Implementação do algoritmo de treinamento do classificador Floresta de Caminhos Ótimos em GPU

Autor(es)

Adriana Sayuri Iwashita

• Tipo de documento: Dissertação de Mestrado
• Imprenta: São José do Rio Preto. 2014-06-11.
• Instituição: Universidade Estadual Paulista (Unesp). Instituto de Biociências Letras e Ciências Exatas. São José do Rio Preto
• Data de defesa: 2013-05-15
• Orientador: João Paulo Papa; Alexandro José Baldassin

Resumo

Técnicas de reconhecimento de padrões têm como principal objetivo classificar um conjunto de amostras baseadas em um conhecimento a prioriou em alguma informação estatística obtida dessas amostras. Tal processo de aprendizado é a fase de maior consumo de tempo na grande maioria das técnicas de reconhecimento de padrõe. O problema ainda pode piorar em ferramentas de classificação interativas, nas quais o usuário é solicitado a rotular amostras que serão utilizadas para o treinamento, e após a classificação, os resultados podem ser refina-dos através de mais amostras rotuladas manualmente. Esta situação pode ser inaceitável para grandes bases de dados. Dado que muitos trabalhos tem sido orientados à implementação de vários algoritmos de reconhecimento de padrôes 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 Compute Unified Device Architecture- CUDA visando aumentar a sua eficiência. Foi implementada uma otimização, do referido classificador utilizando os métodos tradicionais, ou seja, na Central Processing Unit- CPU, e demonstrou uma fase de treinamento cerca de duas vezes mais rápida que a versão original. A otimização do classificador em CUDA também demonstrou uma fase de treinamento mais rápida que a versão original (AU)

• Processo FAPESP: 10/12697-8 - Implementação do Algoritmo de Treinamento do Classificador Floresta de Caminhos Ótimos em GPU
• Beneficiário: Adriana Sayuri Iwashita
• Modalidade de apoio: Bolsas no Brasil - Mestrado