خانه / آمار و روش تحقیق / دانلود تحقیق مقاله isi پیش بینی معیارهای عملکردی چندپردازنده ای با حافظه اشتراکی توزیع شده نوری با استفاده از رگرسیون بردارپشتیبان
دانلود تحقیق مقاله isi پیش بینی معیارهای عملکردی چندپردازنده ای با حافظه اشتراکی توزیع شده نوری با استفاده از رگرسیون بردارپشتیبان

دانلود تحقیق مقاله isi پیش بینی معیارهای عملکردی چندپردازنده ای با حافظه اشتراکی توزیع شده نوری با استفاده از رگرسیون بردارپشتیبان

عنوان فارسي مقاله :: دانلود تحقیق مقاله isi پیش بینی معیارهای عملکردی چندپردازنده ای با حافظه اشتراکی توزیع شده نوری با استفاده از رگرسیون بردارپشتیبان

عنوان انگليسي مقاله :: Predicting the performance measures of an optical distributed shared memory multiprocessor by using support vector regression

  • تعداد صفحه مقاله انگليسي ISI ::
  • تعداد صفحه مقاله فارسي ISI ::
  • کد مقاله ISI ::
9 صحفه PDF
22 صحفه WORD
25269

فهرست مطالب ترجمه فارسي مقاله isi ::

فهرست مطالب ترجمه فارسي مقاله isi ::

چکیده
کلمات کلیدی
۱- مقدمه
۲- مروری بر اتصال SOME-Bus
۳- رگرسیون بردار پشتیبان
۳-۱- SVR خطی
۳-۲- SVR غیرخطی
۴- روش پیش بینی عملکرد با استفاده از SVR
۴-۱- چارچوب شبیه سازی و ایجاد مجموعه داده
۴-۲- مدل SVR
۵- نتایج و بحث
۶- جمع بندی و نتیجه گیری

ترجمه چکيده مقاله ISI ::

ترجمه چکيده مقاله ISI ::

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.

دانلود تحقیق مقاله isi پیش بینی معیارهای عملکردی چندپردازنده ای با حافظه اشتراکی توزیع شده نوری با استفاده از رگرسیون بردارپشتیبان

پاسخ دهید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *