Search

The data Grid, a class of Grid Computing, aims at providing services and infrastructure to data-intensive distributed applications which need to access, transfer and modify large data storages. A common issue on Data Grids is the data access optimization, which has been addressed through different approaches such as bio-inspired and replication strategies. However, few of those approaches consider application features to optimize data access operations (read-and-write). Those features define the application behavior, which supports the optimization of operations, consequently, improving the overall system performance. Motivated by the need of efficient data access in large scale distributed environments and by the affordable improvements of application characteristics, this paper proposes a new heuristic to optimize data access operations based on historical behavior of applications. Throughout experiments we concluded that applications are better optimized by anticipating different numbers of future events, which vary over the execution. Then, in order to address such issue, we proposed an adaptive sliding window which automatically and dynamically defines how many future operations must be considered to improve the overall application performance. Simulations were conducted using the OptorSim simulator, which is commonly considered in this research field. Our experimental evaluation confirms that the proposed heuristic reduces application execution times up to 50% when compared to other approaches.

Submitted by Maria Aparecida (cidazen@gmail.com) on 2022-08-18T14:35:25Z No. of bitstreams: 1 Lucas_Gabriel.pdf: 15296680 bytes, checksum: 198235b2b961f75eace4b89dd396b93d (MD5) Made available in DSpace on 2022-08-18T14:35:25Z (GMT). No. of bitstreams: 1 Lucas_Gabriel.pdf: 15296680 bytes, checksum: 198235b2b961f75eace4b89dd396b93d (MD5) Previous issue date: 2021-10-26 In the 1920s the brazilian state instituted a political and economic decentralization process, one of the main consequences of which was a concession to private companies of the right to economically develop and explore a public service, until then was the sole and exclusive responsibility of the State. Since then, these concessionaires have search to balance the provision of equitable and quality public service with the collection process inherent to every company. In order to offer parameters that bring more objectivity to this process, in this work we propose a methodology for classifying the default risk profile of consumers. The use of the deep collaborative neural network, CollabNet is presented in a customer database of a utility company. The methodology presents promising results such as an accuracy of 88.1 %, a sensitivity of 93.9 % and a negative predictive value of 93.1 %. It is still suggested an incorporation of new characteristics about consumers such as geographic aspects and family income in order to improve the results obtained. Nos anos 20, o estado brasileiro iniciou um processo de descentralização política e econômica que trouxe como uma das principais consequências a concessão a empresas privadas do direito de desenvolver e explorar economicamente um serviço público, responsabilidade até então única e exclusiva do Estado. Desde então, essas concessionárias buscam equilibrar a prestação do serviço público equânime e de qualidade com o processo de arrecadação inerente a toda companhia. No intuito de oferecer parâmetros que tragam mais objetividade nesse processo, neste trabalho é proposta uma metodologia para classificação do perfil de risco de inadimplência dos consumidores. É apresentado o uso da rede neural profunda colaborativa, CollabNet, em uma base de dados de clientes de uma concessionária de serviços públicos. A metodologia apresentou resultados promissores como acurácia de 88,1%, sensibilidade de 93,9% e valor preditivo negativo de 93,1%. Ainda é aventada a incorporação de novas características acerca dos consumidores como aspectos geográficos e renda familiar no intuito de melhorar os resultados obtidos.

