Версия для слабовидящих: Вкл Выкл Изображения: Вкл Выкл Размер шрифта: A A A Цветовая схема: A A A A
Версия для слабовидящих
Закрыть
Авторизация

Крамаренко Константин Евгеньевич


Крамаренко Константин Евгеньевич
Сотрудник

Дата последнего входа: 03.12.2019 09:16:59
Подразделения: Кафедра вычислительных систем (ВС)
  • Старший преподаватель

Центр параллельных вычислительных технологий (ЦПВТ)
  • Младший научный сотрудник

Лаборатория средств доступа к вычислительным системам
  • Руководитель

Список делегатов конференции СибГУТИ
  • Делегат

Контактная информация

E-MAIL:
Общий стаж: 17 лет 1 месяц
Повышение квалификации: МУЦПС СибГУТИ: " Система дистанционного обучения ( СДО ) Moodle - основа работы в электронно-информационной образовательной среде " (11.09.2018-12.09.2018)
ФГБОУ ВПО "Национальный исследовательский Томский политехнический университет": "Разработка приложений для платформы Microsoft:Windows 8" (26.05.2014-30.05.2014)
НГУ: Обучение по программе: "Основы теории информации. Кодирование с исправлением ошибок". (30.10.2011-24.11.2011)
Институт повышения квалификации и переподготовки работников профессионального образования - филиал ГОУ ВПО СибГТУ: Обучение по курсу: "Педагогика и психология профессионального образования". (12.04.2010-23.04.2010)


Стаж работы по специальности: 15 лет 3 месяца
Информация об образовании: Высшее, магистр техники и технологии, ГОУ ВПО "СибГУТИ".
Преподаваемые дисциплины: Преподаваемые дисциплины
Для создания заметок нажмите Изменить
Свид. 2019660044 Российская Федерация. Свидетельство о государственной регистрации программы для ЭВМ. Программа для диагностики вычислительных систем на основе метода случайного леса / Крамаренко К.Е., Курносов М.Г. Заявитель и патентообладатель СибГУТИ. Заявл. 14.05.2019, опубл. 30.08.2019.
Подразделение: Кафедра вычислительных систем (ВС)
Авторы: Курносов Михаил Георгиевич, Крамаренко Константин Евгеньевич
Год публикации: 2019
Тип публикации: Свидетельства о регистрации программ для ЭВМ
Индексация: ВАК
Файл: Диагностика.pdf
Kramarenko K., Moldovanova O., Kurnosov M. Application of deep learning for decoding syndrome of the distributed computer systems // Proc. of Int. scientific-technical conference on Actual Problems of Electronic Instrument Engineering (APEIE-2018), 2018. – Vol. 1, Part 4. – 457-460. ISBN 978-5-7782-3614-1
Подразделение: Кафедра вычислительных систем (ВС)
Авторы: Крамаренко Константин Евгеньевич, Курносов Михаил Георгиевич
Год публикации: 2018
Тип публикации: Статья в сборнике (в т.ч. сборники трудов конференций, не тезисы)
Индексация: Scopus
Файл: АПЭП_Т01_Ч04_ТрудыАнгл_С10_11.pdf
Аннотация: The article deals with the solution of a problem of self-diagnosis for distributed computer systems, which consists in determining fault-free and faulty nodes of the system by the given syndrome. This problem can be reduced to the classification problem, which can be efficiently solved by deep learning algorithms. The article contains the statement and constraints of a syndrome decoding problem, the description of the developed algorithm of syndrome decoding using convolutional neural network and the algorithm of teaching sets generation. A software implementation of the developed algorithms was fulfilled using DeepLearnToolBox of the Matlab interactive environment. Experiments on the teaching sets with various number of nodes in distributed computer system and various number of faulty nodes were conducted. The hyperparameters of the convolutional neural network: length of the teaching set, number of the teaching epochs, step size of the convolution kernel, number and sizes of kernels in a convolutional layer, number of convolutional neural network layers were experimentally selected. The algorithm effectiveness was evaluated by the dependence of the number of correctly detected nodes on the number of faulty nodes in a distributed computer system. Conducted experiments showed that this algorithm should be used in distributed computer systems where number of faulty nodes did not exceed 30 % of the system size. Despite of small length of the teaching set, the convolutional neural network keeps a good generalization ability.
Крамаренко К. Е., Курносов М. Г. Дешифрация синдрома вычислительных систем методами машинного обучения с учителем // Материалы XII Российской конференции с международным участием «Новые информационные технологии в исследовании сложных структур». Томск, 2018. С. 7-8.
Подразделение: Кафедра вычислительных систем (ВС)
Авторы: Крамаренко Константин Евгеньевич, Курносов Михаил Георгиевич
Год публикации: 2018
Тип публикации: Статья в сборнике (в т.ч. сборники трудов конференций, не тезисы)
Индексация: РИНЦ
Все публикации пользователя (18)