抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
カーネルマトリックスベクトル乗算(KMVM)は,機械学習と科学的コンピューティングにおける基礎操作である。しかしながら,KMVMはメモリと時間の両方で二次的にスケールする傾向があるので,アプリケーションはしばしばこれらの計算制約によって制限される。本論文では,高 ̄(10 ̄8 ̄8≦10 ̄9)および皮膚 ̄(D≦7)データに対するKMVMのこれらのスケーリング問題に取り組むために,新しい近似手順coinedFaster-Fastおよび自由メモリ法(f3m)を提案した。広範な実験は,f3mが,次数10 ̄-3の相対誤差で,経験的線形時間とメモリ複雑性を有し,そして,既存のCPU法と比較して,大きなスピードアップをもたらす,高エンドGPUの下で10億ポイントで,完全なKMVMを計算することができることを証明した。最先端のGPUベース線形ソルバFALKONに対するドロップインとしての適用により,精度の<1%のドロップのコストを1.5~5.5倍改善した。さらに,多様な実世界データセット上で重要な高速化と結合したGaussプロセス回帰に関する競合結果を示した。【JST・京大機械翻訳】