'

Семинар «Синтез архитектур и планирование вычислений»

Понравилась презентация – покажи это...





Слайд 0

Семинар «Синтез архитектур и планирование вычислений»


Слайд 1

Семинар «Синтез архитектур и планирование вычислений» Костенко Валерий Алексеевич kost@cs.msu.su, ауд. 760 http://lvk.cs.msu.su/ Наука ?Направления ? Синтез и планирование Учёба ?Семинары? Синтез и планирование


Слайд 2

Вычислительные системы реального времени


Слайд 3

Структура системы Процессор Процессор Интерфейс экипажа Интерфейс ЦУП … Среда передачи данных MIL-STD 1553B или Fibre Channel Подсистема электропитания Подсистема термоконтроля Подсистема радиолокации … контроллеры контроллеры ЦАП/АЦП 1уровень 2 уровень 3 уровень


Слайд 4

Структурный синтез и планирование вычислений в системах реального времени Построение расписаний (при заданной структуре системы) решения функциональной задачи выполнения набора прикладных программ передачи сообщений совместное планирование вычислений и обменов Структурный синтез системы выбор кол-ва и типов вычислительных модулей выбор типов подсистем построение среды обменов


Слайд 5

Машинное обучение и интеллектуальный анализ данных Синтез архитектуры и обучение нейросетей прямого распространения Обнаружение предаварийных режимов работы технических систем (методы основанные на идеях аксиоматического подхода) Автоматизация в электронных торговых системах


Слайд 6

Методы и инструментальные средства построения алгоритмов для решения задач оптимизации Поддерживает алгоритмы основанные: на генетических и эволюционных схемах на схеме имитации отжига на схеме муравьиных колоний на жадных стратегиях на стратегиях ограниченного перебора на методах наискорейшего спуска гибридные алгоритмы


Слайд 7

Чем придется заниматься? Содержательная постановка задачи Формальная постановка задачи Анализ задачи и возможных методов ее решения Разработка алгоритма Реализация и исследование свойств алгоритма Апробация и внедрение алгоритма


Слайд 8

О спецсеминаре Характер работы – теоретико-прикладной Дипломная работа как задел для диссертации. За 10 лет работы: защита дипломных работ: «3» - нет, «4» - 2, остальные - «5» студентами семинара опубликовано > 40 печатных работ многие дипломных работ отмечались как лучшие на факультете Внедрение результатов: STMicroelectroniks, Samsung, ОКБ «Сухого», ЦНИИ«Электроприбор», НИИ ВК.


Слайд 9

Совместное планирование вычислений и обменов Пётр Шестов аспирант 1 года обучения


Слайд 10

Структура системы Процессор Процессор Интерфейс экипажа Интерфейс ЦУП … Среда передачи данных MIL-STD 1553B или Fibre Channel Подсистема электропитания Подсистема термоконтроля Подсистема радиолокации … контроллеры контроллеры ЦАП/АЦП 1уровень 2 уровень 3 уровень


Слайд 11

Сообщения Работа – работа Работа – подсистема Подсистема – работа Подсистема – подсистема Характеристики сообщений фиксированы


Слайд 12

Задача По заданным наборам работ и сообщений построить согласованные расписания выполнения работ на процессорах первого уровня и расписания передачи сообщений


Слайд 13

Исходные данные: работы Директивный интервал Сложность Набор допустимых процессоров Набор сообщений, передающих данные работе/от работы


Слайд 14

Расписание вычислений Множество троек вида <работа, процессор, время старта> Ограничения: Реальное время Процессоры – однозадачные без прерываний Каждая работа запланирована на допустимый процессор


Слайд 15

Исходные данные: сообщения Набор работ и/или подсистем, принимающих сообщение Набор работ или подсистема, передающие сообщение Директивный интервал Длина в словах


Слайд 16

Расписание обменов Множество пар вида <сообщение, время старта> Ограничения: Реальное время Ограничения среды передачи


Слайд 17

Ограничения MIL-STD 1553B резерв в конце п/ц длина цепочки отступ


Слайд 18

Ограничение коммутируемой среды Каждый порт участвует не более чем в одном обмене в каждый момент времени


Слайд 19

Зависимость по данным A W M A A W M M M M W A A Min Mout Win Wout


Слайд 20

Совместное расписание Пара расписаний вычислений и обменов Ограничения: Ограничения обоих расписаний Ограничения на совместимость Ограничение на порядок работ и сообщений «in-множества»


Слайд 21

Формальная постановка


Слайд 22

Способы решения Отдельное построение расписаний Рассматривать сообщения как работы Жадные схемы, метод ветвей и границ, … Планирование подграфов


Слайд 23

Машинное обучение и интеллектуальный анализ данных Дмитрий Коваленко аспирант 3 года обучения


Слайд 24

Введение Распознавание нештатных ситуаций по показаниям датчиков. В условиях, когда отсутствуют подходящие алгоритмы распознавания, так как: физическая модель не известна (мозг человека) модель существует, но обладает слишком высокой сложностью (движущийся шестиногий робот) модель существует, но не устойчива к шумам датчиков (жидкостные ракетные двигатели)


Слайд 25

Метод решения подобных задач Наблюдение за системой, формирование набора прецедентов. Обучение алгоритма распознавания не путем кодирования точных инструкций, а путем показа, как алгоритм должен работать на примерах. 1 класс нештатного поведения 2 класс нештатного поведения , ,


Слайд 26

Машинное обучение С учителем Есть объекты и «правильные ответы» на них – построить «связь» Например, есть гистограммы цветов ночных и дневных изображений, требуется построить правило по которым их можно отличать Без учителя Есть данные, нужно сделать о них какие-то выводы Например, есть гистограмма цветов изображения, требуется выделить несколько основных цветов изображения «На лету» Обучение происходит во время работы


Слайд 27

Применение Медицина: диагностика; Финансы: скоринг, обнаружение подделок; Сети: поисковые системы; Маркетинг: прогнозы продаж, связь с потребителем; Производство: дефектоскопия, оптимизация; Телекоммуникации: оптимизация качества сервиса; Машинное зрение; Обнаружение нештатного поведения сложных технических систем.


