Uso da biblioteca CUSP em CUDA para implementação do algoritmo dual scaling em dados categóricos multivariados

Detalhes bibliográficos
Autor(a) principal: Silva, Rômulo Alves de Souza
Data de Publicação: 2018
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
Texto Completo: https://app.uff.br/riuff/handle/1/8941
Resumo: Para atender esse cenário que vivemos em relação ao crescimento da geração de informações, a busca por ferramentas que consigam aumentar seu poder de processamento, de modo a acompanhar esse crescimento do volume de dados, é algo constante. Para atender essa necessidade, são desenvolvidas diversas técnicas de extração de informações úteis de modo que a eficiência do processamento destas técnicas seja máxima. O Dual scaling tem com o objetivo gerar uma contextualização espacial através da correlação de itens de uma base de dados com a apresentação dos resultados de forma simples, intuitiva e precisa. Porém esta técnica possui um modelo matemático para a geração dos resultados altamente custoso e, atualmente, somente soluções implementadas de forma sequencial são disponibilizadas no mercado. Neste trabalho, é implementado o algoritmo de Dual scaling paralelizável através da utilização dos processadores em uma GPU com o auxílio da biblioteca Cusp para facilitar a implementação. Posteriormente são feitos testes de tempo de execução com duas implementações de forma sequencial a fim de validar a implementação proposta. Por fim, algumas ideias para trabalhos futuros são apresentadas para dar continuidade a este estudo
id UFF-2_bade22712aac0a8ff78f80cff1aecc1c
oai_identifier_str oai:app.uff.br:1/8941
network_acronym_str UFF-2
network_name_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository_id_str 2120
spelling Uso da biblioteca CUSP em CUDA para implementação do algoritmo dual scaling em dados categóricos multivariadosDual scalingCUSPCUDAGPUImplementação paralelaGPUProcessamento paralelo (Computador)Processamento de dados (Computação)Parallel implementationPara atender esse cenário que vivemos em relação ao crescimento da geração de informações, a busca por ferramentas que consigam aumentar seu poder de processamento, de modo a acompanhar esse crescimento do volume de dados, é algo constante. Para atender essa necessidade, são desenvolvidas diversas técnicas de extração de informações úteis de modo que a eficiência do processamento destas técnicas seja máxima. O Dual scaling tem com o objetivo gerar uma contextualização espacial através da correlação de itens de uma base de dados com a apresentação dos resultados de forma simples, intuitiva e precisa. Porém esta técnica possui um modelo matemático para a geração dos resultados altamente custoso e, atualmente, somente soluções implementadas de forma sequencial são disponibilizadas no mercado. Neste trabalho, é implementado o algoritmo de Dual scaling paralelizável através da utilização dos processadores em uma GPU com o auxílio da biblioteca Cusp para facilitar a implementação. Posteriormente são feitos testes de tempo de execução com duas implementações de forma sequencial a fim de validar a implementação proposta. Por fim, algumas ideias para trabalhos futuros são apresentadas para dar continuidade a este estudoIn order to meet this scenario that we live in relation to the growth of information generation, the search for tools that can increase its processing power in order to keep pace with this growth in data volume is constant. To meet this need, various techniques for extracting useful information are developed so that the processing efficiency of these techniques is maximal. Dual scaling aims to create a spatial contextualization through the correlation of items in a database with the presentation of results in a simple, intuitive and precise way. However, this technique has a mathematical model for the generation of results that is costly and currently, only solutions implemented in a sequential way are available in the market. In this work, a parallel Dual scaling algorithm is implemented through the use of the processors of a GPU with the aid of the Cusp library to facilitate the implementation. Subsequently, run-time tests are run with two implementations in a sequential way to validate the proposed implementation. Finally, some ideas for future work are presented to continue this studyUniversidade Federal FluminenseNiteróiMantuan, Altobelli de BritoMarques, Bruno Augusto DortaSilva, Rômulo Alves de Souza2019-03-28T13:54:00Z2019-03-28T13:54:00Z2018info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfhttps://app.uff.br/riuff/handle/1/8941Aluno de graduaçãohttp://creativecommons.org/licenses/by-nc-nd/3.0/br/CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2022-04-06T20:55:00Zoai:app.uff.br:1/8941Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202022-04-06T20:55Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false
