Performans artırmaya yönelik paralel mimarilerin yapay sinir ağları yaklaşımı ile değerlendirilmesi

ÖZETGelişen teknolojiler ve paralel sistemlerin yaygınlaşması sayesinde performans analizi giderekartan bir gereklilik haline gelirken geleneksel yöntemler arasında oluşan boşluğu dolduracak,evrensel ve kullanımı daha kolay olan modellere ihtiyaç da artmaktadır. Bu tezin amacıözellikle haberleşme ağları üzerinde paralel çalışan kümelenmiş bilgisayarlar için yapay sinirağlarını kullanarak bir performans tahmin ve analiz yöntemi geliştirmektir.Performans tahmini alanında istatistiksel yöntemler şimdiye kadar yaygın olarak kullanılmışolmasına rağmen, yapay sinir ağlarının bu amaçla kullanımı ilk kez bu çalışmada önerilmiştir.Elde edilen sonuçlar yapay sinir ağlarının ve özellikle geri dönüşümlü ağların bu alanda başarıile kullanılabileceği yönündedir.Yapay sinir ağı modelleri, gerçek kullanıcı kodlarının kullanılmasına ve sunulan modelleringirdilerini oluşturan donanım ve yazılım parametreleri arasındaki etkileşimleri izlemeyeolanak verdiği için, karşılaştırmalı değerlendirmelerden daha sağlıklı ve detaylı sonuçlarvermektedir. Modeller, gerçeklenmelerinin kolaylığı ve modellerin oluşturulması sırasındabirtakım varsayımlara ihtiyaç bırakmaması açısından, simülasyon ve analitik yöntemlere dealternatif oluşturmaktadır.Oluşturulan yapay sinir ağı (YSA) modelleri, farklı platformlar üzerinde çalıştırılan paralelprogramların aritmetik işlem ve haberleşme performanslarını tahmin etmek için kullanılmıştır.Kullanılan modellerden ilki tek gizli katmanlı, ileri beslemeli, geri yayılımlı YSA modeliolup, sinir ağının eğitim yöntemi olarak Levenberg-Marquardt tercih edilmiştir. Tasarlananikinci model ise, beş adet içerik elemanına sahip, kısmi geri dönüşümlü Elman ağıdır veBFGS eğitim algoritması ile birlikte kullanılmıştır. Testlerde kullanılmak üzere iki ayrıuygulama seçilmiştir. Bunlardan ilki işlemciler arasında yoğun veri alışverişi gerektiren, 2-boyutlu bir Hızlı Fourier Dönüşümü (FFT) uygulamasıdır. Seçilen ikinci uygulama ise tipikbir kayan noktalı aritmetik uygulaması olarak sınıflanabilecek, Monte Carlo yönteminikullanan bir uygulamadır. YSA modellerinin eğitilmesi, testi ve doğrulanması için kullanılanveriler iki şekilde elde edilmiştir. Verilerin önemli bir kısmı seçilen paralel uygulamaların SunSparc iş istasyonu üzerinde çalıştırılması ile, diğer kısmı ise farklı donanım ve komünikasyonsistemlerinin, PACE (Performance Analysis and Characterisation Environment) yardımı ileoluşturulan modelleri kullanılarak elde edilmiştir.Anahtar Kelimeler: Yapay sinir ağları; Performans analizi; Performans değerlendirme;Paralel bilgisayarlar; Paralel hesaplamaxii