id int64 18 18.8k | created_at timestamp[ns, tz=UTC]date 2026-02-23 07:30:20 2026-02-24 14:51:09 | updated_at timestamp[ns, tz=UTC]date 2026-02-23 08:08:14 2026-02-24 14:51:09 | doc_name stringclasses 1
value | input stringlengths 11 9.24k | output stringlengths 0 738 | is_personal bool 2
classes | is_sentence bool 2
classes | is_corrected bool 2
classes |
|---|---|---|---|---|---|---|---|---|
5,757 | 2026-02-23T13:13:07.615000Z | 2026-02-23T13:13:07.615000Z | Lec. | Существует большое количество бенчмарков и видов трафика из различных сфер человеческой деятельности, поэтому расширять возможности тестирования СтнК можно безгранично | false | true | false | |
5,756 | 2026-02-23T13:13:05.987000Z | 2026-02-23T13:25:19.570000Z | Lec. | Обучив модель при помощи данных, полученных при запуске различных бенчмарков и программ на разных системах, использующих разные топологии и протоколы маршрутизации, в результате станет возможны мотправлять запросы для создания наборов тестов для определенной топологии, для выбора топологии, наиболее подходящей под зада... | Обучив модель с помощью данных, полученных при запуске различных бенчмарков и программ на разных системах, использующих разные топологии и протоколы маршрутизации, в результате станет возможным моторизовать запросы для создания наборов тестов для определенной топологии, для выбора топологии, наиболее подходящей под зад... | false | true | true |
5,755 | 2026-02-23T13:13:04.319000Z | 2026-02-23T13:13:04.319000Z | Lec. | После обучения ИНС будет воспроизводить трафик, подобный реалистичному, но еще не существующий в других приложениях | false | true | false | |
5,754 | 2026-02-23T13:13:02.731000Z | 2026-02-23T13:13:02.731000Z | Lec. | Нейронные сети можно использовать для создания новых реалистичных профилей трафика и бенчмарков путем обучения их на основе поведения реальных приложений | false | true | false | |
5,753 | 2026-02-23T13:13:00.983000Z | 2026-02-23T13:13:00.983000Z | Lec. | Можно обучить ИНС для генерации трафика на основе уже известных профилей и генерировать с ее помощью новые пары источник-получатель и проверять, насколько такие профили будут применимы для реальных СтнК | false | true | false | |
5,752 | 2026-02-23T13:12:59.386000Z | 2026-02-23T18:24:40.071000Z | Lec. | Применение нейронных сетей для генерации трафика для СтнК будет полезно для обнаружения новых закономерностей и улучшения возможностей тестирования | Применение нейронных сетей для генерации трафика для СНК будет полезно для обнаружения новых закономерностей и улучшения возможностей тестирования | false | true | true |
5,751 | 2026-02-23T13:12:57.742000Z | 2026-02-23T16:44:59.860000Z | Lec. | Оно позволяет разворачивать в СтнК более сложные модели ГНС, использующие слои Conv и Pooling | Оно позволяет разворачивать в Стек более сложные модели ГНС, использующие слои Conv и Pooling | false | true | true |
5,750 | 2026-02-23T13:12:55.991000Z | 2026-02-23T16:13:33.466000Z | Lec. | При увеличении размеров ГНС и при уменьшении количества или скорости работы ядер возникает больше обращений к памяти, что приводит к возникновению скопления горячих точек в области коммуникации с памятью | При увеличении размеров ГНС, и при уменьшении количества или скорости работы ядер возникает большее количество обращений к памяти, что приводит к возникновению скопления горячих точек в области коммуникации с памятью | false | true | true |
5,749 | 2026-02-23T13:12:54.342000Z | 2026-02-23T16:56:15.459000Z | Lec. | Размещение большой ГНС с помощью слайсинга | Размещение большой ГНС с помощью слайсинга. | false | true | true |
5,748 | 2026-02-23T13:12:52.860000Z | 2026-02-23T17:42:34.950000Z | Lec. | Результаты работы этих слоев сохраняются в память; | Результаты работы этих слоев сохранились в памяти; | false | true | true |
5,747 | 2026-02-23T13:12:51.296000Z | 2026-02-23T13:36:23.856000Z | Lec. | В СтнК размещается максимально возможное целое количество слоев нейронной сети по порядку; | В Стеке размещается максимально возможное целое количество слоев нейронной сети по порядку; | false | true | true |
