新的時(shí)代正在興起,復(fù)雜機(jī)器學(xué)習(xí)算法的發(fā)展以及硬件性能的指數(shù)級(jí)增長(zhǎng)將加速新一代人工智能系統(tǒng)的發(fā)展,改變?nèi)藗儗?duì)周圍世界的感知和互動(dòng)方式,使人工智能可以在持續(xù)和意外變化的對(duì)抗環(huán)境中工作,并支持保障人類的安全和福祉。除了智能之外,新一代人工智能系統(tǒng)還需要解決至少三個(gè)挑戰(zhàn)。首先,它們必須實(shí)時(shí)地做出反應(yīng),以支持自動(dòng)駕駛和智能信息檢索等新興應(yīng)用。其次,這些系統(tǒng)需要不斷地從流數(shù)據(jù)中學(xué)習(xí),以應(yīng)對(duì)其環(huán)境的時(shí)變性。第三,當(dāng)這些系統(tǒng)代表人類做出決策時(shí),它們的決定需要具備可解釋性。這些挑戰(zhàn)涉及數(shù)據(jù)、模型、算法和硬件等許多層面,需要把系統(tǒng)、統(tǒng)計(jì)和優(yōu)化等知識(shí)在機(jī)器學(xué)習(xí)的過程中有機(jī)地結(jié)合起來。為此,這項(xiàng)研究工作開展了分布式流數(shù)據(jù)分析與實(shí)時(shí)機(jī)器學(xué)習(xí)理論與應(yīng)用研究。研究的策略可以概括為“一個(gè)根本,兩個(gè)面向,三個(gè)層次”:“一個(gè)根本”就是在線最優(yōu)化求解。流數(shù)據(jù)以在線方式提供,這意味著整個(gè)數(shù)據(jù)集不能立即獲得,而是單個(gè)數(shù)據(jù)實(shí)例按順序到達(dá)。許多傳統(tǒng)優(yōu)化方法不能繼續(xù)在流數(shù)據(jù)環(huán)境下發(fā)揮作用。這項(xiàng)工作通過探索近似算法、自適應(yīng)學(xué)習(xí)和基于自然梯度下降的二階優(yōu)化方法,來應(yīng)對(duì)流數(shù)據(jù)環(huán)境中產(chǎn)生的三種約束（即對(duì)計(jì)算成本、查詢成本的約束和復(fù)雜不等式約... 

【文章來源】：廣東工業(yè)大學(xué)廣東省

【文章頁數(shù)】：142 頁

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖３．１流計(jì)算中的資源調(diào)度示意圖??Ｆｉｇｕｒｅ?３．１?Ｉｌｌｕｓｔｒａｔｉｏｎ?ｏｆ?ｔｈｅ?ｒｅｓｏｕｒｃｅ?ａｌｌｏｃａｔｉｏｎ?ｉｎ?ｄａｔａ?ｓｔｒｅａｍ?ａｎａｌｙｔｉｃ?ｓｙｓｔｅｍ．??

