|
ИСТИНА |
Войти в систему Регистрация |
ИСТИНА ИНХС РАН |
||
Exploring Hierarchical Forecasting of Data Popularity in High-Energy Physics Experimentsстатья
Статья опубликована в журнале из списка RSCI Web of Science
Статья опубликована в журнале из перечня ВАКСтатья опубликована в журнале из списка Web of Science и/или Scopus
- Авторы: Grigorieva M.A., Popova N.N., Vartanov D.A., Shubin M.V.
- Журнал: Lobachevskii Journal of Mathematics
- Том: 44
- Номер: 8
- Год издания: 2023
- Издательство: Kazanskii Gosudarstvennyi Universitet/Kazan State University
- Местоположение издательства: Russian Federation
- Первая страница: 3111
- Последняя страница: 3120
- DOI: 10.1134/S1995080223080206
- Аннотация: В физике высоких энергий современные крупномасштабные распределенные вычислительные средыотвечают за обработку и анализ огромных объемов данных. Недавно объем хранилища общих данных ЦЕРН достиг впечатляющего 1 экзабайта. Это событие создало новые проблемы для системы управления рабочей нагрузкой, которая должна гарантировать, что ресурсы сбалансированы и данныеравномерно распределяется по сотням вычислительных центров в среде, позволяющей экономить ресурсы хранения. Для достижения этой цели спрос на данные должен учитывать популярность данных. В статье исследуются два подхода к прогнозированию популярности данных: регрессионные модели (LSTM, Facebook Prophet)для прогнозного анализа популярности групп наборов данных и моделей классификации (LSTM,FCN, MLP, логистическая регрессия, AdaBoost, CATBoost, XGBoost) за прогнозирование популярности
- Добавил в систему: Попова Нина Николаевна