THE PROBLEM OF THE SELECTION OF A NEURAL NETWORK MODEL FOR PREDICTING THE STREAMS OF DATA OF DISTRIBUTED INFORMATION SYSTEMS

Abstract

Объектом исследования в работе являются распределенные информационные системы, на вход которых поступает поток заявок, требующих для своего обслуживания выполнения определенных ресурсов. Предметом исследования является прогнозирование потоков данных в таких системах. Цель работы заключается в анализе проблемы выбора нейросетевой модели для прогнозирования потоков данных распределенных информационных систем. Проанализирована специфика исследуемой задачи, а также подходы к решению на основе теории систем массового обслуживания. Сделан вывод о недостаточной адекватности таких систем в условиях динамического изменения состояния. В связи с этим возникла необходимость разработки собственного специализированного математического и алгоритмического аппарата. В результате предложен подход к сокращению объема выборки на основе совмещения нейросетевой модели с численным методом, учитывающим известные закономерности функции и освобождающим нейросеть от прогнозирования этих закономерностей. Специфика математического аппарата потребовала использования соответствующего алгоритмического обеспечения для ее решения. Таким образом, проведен анализ проблемы выбора нейросетевой модели для прогнозирования потоков данных распределенных информационных систем. The object of research in the work are distributed information systems, at the entrance of which comes a stream of requests that require the implementation of certain resources for their service. The subject of research is the prediction of data flows in such systems. The purpose of the work is to analyze the problem of choosing a neural network model for predicting the data flows of distributed information systems. The specificity of the studied problem is analyzed, as well as approaches to the solution based on the theory of queuing systems. The conclusion is drawn about the insufficient adequacy of such systems under conditions of a dynamic change of state. In this regard, it became necessary to develop their own specialized mathematical and algorithmic apparatus. As a result, an approach was proposed to reduce the sample size on the basis of combining the neural network model with a numerical method that takes into account the known regularities of the function and exempts the neural network from predicting these regularities. The specificity of the mathematical apparatus required the use of appropriate algorithmic support for its solution. Thus, the analysis of the problem of choosing a neural network model for predicting the data flows of distributed information systems was carried out.