5,746 | 2026-02-23T13:12:49.548000Z | 2026-02-23T16:07:22.279000Z | Lec. | ГНС делится на «большие нейроны» – группы нейронов, которые возможно уместить в одном ядре; | ГНС делится на «большие нейроны» — группы нейронов, которые возможно уместить в одном ядре; | false | true | true |
5,745 | 2026-02-23T13:12:47.900000Z | 2026-02-23T13:51:06.091000Z | Lec. | Для решения этой проблемы применяется «слайсинг» [72] | Для решения этой проблемы применяется "сlicing" | false | true | true |
5,744 | 2026-02-23T13:12:46.023000Z | 2026-02-23T13:12:46.023000Z | Lec. | На практике современные ГНС обычно настолько большие, что их невозможно целиком поместить в СтнК | false | true | false | |
5,743 | 2026-02-23T13:12:44.435000Z | 2026-02-23T17:33:07.589000Z | Lec. | При развертывании ГНС в СтнК профиль трафика составляют связи, изначально отображенные на графе нейронной сети, и данный трафик относится к категории «многие ко многим» | При развертывании ГНС в Статистической комиссии профиль трафика составляют связи, изначально отображенные на графе нейронной сети, и данный трафик относится к категории «многие ко многим» | false | true | true |
5,742 | 2026-02-23T13:12:42.777000Z | 2026-02-23T16:10:05.046000Z | Lec. | Если в сети хватает аппаратных ресурсов для воспроизведения целой ГНС, нейроны можно отобразить на ядра двумя способами: прямым и многоуровневым [71] | Если в сети хватает аппаратных ресурсов для воспроизведения целой ГНП, нейроны можно отобразить на ядра двумя способами: прямым и многоуровневым [71] | false | true | true |
5,741 | 2026-02-23T13:12:41.196000Z | 2026-02-23T17:18:42.058000Z | Lec. | Главная сложность в такой задаче – размещение крупной нейронной сети в рамках небольших СтнК | Главная сложность в такой задаче – размещение крупной нейронной сети в рамках небольших СНТК | false | true | true |
5,740 | 2026-02-23T13:12:39.384000Z | 2026-02-23T13:12:39.384000Z | Lec. | Глубокие нейронные сети (ГНС) могут быть представлены в виде графа, точно также, как приложения для СтнК | false | true | false | |
5,739 | 2026-02-23T13:12:37.760000Z | 2026-02-23T13:12:37.760000Z | Lec. | Глубокая нейронная сеть (ГНС) – это искусственная нейронная сеть, которая содержит несколько скрытых слоев между узлами ввода и вывода | false | true | false | |
5,738 | 2026-02-23T13:12:36.013000Z | 2026-02-23T13:42:37.831000Z | Lec. | Так, например, в IoT-Flock пользователь может создавать, делиться и запускать собственные бенчмарки через XML-файл, задавая в нем начальные условия и принципы генерации трафика | Так, например, в IoT-Flock пользователь может создавать, делиться и запускать собственные бенчмарки через XML-файл, задавая в нем начальные условия и принципы генерации трафика. | false | true | true |
5,737 | 2026-02-23T13:12:34.163000Z | 2026-02-23T13:30:58.151000Z | Lec. | Когда злоумышленник отправляет недействительные опции на сервер CoAP, это вызывает сбой памяти, поскольку обработка пакета с одной недействительной опцией тратит 24 байта памяти | Когда злоумышленники отправляют недействительные опции на сервер CoAP, это вызывает сбой работы, поскольку обработка пакета с одной недействительной опцией тратит 24 байта памяти | false | true | true |
5,736 | 2026-02-23T13:12:32.619000Z | 2026-02-23T13:40:03.720000Z | Lec. | Публикация сообщений MQTT с высокой скоростью может вызвать атаку типа «отказ в обслуживании» (DoS); | Публикация сообщений MQTT с высокой скоростью может вызвать атаку типа "отказ в обслуживании" (DoS). | false | true | true |
5,735 | 2026-02-23T13:12:31.177000Z | 2026-02-23T13:12:31.177000Z | Lec. | Злоумышленник сначала устанавливает соединение с MQTT на транспортном уровне, а затем отправляет команду публикации MQTT в самом начале вместо отправки запроса на соединение; | false | true | false | |
