Geri Dön

Predicting performance measures of a multiprocessor architecture by using machine learning methods

Makine öğrenmesi metodları kullanılarak çoklu işlemci mimarisinin performans ölçümlerini tahmin etme

  1. Tez No: 327147
  2. Yazar: ELRASHEED İSMAİL MOHOMMOUD ZAYİD
  3. Danışmanlar: YRD. DOÇ. DR. MEHMET FATİH AKAY
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Çoklu işlemcili mimariler, mesaj geçişi, dağıtık ortak hafıza, yapay sinir ağları, destek vektör regresyonu, Multiprocessor architectures, message passing, distributedshared memory, artificial neural networks, support vector regression
  7. Yıl: 2012
  8. Dil: İngilizce
  9. Üniversite: Çukurova Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 104

Özet

Bu çalışmada, çoklu işlemciye sahip mesaj geçişi ve dağıtık ortak hafıza mimarilerinin başarım ölçütlerini tahmin eden makine öğrenmesi modelleri geliştirilmiştir. Mesaj geçişi ve dağıtık ortak hafıza mimarileri, ara bağlantı ağı olarak fiber-optik SOME-Bus'ı kullanmaktadırlar. Çalışmada kullanılan makine öğrenmesi modelleri Çoklu-Katmanlı İleri-Beslemeli Yapay Sinir Ağları (ÇKİBYSA), Destek Vektör Makineleri (DVM) ve Genelleştirilmiş Regresyon Sinir Ağları (GRSA)'dır. SOME-Bus çoklu işlemci ağının benzetimi ve ayrıca eğitim ve test veri kümelerinin elde edilmesi için OPNET Modeler kullanılmıştır. Tasarlanan benzetim modelleri, normal dağılım, yoğun bölge, mükemmel karışım ve bit dönüşümü trafikleri altında ortalama kanal iletim zamanının (T) ortalama iplik çalışma zamanına oranı (R) olan (T/R) ifadesinin değişik değerleri için koşturulmuştur. Sunucu-istemci ve asenkron trafik modelleri mesaj geçişi protokolünde kullanılmıştır. kullanılarak makine öğrenmesi tahmin modellerinin başarımı değişik sayıda çapraz doğrulama, standart tahmin hatası (STH), çoklu korelasyon katsayısı (ÇKK), ortalama mutlak hata (OMH), bağıl mutlak hata (BMH) ve kök bağıl karesel hata (KBKH) kullanılarak değerlendirilmiştir. Çalışmanın sonucunda Çoklu-Katmanlı İleri-Beslemeli Yapay Sinir Ağları ile tasarlanan model (düşük STH, OMH, BMH, KBKH ve yüksek ÇKK), GRSA tabanlı, DVM tabanlı ve Çoklu Doğrusal Regresyon (ÇDR) tabanlı modele göre mesaj geçişi ve dağıtık ortak hafıza mimarilerinin başarım ölçütlerini tahmin etmekte daha iyi sonuçlar üretmiştir.

Özet (Çeviri)

In this thesis, we develop machine learning models for predicting the performance measures of both a message passing and a distributed shared memory multiprocessor architecture interconnected by the Simultaneous Optical Multiprocessor Exchange Bus (SOME-Bus), which is a fiber-optic interconnection network. Machine learning models include multi-layer feed-forward artificial neural networks (MFANN?s), support vector regression (SVR) and generalized regression neural networks (GRNN). OPNET Modeler is used to simulate the SOME-Bus multiprocessor architecture and to create the training and testing datasets. The simulation has been run under different traffic patterns including uniform, hot-region, perfect shuffle and bit-reverse for varying values of the ratio of the average channel transfer time to the average thread run time (T/R). Client-server and asynchronous traffic models are considered for the message passing protocol. Using different number of cross validations, the performance of the machine learning prediction models are evaluated using standard error of estimate (SEE), multiple correlation coefficient (R), mean absolute error (MAE), relative absolute error (RAE) and root relative square error (RRSE). It is shown that MFANN models perform better (i.e., lower SEE, MAE, RAE, RRSE and higher R) than GRNN-based, SVR-based and multiple linear regression (MLR) based models for predicting the performance measures of a message passing and distributed shared memory multiprocessor architecture.

Benzer Tezler

  1. Modelling and control of production systems based on observed inter-event times: An analytical and empirical investigation

    Üretim sistemlerinin gözlemlenen olaylar arası sürelere dayalı modellenmesi ve kontrolü: Analitik ve ampirik bir araştırma

    NIMA MANAFZADEH DIZBIN

    Doktora

    İngilizce

    İngilizce

    2020

    İşletmeKoç Üniversitesi

    Operasyon ve Bilgi Sistemleri Bilim Dalı

    PROF. DR. BARIŞ TAN

  2. Kişilik özellikleri ile finansal performans arasındaki ilişkiler: A-tipi yatırım fonu yöneticileri üzerinde bir değerlendirme

    The relationship between personality traits and financial performance: An investigation on equity fund managers

    SELİN METİN CAMGÖZ

    Doktora

    Türkçe

    Türkçe

    2009

    İşletmeHacettepe Üniversitesi

    İşletme Bölümü

    PROF. DR. AZİZE ERGENELİ

  3. EVA (Economic Value Added) ve MVA (Market Value Added): İMKB'deki hisse senedi fiyatları üzerine ekonometrik bir analiz

    EVA (Economic Value Added) and MVA (Market Value Added): An empirical analysis of stock prices in Istanbul Stock Exchange

    YAKUP ERGİNCAN

    Doktora

    Türkçe

    Türkçe

    2001

    EkonomiMarmara Üniversitesi

    Bankacılık Ana Bilim Dalı

    DOÇ.DR. OSMAN GÜRBÜZ

  4. Finansal performans değerlendirme yöntemleri ve EVA

    Financial performance evaluation methods and EVA

    ŞÜKRAN SEZER

    Yüksek Lisans

    Türkçe

    Türkçe

    2000

    İşletmeİstanbul Teknik Üniversitesi

    DOÇ.DR. MEHMET BOLAK

  5. Tren gecikmelerinin tahmini ve dakiklik analizi için Markov zincirleri modeli

    A Markov chains model for train delay prediction and punctuality analysis

    MEHMET ŞİRİN ARTAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Mühendislik BilimleriYıldız Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. İSMAİL ŞAHİN