Submitted by Daniella Santos (daniella.santos@ufma.br) on 2021-02-20T22:37:57Z No. of bitstreams: 1 AlexandreOliveira.pdf: 4617860 bytes, checksum: 9457db04ec4325331931187ce962143c (MD5) Made available in DSpace on 2021-02-20T22:37:57Z (GMT). No. of bitstreams: 1 AlexandreOliveira.pdf: 4617860 bytes, checksum: 9457db04ec4325331931187ce962143c (MD5) Previous issue date: 2020-08-05 The complexity of extracting knowledge from the immense amount of data currently generated creates the need and brings the opportunity to develop automated mechanisms to accelerate the knowledge discovery process, without forgetting the accuracy of the results and the increase in the productivity of analysts. The knowledge discovery process consists of several sequential, well-defined and related phases, from data selection, preprocessing, mining and evaluation, until the discovery step. This work presents a proposal for automation of the data mining stage, based on a theoretical review, requirements gathering, architecture and applications study. As a contribution, an end-user-oriented data mining environment was developed and made available in the cloud. This was positively evaluated by expert users and also used in teaching-learning and self-study scenarios of Data Science. A complexidade de extrair conhecimento da imensa quantidade de dados gerados atualmente, cria a necessidade e traz a oportunidade de desenvolver mecanismos automatizados para acelerar o processo de descoberta de conhecimento, sem esquecer a precisão dos resultados e o incremento da produtividade dos analistas. O processo de descoberta de conhecimento é composto por várias fases sequenciais, bem definidas e relacionadas, desde a seleção de dados, pré-processamento, mineração e avaliação, até a descoberta de fato. Este trabalho apresenta uma proposta de automação da etapa de mineração de dados, com base em uma revisão teórica, levantamento de requisitos, estudo de arquiteturas e aplicações. Como contribuição, um ambiente de mineração de dados orientado ao usuário final foi desenvolvido e disponibilizado em nuvem. Este foi avaliado positivamente por usuários especialistas e também empregado em cenários de ensino-aprendizagem e autoestudo de Ciência de Dados.

Submitted by Alison Souza (alisonsouza@ufgd.edu.br) on 2020-02-03T19:03:54Z No. of bitstreams: 1 UFMS - MarcosPauloMoro.pdf: 7071239 bytes, checksum: 54f031b99b581476acdf1fcfd1e9bf03 (MD5) Made available in DSpace on 2020-02-03T19:03:54Z (GMT). No. of bitstreams: 1 UFMS - MarcosPauloMoro.pdf: 7071239 bytes, checksum: 54f031b99b581476acdf1fcfd1e9bf03 (MD5) Previous issue date: 2019-11-06 Fundação de Apoio ao Desenvolvimento do Ensino, Ciência e Tecnologia do Estado de Mato Grosso do Sul (FUNDECT) Os centros de dados estão entre os maiores consumidores de energia elétrica da área de tecnologia da informação. O consumo de um único centro de dados chega a ser superior ao de uma cidade com 100 mil habitantes. Centros de dados não são famosos apenas por consumirem grandes quantidades de energia, mas também por serem ineficientes. Estudos recentes mostram que, em média, mais de 50% da energia consumida por um centro de dados são desperdiçados por causa de gerenciamento ineficiente de seus recursos. O consumo energético de um centro de dados é dominado por três dimensões: servidores, sistema de refrigeração e infraestrutura de rede. As propostas para gerenciamento energético existentes na literatura, normalmente, buscam otimizar uma ou duas dessas dimensões sem levar em consideração as demais. Além disso, elas não consideram como essas otimizações para economia de energia impactam os parâmetros de desempenho do centro de dados. Este trabalho primeiro propõe uma arquitetura de gerenciamento e simulação de centros de dados para estudos de eficiência energética. Com base nessa arquitetura, este trabalho desenvolve o simulador SimDC3D que simula realisticamente os subsistemas de maior consumo de energia elétrica de um centro de dados e como algoritmos de escalonamento e realocação de máquinas virtuais, de controle do sistema de refrigeração e de otimização de topologia de rede interferem em parâmetros de desempenho. Este trabalho também propõe oito novos algoritmos de escalonamento e realocação de máquinas virtuais, um algoritmo para controle do sistema de refrigeração e um algoritmo de otimização da topologia da rede do centro de dados. Os algoritmos de escalonamento são altamente parametrizáveis para que um operador de centro de dados possa otimizar uma das dimensões de forma mais agressiva do que outras, ou seja, para que ele possa atribuir pesos diferentes para os subsistemas. Além disso, este trabalho faz uma avaliação extensiva, com centenas de simulações, dos algoritmos propostos usando diferentes cargas de trabalho e topologias de rede e os compara com outras propostas existentes na literatura. Os resultados mostram a importância de se parametrizar adequadamente os algoritmos de otimização para que eles não apenas economizem energia, mas também evitem violações de acordos de nível de serviço estabelecidos entre operadores de centro de dados e seus clientes. Data centers are among the largest consumers of electric energy in the information technology area. The energy consumption of a single data center can be larger than the consumption of a city with 100 thousands inhabitants. Data centers are not only famous for consuming large quantities of energy but also for being inefficient. Recent studies show that, on average, more than 50% of