5,734 | 2026-02-23T13:12:29.519000Z | 2026-02-23T13:44:38.992000Z | Lec. | В этой атаке пакеты MQTT специально создаются для сбоя в приложении | В этой атаке пакеты MQTT специально создаются для сбоя в приложении. | false | true | true |
5,733 | 2026-02-23T13:12:27.892000Z | 2026-02-23T13:12:27.892000Z | Lec. | Они выявляют интересующие закономерности, которые могут указывать на необходимость коррекции, или прогнозы, основанные на текущем поведении, которые требуют упреждающих действий; | false | true | false | |
5,732 | 2026-02-23T13:12:26.134000Z | 2026-02-23T13:44:57.462000Z | Lec. | Выполняют статистическую агрегацию и аналитику потоков данных, чтобы понять поведение системы IoT на более низком уровне; | Выполняют статистическую агрегацию и аналитику данных потоков, чтобы понять поведение системы IoT на более низком уровне; | false | true | true |
5,731 | 2026-02-23T13:12:24.511000Z | 2026-02-23T13:37:10.835000Z | Lec. | Основные приложения на основе этих задач: | Основные приложения на основе этих задач: | false | true | true |
5,730 | 2026-02-23T13:12:21.386000Z | 2026-02-23T15:42:27.070000Z | Lec. | Это может быть хранение или загрузка обученных моделей, архивирование входящих потоков данных, доступ к историческим данным для агрегации и сравнения, а также отслеживание потоков сообщений или публикация действий обратно в систему | Это может быть хранение или загрузка обученных моделей, архивирование входящих потоков данных, доступ к историческим данным для агрегации и сравнения, а также отслеживание потоков сообщений или публикация действий обратно в систему. | false | true | true |
5,729 | 2026-02-23T13:12:18.856000Z | 2026-02-23T18:07:36.307000Z | Lec. | Производится сопоставление определенных пользователем предикатов в сообщениях, которые могут не быть последовательными или даже не охватывать потоки, и возвращаются сопоставленные сообщения; | Производится сопоставление определенных пользователем предикатов в сообщениях, которые могут не быть последовательными или даже не охватывать потоки. Возвращаются сопоставленные сообщения; | false | true | true |
5,728 | 2026-02-23T13:12:17.342000Z | 2026-02-23T13:48:30.220000Z | Lec. | Различные алгоритмы машинного обучения и статистические фунции могут использоваться для предиктивной аналитики по потокам информации с датчиков; | Различные алгоритмы машинного обучения и статистические функции могут использоваться для предиктивной аналитики по потокам информации с датчиков; | false | true | true |
5,727 | 2026-02-23T13:12:15.702000Z | 2026-02-23T13:38:19.011000Z | Lec. | Они также могут быть статистическими функциямиболее высокого порядка, такими как поиск выбросов, квартилей, а также моментов второго и третьего порядка; | Они также могут быть статистическими функциями более высокого порядка, такими как поиск выбросов, квартилей, а также моментов второго и третьего порядка; | false | true | true |
5,726 | 2026-02-23T13:12:14.151000Z | 2026-02-23T13:12:14.151000Z | Lec. | Функции агрегации могут быть обычными математическими операциями, такими как нахождение среднего, минимума и максимума | false | true | false | |
5,725 | 2026-02-23T13:12:12.520000Z | 2026-02-23T13:12:12.520000Z | Lec. | Т.е. выполняется задачакодирования и декодирования стандартных форматов, таких как SenML, CSV, XML и JSON, а также двоичных форматов EXI и CBOR; | false | true | false | |
5,724 | 2026-02-23T13:12:10.939000Z | 2026-02-23T13:12:10.939000Z | Lec. | Сообщения кодируются в стандартном текстовом или двоичном представлении источниками потока и должны быть проанализированы по прибытии к получателю | false | true | false | |
5,723 | 2026-02-23T13:12:09.295000Z | 2026-02-23T13:26:00.978000Z | Lec. | Бенчмарки IoT состоят из потоковых приложений, которые, в свою очередь, являются наборами из большого количества стандартных задач Интернета вещей | Бенчмарки IoT состоят из потоковых приложений, которые являются наборами большого количества стандартных задач Интернета вещей. | false | true | true |
