پیاده سازی موازی الگوریتم K-nearest neighbor برروی GPU با استفاده از CUDA
محل انتشار: کنگره ملی مهندسی برق، کامپیوتر و فناوری اطلاعات
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 3,050
فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CECIT01_603
تاریخ نمایه سازی: 14 شهریور 1392
چکیده مقاله:
الگوریتم K-nearest neighbor یکی ازپرکاربردترین الگوریتم های کلاس بندی است که درزمینه های مختلفی مورد استفاده قرارگرفته است یکی ازچالشهای پیشروی این الگوریتم زمان اجرای نسبتا بالای آن است برای غلبه براین موضوع عمدتا فضای مسئله را با نمونه گیری ازداده های خام کوچکتر می کنند این امر باعث میشود تا میزان خطای کلاس بندی افزایش یابد بدیهی است که هرگونه راه حلی که سرعت اجرای این الگوریتم را بدون کاهش فضای داده ها افزایش دهد یک راه حل بهتر تلقی میشود دراین مقاله یک پیاده سازی موازی برای این الگوریتم برروی معماری CUDA ارایه شده است که بدون کاهش فضای داده های مسئله به speed up درحدود 20 نایل میشود.
کلیدواژه ها:
نویسندگان
علی آجریان
دانشجوی کارشناسی ارشد مهندسی معماری کامپیوتر
حسین باستان
دانشجوی کارشناسی ارشدمهندسی معماری کامپیوتر
محمدعلی منتظری
دانشگاه صنعتی اصفهان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :