【6.18】“青年科技工作者园地”第118次活动_基于LSTM循环神经网络的高能物理数据热度预测
讲座内容： 基于LSTM循环神经网络的高能物理数据热度预测
主讲人：程振京
时间：6月18日（周二）下午15：00
地点：计算中心二楼会议室
报告简介：
高能物理计算是典型的数据密集型计算，每年需要分析PB级的海量物理数据，对数据访问性能有着越来越高的要求。构建统一命名空间的分级存储系统方案已经被广泛采用。一般根据访问热度不同将数据存储于不同性能、不同价格的存储设备上。当数据热度变化时，再将数据迁移至合适的存储层级。目前数据热度预测广泛采用基于人工经验的启发式算法，由于不同用户计算模式的差异，预测准确率较低。提出了一种借助LSTM深度学习算法，基于文件访问特征预测未来访问热度的方法，作为分级存储中数据迁移的依据。以高能物理实验LHAASO的真实数据为例做了对比测试，结果表明，在相同测试条件下，与已有预测模型相比，该模型具有更高的预测精度和更强的适用性。
附件下载：