5,722 | 2026-02-23T13:12:07.519000Z | 2026-02-23T13:33:23.275000Z | Lec. | В программах IoT (Internet of Things, Интернета вещей) используются большие объемы непрерывных данных с датчиков [69], поэтому в данной области очень важна точность коммуникации и мгновенное исправление ошибок | В программах IoT (Internet of Things, Интернета вещей) используются большие объемы непрерывных данных с датчиков [69], поэтому в данной области очень важна точность коммуникации и мгновенное исправление ошибок. | false | true | true |
5,721 | 2026-02-23T13:12:05.659000Z | 2026-02-23T13:12:05.659000Z | Lec. | В целом бенчмарки для суперкомпьютеров и квантовых компьютеров можно применить для крупных сетей на кристалле, т.к. обычные бенчмарки теряют в скорости выполнения и масштабируемости при увеличении количества ядер в топологии, а задачи суперкомпьютеров настолько сложны, что изначально требуют много вычислительной мощнос... | false | true | false | |
5,720 | 2026-02-23T13:12:03.842000Z | 2026-02-23T16:57:30.399000Z | Lec. | Все квантовые операции сложны в переносе на обычные компьютеры и СтнК, но будут полезны для выявления новых особенностей и закономерностей в работе сетей | Все квантовые операции сложны в переносе на обычные компьютеры и СНК, но будут полезны для выявления новых особенностей и закономерностей в работе сетей | false | true | true |
5,719 | 2026-02-23T13:12:02.088000Z | 2026-02-23T13:12:02.088000Z | Lec. | Является одним из наиболее перспективных приложений квантовых вычислений | false | true | false | |
5,718 | 2026-02-23T13:12:00.551000Z | 2026-02-23T13:12:00.551000Z | Lec. | VQE (Variational Quantum Eigensolver) – цель этого алгоритма состоит в том, чтобы найти наименьшее собственное значение заданной матрицы путем вычисления сложной функции стоимости на QPU и передачи этого значения в процедуру оптимизации, выполняемую на CPU; | false | true | false | |
5,717 | 2026-02-23T13:11:58.771000Z | 2026-02-23T13:11:58.771000Z | Lec. | QAOA (Quantum Approximate Optimization Algorithm) – вариативный квантово-классический алгоритм, который можно обучить генерировать битовые строки для решения задач комбинаторной оптимизации | false | true | false | |
5,716 | 2026-02-23T13:11:56.823000Z | 2026-02-23T13:11:56.823000Z | Lec. | Error Correction Subroutines, Error Correcting Codes (ECCs) – это метод, с помощью которого отказоустойчивые квантовые компьютеры могут выполнять программы произвольной длины | false | true | false | |
5,715 | 2026-02-23T13:11:55.064000Z | 2026-02-23T13:40:02.280000Z | Lec. | Mermin-Bell – одно из основных применений квантовых компьютеров до сих пор было связано с демонстрацией квантовости природы в небольших масштабах | Mermin-Bell – одно из основных применений квантовых компьютеров до сих пор было связано с демонстрацией квантовости природы в небольших масштабах. | false | true | true |
5,714 | 2026-02-23T13:11:53.312000Z | 2026-02-23T13:25:35.183000Z | Lec. | Основные тестовые задачи этого бенчмарка такие же, как и у других версий LINPACK – решаются случайные СЛАУ, а результаты тестов завышены относительно реальной производительности квантовых компьютеров | Основные тестовые задачи этого бенчмарка такие же, как и у других версий LINPACK – решаются случайные СЛАУ. А результаты тестов завышены относительно реальной производительности квантовых компьютеров. | false | true | true |
5,713 | 2026-02-23T13:11:51.711000Z | 2026-02-23T13:39:10.942000Z | Lec. | Такие бенчмарки могут быть полезны для тестирования СтнК | Такие бенчмарки могут быть полезны для тестирования СНТ | false | true | true |
5,712 | 2026-02-23T13:11:49.882000Z | 2026-02-23T13:11:49.882000Z | Lec. | Минимальный порог работы программы – вычисление для 6 областей (1 для каждой грани коробки), что составляет 8812 операций с плавающей точкой, т.е. мощность компьютера должна составлять от 148 FLOPS | false | true | false | |
5,711 | 2026-02-23T13:11:47.870000Z | 2026-02-23T13:11:47.870000Z | Lec. | Программа выполняется 1 минуту и проводится расчет количества операций, которые компьютер успел выполнить за это время | false | true | false | |
