文献

J-GLOBAL ID：201902219746545086   整理番号：19A0034077

ビッグデータに対する機能的異種プロセッサ親和性特性化:機械学習アプローチに向けて【JST・京大機械翻訳】

Functional Heterogeneous Processor Affinity Characterization to Big Data: Towards Machine Learning Approach

著者 (3件)： Alareqi Ebrahim ,  Ramesh Tirumale ,  Abed Khalid
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CSCI  ページ： 1432-1436  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： 機能的に多様なデバイス(GPP,GPU,FPGA,ASICおよびDSP)に基づく異種プロセッサは,異なるタイプの大規模データ処理に対する親和性を提供する可能性がある。本論文では,このような機能的に多様なデバイスベースの不均一系の親和性キャラクタリゼーションを開発した。しかし,そのような特性化を抽出することは,大量のノードに対して計算的に集中的で,むしろ遅い。最初に,2~15のスピードアップと30~35%のエネルギーの削減を示す一般的な親和性マッピングアプローチを開発した。著者らは,異種の不均一コンピューティングシステムからの訓練データを用いて予測性能を評価することによって,機械学習アプローチを評価して,親和性マッチングにおける改良を達成した。この機械学習アプローチを拡張して,機能的に多様化したプロセッサを用いて,いくつかのドメインを横切る大規模データアプリケーション間の包括的な親和性を開発することができる。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： *キャラクタリゼーション ,  不均一系 ,  ASIC ,  多様化 ,  応用プログラム ,  マッチング ,  FPGA ,  計算機システム ,  *親和性 ,  *機械学習 ,  *演算プロセッサ
準シソーラス用語： 予測性能 ,  訓練データ ,  大規模データ ,  *ビッグデータ , 【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)： ビッグデータ ,  プロセッサ ,  親和性 ,  特性化 ,  機械学習