＞！？？ａＳｉｆｔＴｉＭｊｒＴ？ｔ？Ｓｉ８ｆ？？＼ｉｔ＾ｒＴｉ？１?＞Ｔｔｉｌｔ％！ＵＩ；ｔｉｔ？Ｔｉ＊??Ｈ＾ＳｇＢＳｉＢＢＳａ＾？—??驗(yàn)戀?Ｉ??｜?＂＂＂；??＾?ｉ??Ｔｉａｎｈｅ－２?Ｋｙｌｉｎ?Ｃｌｏｕｄ（ｃｕｓｔｏｎ?ＯｐｅｎＳｔａｃｋ）?Ｓｔｒｅａｍ?ｐｒｏｃｅｓｓｉｎｇ??□□□＿＿＿?界辦０１５??隱ａ＾－ｎ?；Ｒｎ?Ｅ＾Ｑ－＾??ＩＰＳｂ?！?Ｗｍ?ｍｍｉ?ｍｍ??ｇ＊?ｉ?＾；１Ｂ＾ｉ???｜ｆ?——?＾?Ｉ??ｖ??圖３．３基于天河二號(hào)ＨＰＣ２的資源感知實(shí)時(shí)機(jī)器學(xué)習(xí)系統(tǒng)架構(gòu)??Ｆｉｇｕｒｅ?３．３?Ｔｈｅ?ｅｘｅｃｕｔｉｏｎ?ｍｏｄｅｌ?ｏｆ?ｔｈｅ?ｏｐｔｉｍｉｚｅｄ?ＨＰＣ２－ＡＲＳ?ｆｒａｍｅｗｏｒｋ．??與ＨＰＣ２平臺(tái)的連接。系統(tǒng)時(shí)延估計(jì)模型中各種基礎(chǔ)參數(shù)的收集和統(tǒng)計(jì)、根據(jù)??ＨＰＣ２－ＡＲＳ算法框架所做出的彈性資源調(diào)度決策都需要設(shè)計(jì)專門的系統(tǒng)模塊來??高效地執(zhí)行。這些獨(dú)立的系統(tǒng)模塊黏合了?ＨＰＣ２－ＡＲＳ算法框架和天河二號(hào)ＨＰＣ２??平臺(tái)．使流處理引擎和優(yōu)化模型無縫連接，進(jìn)而彌合了物理基礎(chǔ)架構(gòu)和抽象數(shù)學(xué)??模型之間的鴻溝。如圖（３．３）所示．ＨＰＣ２－ＡＲＳ算法框架首先復(fù)用Ａｐａｃｈｅ?Ｓｔｏｒｍ??的測(cè)量組件（ＭＥＡＳＵＲＥＲ）和配置讀取組件（ＣＯＮＦＩＧＵＲＥＲＥＡＤＥＲ）從ＨＰＣ２??平臺(tái)獲取數(shù)據(jù)流和控制流的各項(xiàng)基礎(chǔ)信息，例如．?dāng)?shù)據(jù)流速率Ａ和計(jì)算速率＾??用戶自定義時(shí)延閾值７＾＾資源數(shù)量約束Ａｍａｘ，當(dāng)前資源配置．?dāng)?shù)據(jù)流元組在??算子拓?fù)鋱D中的時(shí)延ＥＣＯ１等等，并將統(tǒng)計(jì)結(jié)果發(fā)送給優(yōu)化組件（ＯＰＴＩＭＩＺＥＲ）：??優(yōu)化組件實(shí)時(shí)地執(zhí)行ＨＰＣ２

ｆ均時(shí)延Ｍ論｛ＴＵｍｓ）?平均ｉｈ！延輝論ｆｉ?｛ｍｓ｝??（ｃ）點(diǎn)ｆｌ？分析?（ｄｌ情感分析??Ｕ５０?ｒｃ－ｉ－＊?它?５??｜？?Ｖ－?Ｉ－?ｒｏＭ??愛?４０?愛?４?／■〇，＋？??友?２？??Ｊ３５?５?３．５??。?ｒｃ＊??、０—＾??＾?３???２０?２５?３０?３５?４０?４５?２?２．５?３?３．５?４??ｔ：均時(shí)延砰論ｍ（ｍｓ｝?ｆ？均時(shí)延０論｛ｌＵｍｓ｝??（ｅ）郵件過濾?（Ｄ智能屯網(wǎng)??圖３．６不冋的資源配置下各個(gè)流處理用例的平均時(shí)延測(cè)Ｍ值及其理論值對(duì)比??Ｆｉｇｕｒｅ?３．６?Ｔｈｅ?ｃｏｍｐａｒｉｓｏｎ?ｂｅｔｗｅｅｎ?ｔｈｅ?ｍｅａｓｕｒｅｄ?ａｖｅｒａｇｅ?ｔｕｐｌｅ?ｓｏｊｏｕｒｎ?ｔｉｍｅ?ａｎｄ?ｔｈｅ??ｅｓｔｉｍａｔｅｄ?ｏｎｅｓ．??第二組實(shí)驗(yàn)分析時(shí)延估計(jì)模型的有效性，實(shí)驗(yàn)結(jié)果如圖（３．６）所示．其中??比較了各個(gè)用例的平均時(shí)延的測(cè)量值及其理論值。圖中的橫坐標(biāo)表示平均時(shí)延??的理論值．縱坐標(biāo)表示平均時(shí)延的測(cè)量值：圖中的菱形點(diǎn)表示在相應(yīng)的資源最優(yōu)??５５??


本文編號(hào)：3465980