5,710 | 2026-02-23T13:11:46.309000Z | 2026-02-23T13:11:46.309000Z | Lec. | Также HPCG использует больше взаимодействий с памятью, что позволяет лучше отображать узкие места реальных приложений | false | true | false | |
5,709 | 2026-02-23T13:11:44.567000Z | 2026-02-23T16:05:21.414000Z | Lec. | Реалистичный трафик дает более корректные результаты при тестировании | Реальный трафик дает более корректные результаты при тестировании | false | true | true |
5,708 | 2026-02-23T13:11:42.286000Z | 2026-02-23T13:11:42.286000Z | Lec. | Для устранения этой проблемы был создан реалистичный бенчмарк High Performance Conjugate Gradients (HPCG) | false | true | false | |
5,707 | 2026-02-23T13:11:40.658000Z | 2026-02-23T13:45:21.249000Z | Lec. | Недостаток HPL заключается в том, что он содержит синтетические тесты, производительность в которых гораздо выше производительности при выполнении реальных задач | Недостаток HPL заключается в том, что он содержит синтетические тесты, производительность которых гораздо выше, чем при выполнении реальных задач. | false | true | true |
5,706 | 2026-02-23T13:11:39.104000Z | 2026-02-23T13:11:39.104000Z | Lec. | В результате анализа подходов к генерации трафика для СтнК можно зафиксировать, что они достаточно развиты, существует большое количество обширных бенчмарков и простых программ для генерации трафика | false | true | false | |
5,705 | 2026-02-23T13:11:37.256000Z | 2026-02-23T16:30:32.297000Z | Lec. | Операции с целыми числами и числами с плавающей необходимо тестировать для СтнК, но для этого требуется выполнять соответствующие оптимизации кода | Операции с целыми числами и числами с плавающей точкой необходимо тестировать для СПК, но для этого требуется выполнять соответствующие оптимизации кода | false | true | true |
5,704 | 2026-02-23T13:11:35.735000Z | 2026-02-23T16:30:57.772000Z | Lec. | Для расчета показателей каждая программа может запускаться 2 или 3 раза | Для расчета показателей каждая программа может запускаться два или три раза. | false | true | true |
5,703 | 2026-02-23T13:11:34.196000Z | 2026-02-23T13:11:34.196000Z | Lec. | То есть из программ выделяются и объединяются ключевые фазы, которые сокращают время выполнения при незначительном отклонении от первоначального набора инструкций | false | true | false | |
5,702 | 2026-02-23T13:11:32.535000Z | 2026-02-23T13:11:32.535000Z | Lec. | Фазу можно рассматривать как область выполнения, когда выполнение программы стабильно – программа демонстрирует относительно постоянный CPI и кэш-промахи | false | true | false | |
5,701 | 2026-02-23T13:11:30.965000Z | 2026-02-23T13:11:30.965000Z | Lec. | В следующей версии SPEC CPU2006 – 12 int-программ и 17 float-программ, причем они имеют значительно большее количество динамических инструкций и объем данных [58] | false | true | false | |
5,700 | 2026-02-23T13:11:29.240000Z | 2026-02-23T13:34:18.291000Z | Lec. | Проблемы переносимости определяются тем, что языки исходного кода бенчмарка – это Fortran и C/C++ [57] | Проблемы переносимости определяются тем, что языки исходного кода бенчмарка — Fortran и C++. | false | true | true |
5,699 | 2026-02-23T13:11:27.613000Z | 2026-02-23T16:34:19.117000Z | Lec. | Бенчмарки серии SPEC (Standards Performance Evaluation Corporation) CPU изначально предназначены для тестирования обычных центральных процессоров и не оптимизированы для СтнК, но во многих исследованиях [55,56] они применяются для этих целей тоже | Бенчмарки серии SPEC (Standards Performance Evaluation Corporation) CPU изначально предназначены для тестирования обычных центральных процессоров и не оптимизированы для СПК, но во многих исследованиях [55,56] они применяются для этих целей тоже | false | true | true |
