文献

J-GLOBAL ID：201902210505798071   整理番号：19A1386224

GPU上の効率的なマルチクラス確率的SVM【JST・京大機械翻訳】

Efficient Multi-Class Probabilistic SVMs on GPUs

著者 (5件)： Wen Zeyi (National University of Singapore) ,  Shi Jiashuai (South China University of Technology) ,  He Bingsheng (National University of Singapore) ,  Chen Jian (South China University of Technology) ,  Chen Yawen (South China University of Technology)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICDE  ページ： 2119-2120  発行年： 2019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： 確率的出力(MP-SVM)を有するマルチクラスSVMはパターン認識における重要な技術である。MP-SVMのための効率的GPU加速のための2つの重要な課題は以下の通りである。(i)多くのカーネル値は,反復的に訓練された二値SVM分類器として繰り返し計算され,高待ち時間GPUメモリへの反復アクセスをもたらす。(ii)訓練を実行するか,あるいは並列に確率を推定することは,GPUメモリよりもはるかに大きなメモリフットプリントを必要とする。課題を克服するために,著者らは,バッチ処理,計算/データ再利用および共有を通して,高い待ち時間メモリアクセスおよびメモリ消費を低減するために,GMP-SVMを提案した。実験結果は,著者らの解(https://github.com/Xtra-Computing/thundersvmで利用可能)が,同じ精度を保持しながら,100倍のLibSVMより優れていることを示した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 待ち時間 ,  バッチ処理 ,  パターン認識 ,  *記憶装置
準シソーラス用語： メモリアクセス ,  データ再利用 ,  フットプリント ,  情報へのアクセス ,  SVM分類 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： GPU ,  マルチ ,  クラス ,  確率 ,  SVM