Investigação de técnicas de otimização para algoritmos de aprendizado de máquina

Detalhes bibliográficos
Autor(a) principal: Ferraz, André Libório de Barros
Data de Publicação: 2022
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UNESP
Texto Completo: http://hdl.handle.net/11449/236075
Resumo: Tendo em vista as inovações tecnológicas da última década, este trabalho busca, por meio de técnicas como vetorização utilizando AVX-512 e arcabouços computacionais para arquiteturas paralelas como o Galois, modificar algoritmos de aprendizado de máquina baseados em grafos, neste caso em particular, o OPF (Optimum-Path Forest) com a finalidade de melhorar o seu tempo de execução. Resultados apresentam ganhos significativos com o uso da tecnologia AVX-512, particularmente nas configurações com 1 thread de até 26,84% se comparado a versão com uso de AVX2 e 112,83% se comparado a versão não vetorizada. Quanto ao Galois, fora realizado um estudo inicial que avaliou o desempenho do MST (Minimum Spanning Tree) e os resultados preliminares apontam um speedup de até 6x com o dataset Epinions. No futuro, espera-se complementar a implementação do Galois para outros algoritmos de grafos baseados no OPF.
id UNSP_c859c6d13c12c83ae39121303898bd8d
oai_identifier_str oai:repositorio.unesp.br:11449/236075
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str 2946
spelling Investigação de técnicas de otimização para algoritmos de aprendizado de máquinaInvestigation of optimization techniques for machine learning algorithmsComputação de alto desempenhoRedes neuraisInformáticaHigh-performance computingNeural networksComputingTendo em vista as inovações tecnológicas da última década, este trabalho busca, por meio de técnicas como vetorização utilizando AVX-512 e arcabouços computacionais para arquiteturas paralelas como o Galois, modificar algoritmos de aprendizado de máquina baseados em grafos, neste caso em particular, o OPF (Optimum-Path Forest) com a finalidade de melhorar o seu tempo de execução. Resultados apresentam ganhos significativos com o uso da tecnologia AVX-512, particularmente nas configurações com 1 thread de até 26,84% se comparado a versão com uso de AVX2 e 112,83% se comparado a versão não vetorizada. Quanto ao Galois, fora realizado um estudo inicial que avaliou o desempenho do MST (Minimum Spanning Tree) e os resultados preliminares apontam um speedup de até 6x com o dataset Epinions. No futuro, espera-se complementar a implementação do Galois para outros algoritmos de grafos baseados no OPF.In view of the technological innovations of the last decade, this work seeks, through techniques such as vectorization using AVX-512 and computational frameworks for parallel architectures such as Galois, to modify graph-based machine learning algorithms, in this particular case, the OPF (Optimum-Path Forest) in order to improve its execution time. Results show significant gains with the use of AVX-512 technology, particularly in configurations with 1 thread up to 26.84% compared to the version using AVX2 and 112.83% compared to the non-vectored version. As for Galois, an initial study was carried out that evaluated the performance of the MST (Minimum Spanning Tree) and the preliminary results point to a speedup of up to 6x with the Epinions dataset. In the future, it is expected to complement the Galois implementation for other OPF-based graph algorithms.Não recebi financiamentoUniversidade Estadual Paulista (Unesp)Papa, João Paulo [UNESP]Baldassin, Alexandro José [UNESP]Universidade Estadual Paulista (Unesp)Ferraz, André Libório de Barros2022-08-10T11:20:24Z2022-08-10T11:20:24Z2022-08-02info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfhttp://hdl.handle.net/11449/236075porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2023-10-10T06:09:07Zoai:repositorio.unesp.br:11449/236075Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T14:33:44.928634Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Investigação de técnicas de otimização para algoritmos de aprendizado de máquina
Investigation of optimization techniques for machine learning algorithms
title Investigação de técnicas de otimização para algoritmos de aprendizado de máquina
spellingShingle Investigação de técnicas de otimização para algoritmos de aprendizado de máquina
Ferraz, André Libório de Barros
Computação de alto desempenho
Redes neurais
Informática
High-performance computing
Neural networks
Computing
title_short Investigação de técnicas de otimização para algoritmos de aprendizado de máquina
title_full Investigação de técnicas de otimização para algoritmos de aprendizado de máquina
title_fullStr Investigação de técnicas de otimização para algoritmos de aprendizado de máquina
title_full_unstemmed Investigação de técnicas de otimização para algoritmos de aprendizado de máquina
title_sort Investigação de técnicas de otimização para algoritmos de aprendizado de máquina
author Ferraz, André Libório de Barros
author_facet Ferraz, André Libório de Barros
author_role author
dc.contributor.none.fl_str_mv Papa, João Paulo [UNESP]
Baldassin, Alexandro José [UNESP]
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Ferraz, André Libório de Barros
dc.subject.por.fl_str_mv Computação de alto desempenho
Redes neurais
Informática
High-performance computing
Neural networks
Computing
topic Computação de alto desempenho
Redes neurais
Informática
High-performance computing
Neural networks
Computing
description Tendo em vista as inovações tecnológicas da última década, este trabalho busca, por meio de técnicas como vetorização utilizando AVX-512 e arcabouços computacionais para arquiteturas paralelas como o Galois, modificar algoritmos de aprendizado de máquina baseados em grafos, neste caso em particular, o OPF (Optimum-Path Forest) com a finalidade de melhorar o seu tempo de execução. Resultados apresentam ganhos significativos com o uso da tecnologia AVX-512, particularmente nas configurações com 1 thread de até 26,84% se comparado a versão com uso de AVX2 e 112,83% se comparado a versão não vetorizada. Quanto ao Galois, fora realizado um estudo inicial que avaliou o desempenho do MST (Minimum Spanning Tree) e os resultados preliminares apontam um speedup de até 6x com o dataset Epinions. No futuro, espera-se complementar a implementação do Galois para outros algoritmos de grafos baseados no OPF.
publishDate 2022
dc.date.none.fl_str_mv 2022-08-10T11:20:24Z
2022-08-10T11:20:24Z
2022-08-02
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 http://hdl.handle.net/11449/236075
url http://hdl.handle.net/11449/236075
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv
_version_ 1808128378479312896

Registros relacionados