5,698 | 2026-02-23T13:11:25.838000Z | 2026-02-23T13:26:12.707000Z | Lec. | Такая возможность очень полезна для обеспечения разнообразия тестирования и повышения точности некоторых вычислений, но при этом LMbench недостаточно для полноценной проверки работы СтнК во всех режимах работы и всех случаях тестового покрытия | Такая возможность очень полезна для обеспечения разнообразия тестирования и повышения точности некоторых вычислений, но при этом LMBench недостаточно для полноценной проверки работы СНК во всех режимах работы и всех случаях тестового покрытия. | false | true | true |
5,697 | 2026-02-23T13:11:24.073000Z | 2026-02-23T13:11:24.073000Z | Lec. | Результаты выполнения сложных больших программ можно предсказать с помощью набора результатов, полученных при выполнении небольших фрагментов кода | false | true | false | |
5,696 | 2026-02-23T13:11:22.334000Z | 2026-02-23T13:11:22.334000Z | Lec. | При этом следует отметить, что такая оптимизация требуется не всегда, например, в ситуациях, когда необходимо исследовать разные топологии и выбрать лучший вариант для СтнК, находящейся на ранней стадии проектирования | false | true | false | |
5,695 | 2026-02-23T13:11:20.229000Z | 2026-02-23T13:11:20.229000Z | Lec. | MCSL оптимизирован не для всех видов топологий, поэтому он может некорректно работать с новыми схемами соединений подсистемы связи СтнК | false | true | false | |
5,694 | 2026-02-23T13:11:18.649000Z | 2026-02-23T13:44:15.570000Z | Lec. | Таким образом, PARSEC предлагает достаточно современный и разнообразный набор приложений, но имеет большое количество проблем с оптимизацией, параллелизацией и скоростью выполнения программ | Таким образом, PARSEC предлагает достаточно современную и разнообразный набор приложений, но имеет большое количество проблем с оптимизацией, параллелизацией и скоростью выполнения программ | false | true | true |
5,693 | 2026-02-23T13:11:16.887000Z | 2026-02-23T13:11:16.887000Z | Lec. | Создание и отправка пакетов в основном происходят в случайные моменты времени; время между созданием пакетов имеет большое стандартное отклонение | false | true | false | |
5,692 | 2026-02-23T13:11:15.259000Z | 2026-02-23T13:11:15.259000Z | Lec. | В ней появились 4 нововведения, самым важным из которых стала интеграция SPLASH-2 в PARSEC и добавление готовых наборов данных для запуска приложений SPLASH | false | true | false | |
5,691 | 2026-02-23T13:11:13.509000Z | 2026-02-23T13:39:52.370000Z | Lec. | Из-за этого возникает приоритет коммуникации с памятью вместо коммуникации между узлами СтнК | Из-за этого возникает приоритет коммуникации с памятью, а не между узлами СтнК | false | true | true |
5,690 | 2026-02-23T13:11:12.004000Z | 2026-02-23T13:11:12.004000Z | Lec. | При этом PARSEC более адаптирован для взаимодействия с памятью, чем для межъядерной коммуникации, что негативно влияет на скорость выполнения программ | false | true | false | |
5,689 | 2026-02-23T13:11:10.450000Z | 2026-02-23T18:01:06.314000Z | Lec. | Если не учитывать это приложение, SPLASH в среднем лучше работает с памятью и показывает меньше кэш‑промахов [48], чем PARSEC | Если не учитывать это приложение, SPLASH в среднем лучше работает с памятью и показывает меньше кэш-промахов [48], чем PARSEC. | false | true | true |
5,688 | 2026-02-23T13:11:08.917000Z | 2026-02-23T13:34:47.706000Z | Lec. | Включение большого количества входных наборов данных негативно сказывается на весе бенчмарка | Включение большой части входных наборов данных негативно сказывается на весе бенчмарка | false | true | true |
5,687 | 2026-02-23T13:11:07.147000Z | 2026-02-23T17:41:16.322000Z | Lec. | Native – большой набор данных для полноценного выполнения приложения в СтнК | Native – большой набор данных для полноценного выполнения приложения в СНГ | false | true | true |
5,686 | 2026-02-23T13:11:05.252000Z | 2026-02-23T13:39:13.814000Z | Lec. | Simdev – небольшой набор данных, который гарантирует базовое поведение программы, аналогичное реальному поведению, предназначенное для настройки и тестирования симуляции; | Simdev – небольшой набор данных, который гарантирует базовое поведение программы, аналогичное реальному поведению. Предназначен для настройки и тестирования симуляции; | false | true | true |
