کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
383825 660834 2010 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Predicting the performance measures of an optical distributed shared memory multiprocessor by using support vector regression
ترجمه فارسی عنوان
پیش بینی معیارهای عملکردی چندپردازنده ای با حافظه اشتراکی توزیع شده نوری با استفاده از رگرسیون بردارپشتیبان
کلمات کلیدی
رگرسیون بردار پشتیبانی - چند پردازنده ها - حافظه داخلی توزیع شده - شبکه های میان ارتباطی
فهرست مطالب مقاله
چکیده
کلمات کلیدی
1- مقدمه
2- مروری بر اتصال SOME-Bus
3- رگرسیون بردار پشتیبان
3-1- SVR خطی
3-2- SVR غیرخطی
4- روش پیش بینی عملکرد با استفاده از SVR
4-1- چارچوب شبیه سازی و ایجاد مجموعه داده
4-2- مدل SVR
5- نتایج و بحث
6- جمع بندی و نتیجه گیری
ترجمه چکیده
پیشرفت های اخیر در توسعه فناوری های نوری، به ظهور احتمالی اتصال های نوری در داخل چندپردازنده های با حافظه اشتراکی توزیع شده (DSM) رهنمون شده است. عملکرد این معماری های DSM باید تحت مقادیر مختلف پارامترهای DSM مورد ارزیابی قرار گیرد. در این مقاله، ما به ارائه مدل رگرسیون برداری پشتیبان (SVR) برای پیش بینی معیارهای عملکرد (یعنی تأخیر میانگین شبکه، زمان انتظار کانال میانگین و میانگین بکارگیری پردازنده) برای معماری چندپردازنده ای DSM که با گذرگاه های تبادل چندپردازنده ای نوری همزمان (SOME) به هم متصل شده اند، خواهیم پرداخت. این گذرگاه ، دارای پهنای باند بالا و شبکه ارتباطی فیبر نوری است. ایده اصلی، جمع اوری تعداد کمی نقاط داده ای با استفاده از شبیه سازی آماری و پیش بینی معیارهای عملکرد سیستم برای مجموعه بزرگی از پارامترهای ورودی بر پایه ی این داده هاست. ازOPNET Modeler برای شبیه سازی معماری چندپردازنده ای برمبنای DSM و با گذرگاه SOME و همچنین ایجاد مجموعه داده-های آموزش و آزمایش برای آن استفاده می گردد. خطای پیش بینی و ضرایب مربوط به مدل SVR با مدل های رگرسیون خطی چندگانه (MLR) و شبکه عصبی مصنوعی (ANN) پیش خوراند مقایسه می گردد. نتایج نشان می دهند که مدل SVR-RBF دارای کمترین خطای پیش بینی بوده و از همه قدرتمندتر است. چنین جمع بندی می شود که مدلSVR زمان لازم برای بدست آوردن معیارهای عملکردی چندپردازنده DSM را اندکی کاهش داده و می تواند به عنوان ابزاری مؤثر در این راستا به کارگرفته شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
پیش بینی معیارهای عملکردی چندپردازنده ای با حافظه اشتراکی توزیع شده نوری با استفاده از رگرسیون بردارپشتیبان
چکیده انگلیسی
Recent advances in the development of optical technologies suggest the possible emergence of optical interconnects within distributed shared memory (DSM) multiprocessors. The performance of these DSM architectures must be evaluated under varying values of DSM parameters. In this paper, we develop a Support Vector Regression (SVR) model for predicting the performance measures (i.e. average network latency, average channel waiting time and average processor utilization) of a DSM multiprocessor architecture interconnected by the Simultaneous Optical Multiprocessor Exchange Bus (SOME-Bus), which is a high-bandwidth, fiber-optic interconnection network. The basic idea is to collect a small number of data points by using a statistical simulation and predict the performance measures of the system for a large set of input parameters based on these. OPNET Modeler is used to simulate the DSM-based SOME-Bus multiprocessor architecture and to create the training and testing datasets. The prediction error and correlation coefficient of the SVR model is compared to that of Multiple Linear Regression (MLR) and feedforward Artificial Neural Network (ANN) models. Results show that the SVR-RBF model has the lowest prediction error and is more robust. It is concluded that SVR model shortens the time quite a bit for obtaining the performance measures of a DSM multiprocessor and can be used as an effective tool for this purpose.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 37, Issue 9, September 2010, Pages 6293–6301
نویسندگان
, ,