Implementação do algoritmo de treinamento do classificador floresta de caminhos ótimos em GPU
Autor(a) principal: | |
---|---|
Data de Publicação: | 2013 |
Outros Autores: | |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNESP |
Texto Completo: | http://www.fmpfm.edu.br/intercienciaesociedade/colecao/online/vol3_n1_on_line.html http://hdl.handle.net/11449/135127 |
Resumo: | Técnicas de reconhecimento de padrões tem como principal objetivo classificar um conjunto de amostras, sendo o processo de aprendizado a fase de maior consumo de tempo. O problema pode piorar em ferramentas de classificação interativas, o que pode ser inaceitável para grandes bases de dados. Um exemplo de classificador é o baseado em Floresta de Caminhos Ótimos [8] - OPF. Dado que muitos trabalhos tem sido orientados à implementação de algoritmos de reconhecimento de padrões em ambiente General Purpose Graphics Processing Unit - GPGPU, o presente estudo objetivou a implementação da etapa de treinamento do classificador Floresta de Caminhos Ótimos em CUDA, visando aumentar a sua eficiência. A otimização do classificador em CUDA demonstrou uma fase de treinamento mais rápida que a versão original. |
id |
UNSP_fa2876dc59781d8756f8518db5d7b3fd |
---|---|
oai_identifier_str |
oai:repositorio.unesp.br:11449/135127 |
network_acronym_str |
UNSP |
network_name_str |
Repositório Institucional da UNESP |
repository_id_str |
2946 |
spelling |
Implementação do algoritmo de treinamento do classificador floresta de caminhos ótimos em GPUFloresta de caminhos otimosGPGPUTécnicas de reconhecimento de padrões tem como principal objetivo classificar um conjunto de amostras, sendo o processo de aprendizado a fase de maior consumo de tempo. O problema pode piorar em ferramentas de classificação interativas, o que pode ser inaceitável para grandes bases de dados. Um exemplo de classificador é o baseado em Floresta de Caminhos Ótimos [8] - OPF. Dado que muitos trabalhos tem sido orientados à implementação de algoritmos de reconhecimento de padrões em ambiente General Purpose Graphics Processing Unit - GPGPU, o presente estudo objetivou a implementação da etapa de treinamento do classificador Floresta de Caminhos Ótimos em CUDA, visando aumentar a sua eficiência. A otimização do classificador em CUDA demonstrou uma fase de treinamento mais rápida que a versão original.Universidade Estadual Paulista Júlio de Mesquita Filho, Departamento de Computação, Faculdade de Ciências de Bauru, Bauru, Av. Eng. Luiz Edmundo Carrijo Coube, 14-01, Jardim Paraíso, CEP 17033360, SP, BrasilUniversidade Estadual Paulista Júlio de Mesquita Filho, Departamento de Computação, Faculdade de Ciências de Bauru, Bauru, Av. Eng. Luiz Edmundo Carrijo Coube, 14-01, Jardim Paraíso, CEP 17033360, SP, BrasilUniversidade Estadual Paulista (Unesp)Iwashita, Adriana Sayuri [UNESP]Papa, João Paulo [UNESP]2016-03-02T12:59:51Z2016-03-02T12:59:51Z2013info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/article36-47application/pdfhttp://www.fmpfm.edu.br/intercienciaesociedade/colecao/online/vol3_n1_on_line.htmlInterciência & Sociedade, v. 3, n. 1, p. 36-47, 2013.2238-1295http://hdl.handle.net/11449/135127ISSN2238-1295-2013-03-01-36-47.pdf9039182932747194Currículo Lattesreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESPporInterciência & Sociedadeinfo:eu-repo/semantics/openAccess2024-04-23T16:11:00Zoai:repositorio.unesp.br:11449/135127Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T20:24:47.455121Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false |
dc.title.none.fl_str_mv |
Implementação do algoritmo de treinamento do classificador floresta de caminhos ótimos em GPU |
title |
Implementação do algoritmo de treinamento do classificador floresta de caminhos ótimos em GPU |
spellingShingle |
Implementação do algoritmo de treinamento do classificador floresta de caminhos ótimos em GPU Iwashita, Adriana Sayuri [UNESP] Floresta de caminhos otimos GPGPU |
title_short |
Implementação do algoritmo de treinamento do classificador floresta de caminhos ótimos em GPU |
title_full |
Implementação do algoritmo de treinamento do classificador floresta de caminhos ótimos em GPU |
title_fullStr |
Implementação do algoritmo de treinamento do classificador floresta de caminhos ótimos em GPU |
title_full_unstemmed |
Implementação do algoritmo de treinamento do classificador floresta de caminhos ótimos em GPU |
title_sort |
Implementação do algoritmo de treinamento do classificador floresta de caminhos ótimos em GPU |
author |
Iwashita, Adriana Sayuri [UNESP] |
author_facet |
Iwashita, Adriana Sayuri [UNESP] Papa, João Paulo [UNESP] |
author_role |
author |
author2 |
Papa, João Paulo [UNESP] |
author2_role |
author |
dc.contributor.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
dc.contributor.author.fl_str_mv |
Iwashita, Adriana Sayuri [UNESP] Papa, João Paulo [UNESP] |
dc.subject.por.fl_str_mv |
Floresta de caminhos otimos GPGPU |
topic |
Floresta de caminhos otimos GPGPU |
description |
Técnicas de reconhecimento de padrões tem como principal objetivo classificar um conjunto de amostras, sendo o processo de aprendizado a fase de maior consumo de tempo. O problema pode piorar em ferramentas de classificação interativas, o que pode ser inaceitável para grandes bases de dados. Um exemplo de classificador é o baseado em Floresta de Caminhos Ótimos [8] - OPF. Dado que muitos trabalhos tem sido orientados à implementação de algoritmos de reconhecimento de padrões em ambiente General Purpose Graphics Processing Unit - GPGPU, o presente estudo objetivou a implementação da etapa de treinamento do classificador Floresta de Caminhos Ótimos em CUDA, visando aumentar a sua eficiência. A otimização do classificador em CUDA demonstrou uma fase de treinamento mais rápida que a versão original. |
publishDate |
2013 |
dc.date.none.fl_str_mv |
2013 2016-03-02T12:59:51Z 2016-03-02T12:59:51Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://www.fmpfm.edu.br/intercienciaesociedade/colecao/online/vol3_n1_on_line.html Interciência & Sociedade, v. 3, n. 1, p. 36-47, 2013. 2238-1295 http://hdl.handle.net/11449/135127 ISSN2238-1295-2013-03-01-36-47.pdf 9039182932747194 |
url |
http://www.fmpfm.edu.br/intercienciaesociedade/colecao/online/vol3_n1_on_line.html http://hdl.handle.net/11449/135127 |
identifier_str_mv |
Interciência & Sociedade, v. 3, n. 1, p. 36-47, 2013. 2238-1295 ISSN2238-1295-2013-03-01-36-47.pdf 9039182932747194 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
Interciência & Sociedade |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
36-47 application/pdf |
dc.source.none.fl_str_mv |
Currículo Lattes 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_ |
1808129198440579072 |