Семинар «Синтез архитектур и планирование вычислений»

Костенко Валерий Алексеевич ауд Наука Направления Синтез и планирование Учёба Семинары Синтез и планирование

Вычислительные системы реального времени

Структура системы Процессор Интерфейс экипажа Интерфейс ЦУП … Среда передачи данных MIL-STD 1553B или Fibre Channel Подсистема электропитания Подсистема термоконтроля Подсистема радиолокации … контроллеры ЦАП/АЦП 1уровень1уровень 2 уровень 3 уровень

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

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

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

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

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.

Совместное планирование вычислений и обменов Пётр Шестов аспирант 1 года обучения

Структура системы Процессор Интерфейс экипажа Интерфейс ЦУП … Среда передачи данных MIL-STD 1553B или Fibre Channel Подсистема электропитания Подсистема термоконтроля Подсистема радиолокации … контроллеры ЦАП/АЦП 1уровень1уровень 2 уровень 3 уровень

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

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

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

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

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

Расписание обменов Множество пар вида Ограничения: Реальное время Ограничения среды передачи

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

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

Зависимость по данным A W M A A W M M M M W A A M in M out W in W out

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

Формальная постановка

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

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

Введение Распознавание нештатных ситуаций по показаниям датчиков. В условиях, когда о тсутствуют 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)

Метод решения подобных задач 1. Наблюдение за системой, формирование набора прецедентов. 2. 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,,

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

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.

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.

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.

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

Пример системы аксиом 12 Аксиомы в порядке уменьшения приоритета {1,2,3,4,5,6,0}

Аксиоматический подход Аксиома размечает точку траектории – значит условия аксиомы выполняются в данной точке траектории. Характерные траектории:

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

Построить алгоритм распознавания, который удовлетворяет: 1. Локальным ограничениям: должен выдавать на обучающей выборке заданные ответы. 2. Требованиям к обобщающей способности: должен выдавать минимальное число ошибок на контрольной выборке. ( ) 3. Сложность алгоритма распознавания должна быть меньше заданного порога. Требуется:

Сравнение с существующими алгоритмами распознавания Тип алгоритма распознавания Число ошибок первого рода Процент ошибок второго рода Нейронные сети145320% Singular Spectrum Analysis (SSA) % Преобразования Фурье33135% Вейвлет- преобразования % Алгоритм на основе метрики 51033% Dynamic Time Warping57829% Аксиоматический подход 732% Параметры исходных данных: Длина траектории – отсчетов. Искажения: по времени < 35%, по амплитуде < 25%. Число траекторий нештатного поведения: 100.

Автоматизация в электронных торговых системах Константин Савенков

Электронные торговые системы Продавцы Товар Деньги Покупатели Деньги Товар Транзакции Сервер брокера «биржевой стакан» ПродажаЦенаПокупка И н ф о р м а ц и я

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 брокераТорговая площадка выставление История торгов Трейдер или МТС страт егия счёт

Пилотная версия реализована в году, Статья с результатами работы принята на World Finance Conference (май 2010). Есть множество направления развития. Системы обратного тестирования (бэктестинга)

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.

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.

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

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.

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).

Спасибо за внимание!