تفاصيل الوثيقة

نوع الوثيقة : رسالة جامعية 
عنوان الوثيقة :
التكامل بين البيانات الكبيرة والحوسبة عالية الاداء: دراسة تشمل وحدات معالجة الرسوم، والتعلم العميق، والذاكرة الداخلية لحوسبة البيانات الكبيرة
Big Data and HPC Integration: An Investigation GPUs, Deep Learning and In-Memory Big Data Computing
 
الموضوع : كلية الحاسبات وتقنية المعلومات 
لغة الوثيقة : العربية 
المستخلص : التقارب بين نماذج البيانات الكبيرة والحوسبة عالية الأداء (HPC) يوفر إمكانات لا محدودة لتطوير نماذج حوسبية جديدة، حل التحديات الكبرى التي طال أمدها، والقيام باكتشافات جديدة. الهدف من هذه الرسالة هو تحقيق التقارب بين البيانات الكبيرة وتقنيات الحوسبة عالية الأداء باستخدام تطبيقات ذات أهمية عالية، والتي تستهلك في طبيعتها بيانات كثيرة وتحتاج الى معالجة كثيفة. في هذا السياق، تقدم هذه الاطروحة المساهمات التالية. أولاً، تقديم إطار عمل يدعم التقاربين البيانات الكبيرة والحوسبة عالية الأداء باستخدام أربع تقنيات متطورة: البيانات الكبيرة، الحوسبة في الذاكرة، التعلم العميق، ووحدات المعالجة الرسومية (GPUs) . تم تنفيذ إطار العمل باستخدام ار(R)، تنسرفلو (TensorFlow)، كيراس (Keras)، وبايثون (Python). تكمن حداثة المنهجية المتبعة في انها دمجت التقنيات الأربعة المكمّلة لبعضها البعض والتي توفر مجتمعة القدرة على مواجهة تحديات البيانات الكبيرة بطريقة شاملة. اتاحت عملية دمج التقنيات الأربعة القدرة على التحقق من جدوى وفوائد التقارب بين نماذج وتقنيات البيانات الكبيرة والحوسبة عالية الأداء. ثانياً، قمنا بتطبيق إطار العمل المقترح على أربع تطبيقات عالية التأثير للمدن الذكية باستخدام حالات دراسة مفصلة. تشمل التطبيقات (1) التنبؤ بسرعة، تدفق، ونسبة اشغال حركة المرور على الطرق; (2) التنبؤ بحوادث السير; (3) إدارة الكوارث; (4) واخيراً التبوء الزماني والمكاني لدخول وخروج مترو لندن. الدراسات الأربعة استخدمت بيانات حقيقية مفتوحة المصدر من مصادر مثل نظام قياس الأداء (PeMS) في كاليفورنيا (Caltrans)، النقل من أجل لندن (TfL) المسح المتداول بين الانطلاق والوجهة (RODS)، وإدارة النقل في المملكة المتحدة (DfT). تم التعامل مع حجم البيانات، سرعتها، تنوعها، مصداقيتها، ومشاكل الاندماج الخاص بها من خلال استخدام بيانات حركة المرور لأكثر من احدى عشر عاماً. تم استخدام توليفات مختلفة من مجموعات البيانات الى جانب تكوينات شبكة مختلفة لنماذج التعليم العميق لأغراض التدريب والتنبؤ. أظهرت النتائج الفائدة والاثر العالي لأساليبنا في تطبيقات المدن الذكية الأربعة. ساهم إطار التقارب المطروح بالإضافة الى حالات الدراسة الأربعة في نماذج تعليم عميق، خوارزميات، منهجيات تحليل وتنفيذ، ومجموعة من التطبيقات البرمجية الخاصة بالمدن الذكية، البيانات الضخمة، الحوسبة عالية الاداء، وتقاربها. 
المشرف : د.أحمد الزهراني 
نوع الرسالة : رسالة دكتوراه 
سنة النشر : 1440 هـ
2019 م 
تاريخ الاضافة على الموقع : Monday, April 29, 2019 

الباحثون

اسم الباحث (عربي)اسم الباحث (انجليزي)نوع الباحثالمرتبة العلميةالبريد الالكتروني
محمد عاقبAqib, Mohammad باحثدكتوراه 

الملفات

اسم الملفالنوعالوصف
 44405.pdf pdf 

الرجوع إلى صفحة الأبحاث