Слайд 28

Данные о системе Информация доступна в виде траекторий в фазовом пространстве показаний датчиков системы: где: – точка в фазовом пространстве Система может демонстрировать: Нормальное поведение Нештатное поведение – может быть несколько классов, причем, для каждого известна характерная траектория.


Слайд 29

Задача распознавания нештатного поведения Дано: Наблюдаемая траектория N классов нештатного поведения: Характерные траектории Требуется: Выделить участки вхождения траекторий в Число ошибок I и II рода ограничено наперед заданными константами.


Слайд 30

Элементарное условие – условие, накладываемое на точку и некоторую ее окрестность в траектории. Аксиома – булева формула от элементарных условий. Система аксиом – упорядоченная совокупность аксиом. . . . Аксиома Аксиомы в порядке уменьшения приоритета Аксиоматический подход Аксиома Аксиома Аксиома


Слайд 31

Пример системы аксиом


Слайд 32

Аксиоматический подход Аксиома размечает точку траектории – значит условия аксиомы выполняются в данной точке траектории. Характерные траектории: 0066660 4444440000333333 4444444001111111 2222222200000333 444440000003333333111111 4


Слайд 33

Дано: Множество элементарных условий Обучающая выборка : Задача построения алгоритма распознавания траектория нормального поведения 1 класс нештатного поведения 2 класс нештатного поведения , , ,


Слайд 34

Построить алгоритм распознавания , который удовлетворяет: Локальным ограничениям: должен выдавать на обучающей выборке заданные ответы. Требованиям к обобщающей способности: должен выдавать минимальное число ошибок на контрольной выборке . ( ) Сложность алгоритма распознавания должна быть меньше заданного порога . Требуется:


Слайд 35

Сравнение с существующими алгоритмами распознавания Параметры исходных данных: Длина траектории – 30000 отсчетов. Искажения: по времени < 35%, по амплитуде < 25%. Число траекторий нештатного поведения: 100.


Слайд 36

Автоматизация в электронных торговых системах Константин Савенков


Слайд 37

Электронные торговые системы И н ф о р м а ц и я


Слайд 38

Системы обратного тестирования (бэктестинга) Задача – оценить на исторических данных эффективность биржевой стратегии; Казалось бы, всё просто: смотрим на последовательность заявок, меняем брокерский счёт; На деле: необходимо применять моделирование. Сервер брокера Торговая площадка выставление заявки заявки транзакции История торгов


Слайд 39

Пилотная версия реализована в 2009-2010 году, http://backtester.sourceforge.net, Статья с результатами работы принята на World Finance Conference (май 2010). Есть множество направления развития. Системы обратного тестирования (бэктестинга)


Слайд 40

Механические торговые системы Заявки генерируются алгоритмом на основе анализа котировок; Для валидации такой системы необходим бэктестинг; Проблема большинства подобных систем – привязка к конкретной торговой платформе и ограниченные возможности тестирования и оптимизации; Идея: создание open-source фреймворка для разработки МТС, выполняющего бэктестинг и оптимизацию торговых стратегий, с прозрачной интеграцией полученной МТС с торговыми терминалами.


Слайд 41

Использование аксиоматического подхода к разметке котировок Реальная задача с высокими требованями к производительности и объёмам данных Цель – создание базы для применения фрактальных методов анализа биржевых данных Адаптация и модернизация аксиоматического подхода: Построение системы аксиом, Оптимизация производительности, Гибкие механизмы абстракции данных, Аксиомы, заданные в точках => Аксиомы на интервалах.


Слайд 42

Фракталы – это не только красивые картинки, фрактальной структурой обладают временные ряды многих физических и социальных процессов; Фракталы описываются рекурсивными структурами; Для описания фракталов можно применять формальные грамматики (см. Blanc-Talon); Тогда задача выделения фрактальной структуры временного ряда можно свести к задаче автоматического построения формальной грамматики по (зашумлённому) набору слов языка (см. Vidal, Angluin, Dupont); Задача в настоящее время не решена и в общем случае вряд ли разрешима; Поиск практически важных разрешимых случаев, разработка алгоритмов, описание области применимости. Автоматическое выделение фрактальной структуры временного ряда


Слайд 43

Построение профилей поведения рынка Анализ котировок (потока транзакций) => Анализ ”стакана“ и потока транзакций, Построение модели «стимул-реакция», Оценка влияния заявки на рынок, Построение профилей поведения участников рынка, Определение состояния, в котором находятся участники.


Слайд 44

Оптимизация исполнения приказов Приказ брокеру – продать N единиц товара в период не дешевле, чем Доход брокера – Если есть верный прогноз – задача решается элементарно, Можно ли решить задачу, не полагаясь на прогнозы? Эвристики? Для какого AVG_P? Необходима оценка влияния заявки на рынок (предыдущий слайд).


Слайд 45

Спасибо за внимание!


×

HTML:





Ссылка: