Исследование методов машинного обучения без учителя для анализа задач в больших вычислительных сетях
Целью магистерской диссертации является обоснование выбора метода кластеризации данных для поиска закономерностей и аномалий на основе проведенного сравнительного анализа методов кластеризации исходных данных. Найденные закономерности и аномалии могут повлиять на время выполнения задач на вычислительных узлах распределенной системы Большого Адронного Коллайдера (ЦЕРН). Метод кластеризации данных для поиска закономерностей и аномалий позволит предсказывать длительность обработки цепочек заданий в больших вычислительных сетях.
Введение …………………………………………………………………………………………………………. 14
Глава 1 Аналитический обзор предметной области ………………………………………….. 16
1.1 Особенности распределенных вычислений в WLCG ……………………………… 16
1.2 Предсказание длительности выполнения задач по данным с БАК …………. 18
1.3 Обзор подходов к кластерному анализу в научной литературе ………………. 19
1.4 Классификация методов кластеризации. ……………………………………………….. 22
1.5 Методы кластеризации ………………………………………………………………………… 25
1.5.1 Метод k-средних ………………………………………………………………………… 25
1.5.2 Алгоритмы иерархической кластеризации ………………………………….. 27
1.5.3 Метод кластеризации на основе плотности DBSCAN ………………….. 28
1.6 Очистка данных ……………………………………………………………………………………. 29
1.7 Снижение размерности. ………………………………………………………………………… 32
1.7.1 Метод главных компонент (PCA) ……………………………………………….. 33
1.7.2 Стохастическое вложение соседей с t-распределением (T-SNE)…… 35
Глава 2. Применение подходов кластерного анализа к предметной области ……… 36
3.1 Описание входных данных …………………………………………………………………… 36
3.2 Подготовка данных ………………………………………………………………………………. 39
3.3 Снижение размерности признакового пространства………………………………. 44
Глава 3. Результаты исследования……………………………………………………………………. 47
3.1 K-means………………………………………………………………………………………………… 47
3.2 Иерархическая кластеризация ………………………………………………………………. 48
3.3 DBSCAN ………………………………………………………………………………………………. 51
Заключение……………………………………………………………………………………………………… 54
Глава 4. Финансовый менеджмент, ресурсоэффективность и ресурсосбережение
……………………………………………………………………………………………………………………….. 56
4.1.1Технология QuaD ………………………………………………………………………… 57
5.1.2 Оценка готовности проекта к коммерциализации ………………………… 58
1.2 Инициация проекта ………………………………………………………………………………. 59
5.2.1 Цели и результаты проекта …………………………………………………………. 59
5.2.2 Организация и планирование работы ………………………………………….. 61
5.3 Планирование управления научно-техническим исследованием ……………. 62
5.3.1 План исследования ……………………………………………………………………… 62
5.3.2 Определение трудоемкости выполнения работ ……………………………. 63
5.3.3 Разработка графика проведения НТИ ………………………………………….. 64
5.4 Бюджет НТИ ………………………………………………………………………………………… 65
5.4.1 Амортизационные отчисления ……………………………………………………. 66
5.4.2 Основная заработная плата исполнителей …………………………………… 66
5.4.3 Дополнительная заработная плата исполнителей ………………………… 68
5.4.4 Отчисления во внебюджетные фонды (страховые отчисления) ……. 68
5.4.5 Накладные расходы ……………………………………………………………………. 69
5.4.6 Формирование бюджета затрат НТИ …………………………………………… 69
5.5 Риски проекта ………………………………………………………………………………………. 71
5.6 Определение интегрального показателя ресурсоэффективности ……………. 71
Глава 5. Социальная ответственность ………………………………………………………………. 74
5.1 Правовые и организационные вопросы обеспечения безопасности………… 75
5.1.1 Организационные мероприятия при компоновке рабочей зоны …… 75
5.1.2 Особенности законодательного регулирования проектных решений
………………………………………………………………………………………………………………… 76
5.2 Профессиональная социальная ответственность …………………………………… 77
5.2.1 Повышенный уровень электромагнитных излучений ………………….. 78
5.2.2 Отклонение показателей микроклимата ………………………………………. 79
5.2.3 Недостаточная освещённость рабочей зоны ………………………………… 82
5.2.4 Повышенный уровень шума на рабочем месте ……………………………. 84
