文献

J-GLOBAL ID：201802286610765186   整理番号：18A0517875

アーキテクチャ高感度性能ヒューリスティックスの自動生成に対する機械学習アプローチ【Powered by NICT】

A Machine Learning Approach to Automatic Creation of Architecture-Sensitive Performance Heuristics

著者 (4件)： Saha Biplab Kumar ,  Connors Tiffany A. ,  Rahman Saami ,  Qasem Apan
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： HPCC/SmartCity/DSS  ページ： 18-25  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 機械学習に基づく方法における最近の関心は,性能モデリングと最適化のための多くの洗練されたモデルを生成した。これらのモデルは,目標プラットフォーム上で訓練された場合に,下にある構造のパラメータに敏感である,従って最高の予測精度を生成する傾向がある。分類器が,訓練はかなりが関係するプロセスであり,そのようなモデルのエンドユーザが持ち得ないかもしれないことを統計と機械学習の知識を必要とする。本論文では,機械学習に基づく性能モデルを自動的に生成するための新しいフレームワークを提案した。ツールチェーンはサンプル生成,動的特徴抽出,特徴選択,データ表示,検証とハイパーパラメータ調整のための自動機構を提供することを開発した。はこのシステムの設計と実装を述べ,GPUカーネルのレジスタ割当のための学習の発見的方法を開発することによりその有効性を実証した。結果は自動生成モデルは,最新の最適化コンパイラにより生成された穀粒上での整数因子性能改善をもたらすことをレジスタしきい値を予測することができることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *機械学習 ,  *発見的方法 ,  特徴抽出 ,  最適化 ,  レジスタ ,  特徴選択 ,  モデル ,  *計算機アーキテクチャ ,  *高感度
準シソーラス用語： 最適化コンパイラ ,  レジスタ割当 ,  ハイパーパラメータ ,  性能モデル ,  予測精度 ,  *自動生成 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： アーキテクチャ ,  高感度 ,  ヒューリスティックス ,  自動生成 ,  機械学習