the energy consumed by a data center are wasted because of inefficient management of its resources. The energy consumption of a data center is dominated by three dimensions: servers, cooling system, and network infrastructure. The current proposals for energy management, generally, try to optimize one or two of these dimensions without considering the others. Moreover, they do not consider how these energy reduction optimizations impact performance parameters of the data center. This work first proposes an architecture for management and simulation of data centers for energy efficiency studies. Based on this architecture, this work develops the simulator SimDC3D that simulates realistically the subsystems that consume the most energy in a data center and how algorithms for scheduling and relocation of virtual machines, controlling the cooling system, and optimizing the network topology interfere with the performance parameters of the data center. This work also proposes eight new algorithms for scheduling and relocation of virtual machines, one algorithm for controlling the cooling system, and one algorithm for optimizing the network topology of the data center. The scheduling and relocation algorithms are highly parameterized so that a data-center operator can optimize one of the dimensions more aggressively than the others, i.e., he can assign different weights to the subsystems. Moreover, this work does an extensive evaluation, with hundreds of simulations, of the proposed algorithms under different workloads and topologies and compares them with the existing proposals. The results show the importance of setting the appropriate parameters for the optimization algorithms so that they can not only save energy but also avoid violations of service-level agreements settled between data center operators and their customers.

Submitted by Eunice Novais (enovais@uepg.br) on 2019-12-03T13:09:04Z No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) William Maukoski.pdf: 1862784 bytes, checksum: 0c20e0450d2c594d2f3b16ad337522d0 (MD5) Made available in DSpace on 2019-12-03T13:09:04Z (GMT). No. of bitstreams: 2 license_rdf: 811 bytes, checksum: e39d27027a6cc9cb039ad269a5db8e34 (MD5) William Maukoski.pdf: 1862784 bytes, checksum: 0c20e0450d2c594d2f3b16ad337522d0 (MD5) Previous issue date: 2019-05-29 A mineração de dados (MD) é potencialmente onerosa, estudos para diminuir o tempo de resposta são essenciais para conseguir entregar resultados em tempos menores. Muitas soluções propostas por trabalhos correlatos utilizam computação em clusters (aglomerados) de computadores, uma alternativa a isto é utilizar a computação com GPU. A programação com GPU, necessita um conhecimento aprofundado do algoritmo a ser trabalhado e de um entendimento da arquitetura da GPU que será utilizada. Este trabalho tem por objetivo geral investigar o uso da computação paralela em ambiente manycore para reduzir o tempo de resposta de algirtmos de MD. O algoritmo K-means por ser comumente adotados em tarefas de IA e sua característica NP-Difícil foi o escolhido para ser paralelizado. Foram utilizadas ferramentas para identificar o ponto de gargalo do K-means, simultaneamente foram feitas as avaliações dos pontos positivos e negativos destas ferramentas. Após identificar o ponto de gargalo do algoritmo, ele foi reescrito para ser executado com suporte da GPU, foram feitas as coletas dos tempos de respostas e pôr fim a medição do ganho de desempenho utilizando a GPU. Ao utilizar a GPU foi primeiro constatado um SpeedUP máximo de 7,09 e uma eficiência de 0,65% considerados pequenos ao comparar com outros trabalhos da literatura. Para contornar isto foi feito um aumento na base de dados utilizada aumentado o tempo de execução, assim obteve-se resultados melhores com um SpeedUp de 26,001 e uma eficiência de 2,4% ao utilizar o máximo de cores da GPU. Concluindo-se que é possível diminuir o tempo de resposta de algoritmos de mineração de dados utilizando GPU, sem precisar alterar o hardware do equipamento. Data mining (MD) is potentially costly, studies to decrease response time are essen- tial to deliver results in shorter times. Many solutions proposed by related work use computation in clusters of computers, an alternative to this is to use GPU computing. Programming with GPU requires a thorough knowledge of the algorithm to be worked on and an understanding of the GPU architecture that will be used. This work has the general objective to investigate the use of parallel computing in the manycore environ- ment to reduce the response time of MD algorithms. The K-means algorithm for being commonly adopted in AI tasks and its NP-Difficult feature was chosen to be paralyzed. Tools were used to identify the bottleneck of K-means, while evaluating the positives and negatives of these tools. After identifying the bottleneck of the algorithm, it was rewritten to run with GPU support, collected response times, and ended the performance gain measurement using the GPU. When using the GPU, a maximum speed of 7.09 and an efficiency of 0.65% was found to be small when compared to other studies in the literature. To circumvent this was done an increase in the database utilized by increasing the run time, thus obtaining better results with a speed up of 26.001 and a efficiency of 2.4% when using the maximum of colors of the GPU. It is concluded that it is possible to decrease the response time of data mining algorithms using GPU, without having to change the hardware of the equipment.