5.2.5 Электробезопасность ………………………………………………………………….. 85
5.3 Экологическая безопасность …………………………………………………………………. 87
5.3.1 Загрязнение атмосферного воздуха …………………………………………….. 87
5.3.2 Отходы ………………………………………………………………………………………. 88
5.4 Безопасность в чрезвычайных ситуациях ……………………………………………… 88
5.4.1 Пожарная профилактика …………………………………………………………….. 88
5.4.2 Оценка пожарной безопасности помещения………………………………… 88
5.4.3 Анализ возможных причин загорания …………………………………………. 90
5.4.4 Мероприятия по устранению и предупреждению пожаров ………….. 90
Список используемых источников …………………………………………………………………… 92
Список публикаций и основных научных достижений …………………………………….. 97
Приложение А…………………………………………………………………………………………………. 98
1 Subject area overview ……………………………………………………………………………….. 99
2 System design …………………………………………………………………………………………. 102
2.1 Cluster analysis …………………………………………………………………………….. 102
2.2 Classification of clustering methods ………………………………………………… 103
2.3 Clustering Methods ……………………………………………………………………….. 104
2.4 Data cleaning ………………………………………………………………………………… 105
Приложение Б ……………………………………………………………………………………………….. 108
В современном мире одним из наиболее актуальных видов физических
исследований являются эксперименты по физике высоких энергий, вносящие
неоспоримый вклад в фундаментальную науку. В результате таких исследований
образуются огромное число данных, которые фиксируются детекторами
ускорителя заряженных частиц. Обработка такого объема данных требует
больших вычислительных мощностей, поэтому и создаются распределенные
системы обработки данных, в которые входят большое количество
суперкомпьютеров. Однако использование такого оборудования обходится
дорого, поэтому необходима организация рационального планирования обработки
данных, во избежание простоя оборудования и неравномерного распределения
задач по обработки, среди суперкомпьютеров системы обработки данных.
Очевидно, что определение времени обработки данных являются ключевой
задачей для организации системы планирования. Решением такой задачи является
система, способная предсказывать время обработки данных.
Данное исследование является частью работы по предсказыванию
длительности выполнения заданий в большой вычислительной сети Большого
Адронного Коллайдера. Было высказано предположение, что есть
закономерности, которые влияют на выполнение задач и время их окончания.
Предполагается, что предварительный кластерный анализ этих задач поможет
предсказывать длительность обработки точнее.
Цель данной работы – поиск закономерностей, влияющих на предсказание
длительности выполнения задач в цепочках с помощью предварительной
кластеризации.
Из этой цели вытекают следующие задачи:
1. Исследование методов кластеризации многомерных данных без
учителя.
2. Реализация алгоритмов снижения размерности и кластеризации
3. Сравнение и выбор наиболее оптимального метода для данного
набора данных
Данная работа является актуальной, потому что ученым важно знать, будет
ли задача выполнена завтра или через год, чтобы планировать эксперименты.
Часто задача состоит из более чем 1000 заданий и если какие-то события
вызывают ошибки, то одно необработанное задание приводит к тому, что вся
задача считается необработанным.
Важно уметь предсказывать данные аномалии и устранять ошибки. Одним
из этапов данной работы является кластеризация заданий.
Научная Новизна исследования заключается в том, что применение
алгоритмов кластеризации к журналам WLCG ранее не делалось. Были попытки
применить алгоритмы машинного обучения, но с учителем, а в данном случае
необходимо предсказывать тип, к которому может относиться задание заранее.
Хочешь уникальную работу?
Больше 3 000 экспертов уже готовы начать работу над твоим проектом!
4.2 (6 отзывов)
5 (22 отзыва)
4.8 (2878 отзывов)
4.2 (5 отзывов)
4.9 (37 отзывов)
4.2 (25 отзывов)
5 (174 отзыва)
4.8 (37 отзывов)
4.8 (17 отзывов)