5,685 | 2026-02-23T13:11:03.494000Z | 2026-02-23T13:11:03.494000Z | Lec. | Test – небольшой набор данных для тестирования основных функций программы; | false | true | false | |
5,684 | 2026-02-23T13:11:01.964000Z | 2026-02-23T13:11:01.964000Z | Lec. | Главное преимущество над SPLASH заключается в новых, более современных программах, используемых в бенчмарке | false | true | false | |
5,683 | 2026-02-23T13:11:00.427000Z | 2026-02-23T16:32:18.816000Z | Lec. | Первая версия Princeton Application Repository for Shared-Memory Computers (PARSEC) была создана в 2008 году и предлагает более актуальный набор приложений для тестирования [13] | Первая версия Princeton Application Repository for Shared-Memory Computers (PARSEC) была создана в 2008 году. и предлагает более актуальный набор приложений для тестирования [13] | false | true | true |
5,682 | 2026-02-23T13:10:58.663000Z | 2026-02-23T13:10:58.663000Z | Lec. | Все тестовые приложения и ядра были разработаны более 25 лет назад и не обновлялись | false | true | false | |
5,681 | 2026-02-23T13:10:56.916000Z | 2026-02-23T13:10:56.916000Z | Lec. | Суммарно это привело к небольшому ускорению работы, но главное произошедшее изменение – программы в бенчмарке теперь правильно синхронизированы и гонки данных исключены | false | true | false | |
5,680 | 2026-02-23T13:10:55.030000Z | 2026-02-23T13:48:55.221000Z | Lec. | В 3-й версии SPLASH программы barnes и fmm стали медленней из-за введения дополнительных проверок и ограничений, но при этом увеличилась скорость работы cholesky и radiosity | В 3-й версии SPLASH программы barnes и fmm стали медленней из-за введения дополнительных проверок и ограничений. Однако при этом увеличилась скорость работы cholesky и radiosity. | false | true | true |
5,679 | 2026-02-23T13:10:53.257000Z | 2026-02-23T13:10:53.257000Z | Lec. | Например, из-за состояния гонки возможно событие, что только один поток закончит со всей работой (при этом есть много других бездействующих потоков), искусственно увеличивая дисбаланс нагрузки (тем самым увеличивая время выполнения и нарушая масштабируемость); или одно и то же задание может выполняться дважды на двух я... | false | true | false | |
5,678 | 2026-02-23T13:10:51.595000Z | 2026-02-23T13:10:51.595000Z | Lec. | В этом разделе проводится обзор существующих бенчмарков и решений для генерации трафика для СтнК, рассматриваются преимущества и недостатки этих систем | false | true | false | |
5,677 | 2026-02-23T13:10:49.945000Z | 2026-02-23T17:58:45.623000Z | Lec. | Анализ бенчмарков и способов генерации трафика в СтнК | Анализ бенчмарков и способов генерации трафика в СНТК | false | true | true |
5,676 | 2026-02-23T13:10:48.353000Z | 2026-02-23T16:29:38.989000Z | Lec. | Это позволяет проводить широкий набор тестов для проверки реакции различных конфигураций СтнК на тип трафика | Это позволяет проводить широкий набор тестов для проверки реакции различных конфигураций Стека на тип трафика. | false | true | true |
5,675 | 2026-02-23T13:10:46.769000Z | 2026-02-23T15:47:58.024000Z | Lec. | Таким образом, существует множество как искусственных, так и реальных паттернов трафика данных | Таким образом, существуют как искусственные, так и реальные паттерны трафика данных | false | true | true |
5,674 | 2026-02-23T13:10:45.025000Z | 2026-02-23T13:10:45.025000Z | Lec. | Древо классификации реалистичных профилей трафика, используемых в СтнК, представлена на рисунке ниже | false | true | false | |
5,673 | 2026-02-23T13:10:43.535000Z | 2026-02-23T18:21:27.206000Z | Lec. | Примеры таких приложений общеприкладного характера: PIP (Picture-In-Picture, картинка в картинке), MWA (Multi-Window Application, многооконное приложение), MWAG (MWA with Graphics), DSD (Dual Screen Display, двухэкранный дисплей) | Примеры таких приложений общеприкладного характера: PIP (Picture-In-Picture), MWA (Multi-Window Application), MWAG (MWA with Graphics), DSD (Dual Screen Display) | false | true | true |