dc.title.none.fl_str_mv Uso da biblioteca CUSP em CUDA para implementação do algoritmo dual scaling em dados categóricos multivariados
title Uso da biblioteca CUSP em CUDA para implementação do algoritmo dual scaling em dados categóricos multivariados
spellingShingle Uso da biblioteca CUSP em CUDA para implementação do algoritmo dual scaling em dados categóricos multivariados
Silva, Rômulo Alves de Souza
Dual scaling
CUSP
CUDA
GPU
Implementação paralela
GPU
Processamento paralelo (Computador)
Processamento de dados (Computação)
Parallel implementation
title_short Uso da biblioteca CUSP em CUDA para implementação do algoritmo dual scaling em dados categóricos multivariados
title_full Uso da biblioteca CUSP em CUDA para implementação do algoritmo dual scaling em dados categóricos multivariados
title_fullStr Uso da biblioteca CUSP em CUDA para implementação do algoritmo dual scaling em dados categóricos multivariados
title_full_unstemmed Uso da biblioteca CUSP em CUDA para implementação do algoritmo dual scaling em dados categóricos multivariados
title_sort Uso da biblioteca CUSP em CUDA para implementação do algoritmo dual scaling em dados categóricos multivariados
author Silva, Rômulo Alves de Souza
author_facet Silva, Rômulo Alves de Souza
author_role author
dc.contributor.none.fl_str_mv Mantuan, Altobelli de Brito
Marques, Bruno Augusto Dorta
dc.contributor.author.fl_str_mv Silva, Rômulo Alves de Souza
dc.subject.por.fl_str_mv Dual scaling
CUSP
CUDA
GPU
Implementação paralela
GPU
Processamento paralelo (Computador)
Processamento de dados (Computação)
Parallel implementation
topic Dual scaling
CUSP
CUDA
GPU
Implementação paralela
GPU
Processamento paralelo (Computador)
Processamento de dados (Computação)
Parallel implementation
description Para atender esse cenário que vivemos em relação ao crescimento da geração de informações, a busca por ferramentas que consigam aumentar seu poder de processamento, de modo a acompanhar esse crescimento do volume de dados, é algo constante. Para atender essa necessidade, são desenvolvidas diversas técnicas de extração de informações úteis de modo que a eficiência do processamento destas técnicas seja máxima. O Dual scaling tem com o objetivo gerar uma contextualização espacial através da correlação de itens de uma base de dados com a apresentação dos resultados de forma simples, intuitiva e precisa. Porém esta técnica possui um modelo matemático para a geração dos resultados altamente custoso e, atualmente, somente soluções implementadas de forma sequencial são disponibilizadas no mercado. Neste trabalho, é implementado o algoritmo de Dual scaling paralelizável através da utilização dos processadores em uma GPU com o auxílio da biblioteca Cusp para facilitar a implementação. Posteriormente são feitos testes de tempo de execução com duas implementações de forma sequencial a fim de validar a implementação proposta. Por fim, algumas ideias para trabalhos futuros são apresentadas para dar continuidade a este estudo
publishDate 2018
dc.date.none.fl_str_mv 2018
2019-03-28T13:54:00Z
2019-03-28T13:54:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://app.uff.br/riuff/handle/1/8941
Aluno de graduação
url https://app.uff.br/riuff/handle/1/8941
identifier_str_mv Aluno de graduação
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
CC-BY-SA
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
CC-BY-SA
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal Fluminense
Niterói
publisher.none.fl_str_mv Universidade Federal Fluminense
Niterói
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)
instname:Universidade Federal Fluminense (UFF)
instacron:UFF
instname_str Universidade Federal Fluminense (UFF)
instacron_str UFF
institution UFF
reponame_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
collection Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository.name.fl_str_mv Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)
repository.mail.fl_str_mv riuff@id.uff.br
_version_ 1825433240425463808

Registros relacionados