Система поддержки принятия решения при проектировании эффективной конфигурации вычислительной сети для распределенного решения сложных задач
Автор: Тынченко С.В., Тынченко В.В.
Журнал: Сибирский аэрокосмический журнал @vestnik-sibsau
Рубрика: Математика, механика, информатика
Статья в выпуске: 3 (20), 2008 года.
Бесплатный доступ
Обсуждается проблема выбора эффективной конфигурации вычислительной сети для параллельного реше-ния слоэюнои задачи. Иредлоэюена автоматизированная система поддерэюки принятия решении при проектировании вычислительной сети на основе аппарата теории массового обслуживания и эволюционного подхода.
Короткий адрес: https://sciup.org/148175695
IDR: 148175695 | УДК: 004.272.3
Decision support system in design of efficient computer network configuration for complex problems distributed solving
The choice problem of distributed computer network efficient configuration for parallel solving of complex problems is discussed. There is suggested a computer-aided decision support system in design of computer network based on the queuing theory apparatus and evolutionary approach.
Текст научной статьи Система поддержки принятия решения при проектировании эффективной конфигурации вычислительной сети для распределенного решения сложных задач
X х ^ о ( i ) П Ф i е I t =1
' f 2( x (t))-f 2( x (t)) ct j = 1, t . _ _
3. В пространстве признаков f12 (x), j' = 1, T построить обобщенное решающее правило непараметрическо го типа
m(f ( Д: J x eQ 1 , еСЛИ f 2 ( x ) " ° 12 x е Q 2, если f 2 ( x ) > °, где уравнение разделяющей поверхности
^ (x )= 1 х
nk П Ct t=1
T х ! о ( i ) П Ф i е I t =1
k
f 2 ( x )- f 2 ( x )
ct
оценивается_по контрольной обучающей выборке (f22 (xi) ,j= 1, T, o(i), i е Ik ), полученной по резуль татам вычислительного эксперимента.
При введенных ранее условиях преимущество в вычислительной эффективности разработанной структуры над традиционной непараметрической может составлять
T раз и выше. Данное утверждение нетрудно проверить, _ _ ~ „ k - T приняв значение k > T + 2 и X > —2— ■
Таким образом, на основе анализа асимптотических свойств непараметрической оценки смеси плотностей вероятности обоснована возможность декомпозиции исходных статистических данных при синтезе непараметрических статистик в условиях больших выборок. Предложена методика построения многоуровневых непараметрических систем распознавания образов, характеризующихся высокой вычислительной эффективностью.
Перспективность данного направления исследований состоит в возможности построения целого ряда модификаций многоуровневых непараметрических систем классификации и использования технологии параллельных вычислений.