5,672 | 2026-02-23T13:10:41.770000Z | 2026-02-23T13:10:41.770000Z | Lec. | Также существуют приложения, для которых нет ACG, которые были бы описаны в научной литературе, но которые тоже подходят для бенчмаркинга СтнК | false | true | false | |
5,671 | 2026-02-23T13:10:39.999000Z | 2026-02-23T13:10:39.999000Z | Lec. | Соответствующий центральный граф показан на рис. 13 [41] | false | true | false | |
5,670 | 2026-02-23T13:10:38.238000Z | 2026-02-23T13:10:38.238000Z | Lec. | Приложение для декодирования плоскостей видеообъектов, представляющих собой двухмерные снимки видеообъектов в определенный момент времени [40] | false | true | false | |
5,669 | 2026-02-23T13:10:36.480000Z | 2026-02-23T13:50:19.713000Z | Lec. | Центральный граф достаточно обширный и показан на рис. 12 [37] | Центральный график достаточно обширный и показан на рис. 12 [37]. | false | true | true |
5,668 | 2026-02-23T13:10:34.877000Z | 2026-02-23T13:33:05.345000Z | Lec. | ACG приложения многооконного дисплея | ACG приложение многооконного дисплея | false | true | true |
5,667 | 2026-02-23T13:10:33.223000Z | 2026-02-23T13:10:33.223000Z | Lec. | Далее представлены популярные приложения и их основные графы | false | true | false | |
5,666 | 2026-02-23T13:10:31.005000Z | 2026-02-23T13:10:31.005000Z | Lec. | Кроме бенчмарков, уникальные профили трафика возникают при работе специализированных приложений, выполняемых в СтнК | false | true | false | |
5,665 | 2026-02-23T13:10:29.360000Z | 2026-02-23T17:22:21.320000Z | Lec. | Стандартная версия приложения выполняет базовые операции с изображениями, такие как аффинные преобразования и свертки; | Стандартная версия приложения выполняет базовые операции с изображениями, такие как аффинные преобразования и свертки; | false | true | true |
5,664 | 2026-02-23T13:10:27.736000Z | 2026-02-23T13:10:27.736000Z | Lec. | Ferret – приложение, основанное на наборе инструментов Ferret, который используется для поиска информации на основе контента (аудио записей, изображений, 3Д моделей и данных геномных микрочипов) [28]; | false | true | false | |
5,663 | 2026-02-23T13:10:25.812000Z | 2026-02-23T13:10:25.812000Z | Lec. | Использует крупные датасеты, некоторые из которых пересекаются; | false | true | false | |
5,662 | 2026-02-23T13:10:23.839000Z | 2026-02-23T15:58:25.345000Z | Lec. | Facesim – вычисляет визуально реалистичную анимацию человеческого лица, имитируя реальную физику [27] | Facesim – вычисляет визуально реалистичную анимацию человеческого лица, имитируя реальную физику человека [27] | false | true | true |
5,661 | 2026-02-23T13:10:21.890000Z | 2026-02-23T13:10:21.890000Z | Lec. | Bodytrack – использует компьютерное зрение для отслеживания человеческого тела с помощью нескольких камер через последовательность изображений | false | true | false | |
5,660 | 2026-02-23T13:10:19.905000Z | 2026-02-23T13:10:19.905000Z | Lec. | Использует датасеты среднего размера, определяемые пользователем | false | true | false | |
5,659 | 2026-02-23T13:10:15.730000Z | 2026-02-23T16:26:36.129000Z | Lec. | Streamcluster – выполняет операцию организации больших объемов или непрерывно производимых данных в условиях реального времени, например, обнаружение вторжений в сеть, распознавание образов и интеллектуальный анализ данных[24] | Streamcluster – выполняет операцию организации больших объемов или непрерывного потока данных в условиях реального времени, например, обнаружение вторжений в сеть, распознавание образов и интеллектуальный анализ данных[24] | false | true | true |
5,658 | 2026-02-23T13:10:13.970000Z | 2026-02-23T13:10:13.970000Z | Lec. | Данная программа использует параллелизм с алгоритмом, исключающим блокировки, и агрессивную стратегию синхронизации, основанную на восстановлении данных при возникновении гонок вместо избегания таких ситуаций; | false | true | false |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.