: 1200,00