A identificação de padrões em fluxos de dados contínuos tem despertado o interesse científico, seja na detecção de falhas em sistemas, identificação de operações fraudulentas em transações bancárias, propagação de doenças ou ainda na preservação do meio ambiente. A categorização destes dados, concomitante com a ampliação do sensoriamento e monitoramento de diversos outros domínios, motiva a busca por soluções práticas e eficientes que auxiliem na busca por padrões recorrentes. A extração de conhecimento dos dados, quando dependentes do tempo, exige um tratamento especial e a mineração dos dados apresenta-se como uma atividade valiosa. Neste trabalho, é proposta uma abordagem chamada DSP-Class para classificação de séries temporais utilizando Descritores de Textura aplicados em Gráficos de Recorrência (RP). São utilizados 14 conjuntos de dados reais relacionados a vocalizações de aves, identificação de insetos, categorização de reações químicas, dentre outros. O objetivo desta pesquisa é verificar a utilização das características texturais de RPs em algoritmos de aprendizagem, tais como Support Vector Machine (SVM) e C5:0, aplicando a Decomposição de Modo Empírico (EMD) na classificação de séries temporais. Também é analisada a influência estocástica-determinística presentes nos fluxos. Verifica-se desempenho ruim do algoritmo 1NN, considerado estado-da-arte, em séries predominantemente estocásticas ou determinísticas e desempenho 67:66% superior da abordagem DSP-Class, uma vez que as características texturais distinguem classes de séries temporais mais satisfatoriamente que a busca por similaridade utilizada no algoritmo 1NN nos dados analisados. Verifica-se inclusive, resultados 18;67% superiores àqueles obtidos por pesquisas semelhantes que utilizam outras características presentes em séries temporais. ABSTRACT - Identify patterns in continuous data streams has attracted scientific interest for detecting system failures, identify fraudulent transactions in banks, the spread of diseases and also in the preservation of the environment. The increased volume of data produced in the last decade, concomitant with the number of sensors motivates the search for practical and efficient solutions that help data categorization. The extraction of knowledge about them, when time-dependent, requires special treatment and mining data becomes a valuable activity. In this paper, we propose an approach called DSP-Class for time series classification using texture descriptors applied Recurrence Charts (RP). We adopt 14 real datasets related to sound recognition, signals processing, chemical reactions and another produced by Big Data which demand high processing capacity. The purpose of this research is to verify the use of textural features in machine learning algorithms, such as SVM and C 5:0, applying Decomposition Empirical Mode (EMD) in time series classification. It is also analysed the stochastic-deterministic influence present in data streams. It presented poor results of 1-Nearest Neighbour algorithm when the data stream is mostly deterministic or stochastic. Our approach outperforms a traditional preprocessing approach applied on an audio stream using coefficients as features in around 18;67% of average accuracy and in around 67;66% the state-of-art algorithm that uses distance as measure.