Comments 2
Забавно, только по-моему сама "нейронная сеть" тут не особо нужна. Годится любая, так сказать, "настраиваемая функция" - просто подбираете её параметры по вашему "тренировочному файлу" - хоть популярными методами из вычислительной математики, хоть вообще случайным поиском (да, можно для маркетинга использовать его разновидность под названием "генетический алгоритм") - и вуаля :)
В частности я думаю нечёткую логику очень легко было можно заюзать. Вы ж регулятор создаёте, на этот счёт уже мегатонны статей в теории автоматического управления написаны.
Но конечно с "нейронной сетью" внутри что угодно гораздо лучше продаётся :)
Мне кажется, определенная проблема данного решения состоит в том, что автор слишком упростил набор параметров JVM. Отсюда и комментарии выше, что не нужна тут никакая нейронка, а достаточно... Ну в общем да, достаточно - если остальные параметры, влияющие на производительность, проигнорировать, оставив скажем один, то нейронка не нужна. А как только мы их пробуем учесть, мы понимаем, что нейронка-то наверное будет в самый раз. И если вы поищете тут статьи про выбор параметров Apache Spark, то как раз это самое и найдете - т.е. нейронку, и обработку результатов запусков, на которых она обучается.
Пишем простую нейронку для адаптивного управления JVM: обучение и применение многослойной нейронной сети на Java