Методи машинного навчання в задачах прогнозу факторів, що вказують на потенційне партиціювання кластеру

Д.П. Сінько ¹, аспірант, К.Д. Сінько ²

¹ Інститут проблем моделювання в енергетиці ім. Г.Є. Пухова НАН України
  Україна, 03164, Київ, вул. Генерала Наумова, 15
  e-mail: Ця електронна адреса захищена від спам-ботів. Вам необхідно увімкнути JavaScript, щоб побачити її.;
² Національний технічний університет України
  «Київський політехнічний інститут ім. Ігоря Сікорського»
  Україна, 03056, Київ, проспект Берестейський, 37
  e-mail: Ця електронна адреса захищена від спам-ботів. Вам необхідно увімкнути JavaScript, щоб побачити її.

Èlektron. model. 2025, 47(1):22-39

https://doi.org/10.15407/emodel.47.01.022

АНОТАЦІЯ

Запропоновано підхід, який передбачає додавання спеціальної ноди до кластеру з метою прогнозування настання стану, що передує партиціювання кластеру. За результатами аналізу алгоритмів машинного навчання визначено алгоритми, які доцільно застосовувати для вирішення задачі попередження виникнення критичних станів кіберфізичної системи в контексті партиціювання мережі.

КЛЮЧОВІ СЛОВА:

split brain problem, партиціювання, алгоритми машинного нав­чан­ня, кластер, кіберфізична система.

СПИСОК ЛІТЕРАТУРИ

1. Söylemez M., Tekinerdogan B., Kolukısa Tarhan A. Challenges and solution directions of microservice architectures: a systematic literature review. Applied sciences. 2022. Т. 12, № 11. С. 5507. URL: https://doi.org/10.3390/app12115507 (дата звернення: 03.07.2024).
2. Bhuiyan S., Zheludkov M. Apache ignite book. Lulu Press, Inc., 2019. (дата звернення: 13.06.2024)
3. Ситуація в енергосистемі на 13 травня: через значні пошкодження енергооб’єктів і нестачу електроенергії можливі обмеження для промислових споживачів. Урядовий портал. URL: https://www.kmu.gov.ua/news/sytuatsiia-v-enerhosystemi-na-13-travnia-cherez-znachni-poshkodzhennia-enerhoobiektiv-i-nestachu-elektroenerhii-mozhlyvi-obme- zhennia-dlia-promyslovykh-spozhyvachiv (дата звернення: 28.05.2024).
4. Ongaro D., Ousterhout J. In search of an understandable consensus algorithm // Proceedings of the 2014 USENIX Conference on USENIX Annual Technical Conference. ser. USENIX ATC’14. USA: USENIX Association, 2014. С. 305—320. ISBN 9781931971102 (дата звернення: 01.07.2024).
5. Shapiro M., Preguiça N., Baquero C., Zawirski M. Conflict-Free Replicated Data Types // In: Défago X., Petit F., Villain V. (eds) Stabilization, Safety, and Security of Distributed Systems. SSS 2011. Lecture Notes in Computer Science. vol 6976. Berlin, Heidelberg: Springer, 2011. URL: https://doi.org/10.1007/978-3-642-24550-3_29 (дата звернення: 03.07.2024).
6. Read-Write quorum systems made practical / M. Whittaker та ін. PaPoC ‘21: proceedings of the 8th workshop on principles and practice of consistency for distributed data. 2021. С. 1—8. URL: https://doi.org/10.1145/3447865.3457962 (дата звернення: 01.07.2024).
7. Lakshman A., Malik P. Cassandra. ACM SIGOPS operating systems review. 2010. Т. 44, № 2. С. 35—40. URL: https://doi.org/10.1145/1773912.1773922 (дата звернення: 03.07.2024).
8. AWS whitepapers & guides. Amazon Web Services, Inc. URL: https://aws.amazon.com/ whitepapers/ (дата звернення: 23.06.2024).
9. Louppe G. Understanding random forests: from theory to practice. Choice reviews online. 2014. Т. 45, № 02. С. 45-0602-45- URL: https://doi.org/10.5860/choice.45-0602 (дата звернення: 03.07.2024).
10. Maulud D., Abdulazeez A. M. A review on linear regression comprehensive in machine learning. Journal of applied science and technology trends. 2020. Т. 1, № 4. С. 140—147. URL: https://doi.org/10.38094/jastt1457 (дата звернення: 21.07.2024).
11. Distributed computing and artificial intelligence, special sessions, 17th international conference / ред.: S. Rodríguez González та ін. Cham: Springer International Publishing, 2021. URL: https://doi.org/10.1007/978-3-030-53829-3 (дата звернення: 23.06.2024).
12. Narayan Y. Direct comparison of SVM and LR classifier for SEMG signal classification using TFD features. Materials today: proceedings. 2021. Т. 45. С. 3543—3546. URL: https://doi.org/10.1016/j.matpr.2020.12.979 (дата звернення: 29.06.2024).
13. Ahmed M., Seraj R., Islam S.M.S. The k-means algorithm: a comprehensive survey and performance evaluation. Electronics. 2020. Т. 9, № 8. С. 1295. URL: https://doi.org/ 3390/electronics9081295 (дата звернення: 27.07.2024).
14. Machine learning-based method for predicting compressive strength of concrete / D. Li та ін. Processes. 2023. Т. 11, № 2. С. 390. URL: https://doi.org/10.3390/pr11020390 (дата звернення: 25.06.2024).
15. Brownlee J. A gentle introduction to the gradient boosting algorithm for machine learning. Machine Learning Mastery. URL: https://machinelearningmastery.com/gentle-introduction- gradient-boosting-algorithm-machine-learning/ (дата звернення: 03.07.2024).
16. LightGBM: accelerated genomically designed crop breeding through ensemble learning / J. Yan та ін. Genome biology. 2021. Т. 22, № 1. URL: https://doi.org/10.1186/s13059-021-02492-y (дата звернення: 01.07.2024).
17. Hancock J.T., Khoshgoftaar T.M. CatBoost for big data: an interdisciplinary review. Journal of big data. 2020. Т. 7, № 1. URL: https://doi.org/10.1186/s40537-020-00369-8 (дата звернення: 13.06.2024).
18. Water quality prediction and classification based on principal component regression and gradient boosting classifier approach / M.S. Islam Khan та ін. Journal of king saud university — computer and information sciences. 2021. URL: https://doi.org/10.1016/ j.jksuci.2021.06.003 (дата звернення: 21.06.2024).
19. Ridge regression and its applications in genetic studies / M. Arashi та ін. Plos one. 2021. Т. 16, № 4. С. e0245376. URL: https://doi.org/10.1371/journal.pone.0245376 (дата звернення: 02.07.2024).
20. Lee J.H., Shi Z., Gao Z. On LASSO for predictive regression. Journal of econometrics. 2021. URL: https://doi.org/10.1016/j.jeconom.2021.02.002 (дата звернення: 20.06.2024).
21. Advanced machine learning technologies and applications / ред.: A.E. Hassanien, R. Bhatnagar, A. Darwish. Singapore : Springer Singapore, 2021. URL: https://doi.org/ 10.1007/978-981-15-3383-9 (дата звернення: 21.06.2024).

Повний текст: PDF