Makine öğrenmesi metodları kullanılarak çoklu işlemci mimarisinin performans ölçümlerini tahmin etme

Bu çalışmada, çoklu işlemciye sahip mesaj geçişi ve dağıtık ortak hafıza mimarilerinin başarım ölçütlerini tahmin eden makine öğrenmesi modelleri geliştirilmiştir. Mesaj geçişi ve dağıtık ortak hafıza mimarileri, ara bağlantı ağı olarak fiber-optik SOME-Bus'ı kullanmaktadırlar. Çalışmada kullanılan makine öğrenmesi modelleri Çoklu-Katmanlı İleri-Beslemeli Yapay Sinir Ağları (ÇKİBYSA), Destek Vektör Makineleri (DVM) ve Genelleştirilmiş Regresyon Sinir Ağları (GRSA)'dır. SOME-Bus çoklu işlemci ağının benzetimi ve ayrıca eğitim ve test veri kümelerinin elde edilmesi için OPNET Modeler kullanılmıştır. Tasarlanan benzetim modelleri, normal dağılım, yoğun bölge, mükemmel karışım ve bit dönüşümü trafikleri altında ortalama kanal iletim zamanının (T) ortalama iplik çalışma zamanına oranı (R) olan (T/R) ifadesinin değişik değerleri için koşturulmuştur. Sunucu-istemci ve asenkron trafik modelleri mesaj geçişi protokolünde kullanılmıştır. kullanılarak makine öğrenmesi tahmin modellerinin başarımı değişik sayıda çapraz doğrulama, standart tahmin hatası (STH), çoklu korelasyon katsayısı (ÇKK), ortalama mutlak hata (OMH), bağıl mutlak hata (BMH) ve kök bağıl karesel hata (KBKH) kullanılarak değerlendirilmiştir. Çalışmanın sonucunda Çoklu-Katmanlı İleri-Beslemeli Yapay Sinir Ağları ile tasarlanan model (düşük STH, OMH, BMH, KBKH ve yüksek ÇKK), GRSA tabanlı, DVM tabanlı ve Çoklu Doğrusal Regresyon (ÇDR) tabanlı modele göre mesaj geçişi ve dağıtık ortak hafıza mimarilerinin başarım ölçütlerini tahmin etmekte daha iyi sonuçlar üretmiştir.Anahtar Kelimeler: Çoklu işlemcili mimariler, mesaj geçişi, dağıtık ortak hafıza, yapay sinir ağları, destek vektör regresyonu