マルチノードGPU環境における高速kNN問合せ処理【JST・京大機械翻訳】

Barrientos Ricardo J.; Barrientos Ricardo J.; Riquelme Javier A.; Riquelme Javier A.; Hernandez-Garcia Ruber; Hernandez-Garcia Ruber; Navarro Cristobal A.; Soto-Silva Wladimir

文献

J-GLOBAL ID：202202289277246135 整理番号：22A0496717

マルチノードGPU環境における高速kNN問合せ処理【JST・京大機械翻訳】

Fast kNN query processing over a multi-node GPU environment

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A0496717&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A0496717&from=J-GLOBAL&jstjournalNo=T0418A") }}

著者 (8件)： , , , , , , ,
資料名：
巻： 78 号： 2 ページ： 3045-3071 発行年： 2022年
JST資料番号： T0418A ISSN： 0920-8542 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：ドイツ (DEU) 言語：英語 (EN)

kNN(k最近傍)探索は,現在,データマイニング,マルチメディア,情報検索,機械学習,パターン認識などの広範囲の応用に適用されている。この種の探索に対する解の大部分は,計量空間に制限され,低次元データの使用に限定されている。提案アルゴリズムは,値(または測度)の入力として利用し,その集合からK最低値を返し,計量および非計量空間あるいは高次元データベースから得た測度を用いて使用できる。本研究では,2つのステップからなるkNNクエリを解くために,新しいGPUベースの網羅的アルゴリズムを導入した。第1は,探索の範囲を低減するためのピボットに基づいており,第2のものは最終結果を回復するための補助構造として一組のヒープを使用する。また,このアルゴリズムを拡張し,マルチGPUプラットフォームとマルチノード/マルチGPUプラットフォームを使用することができる。最先端の技術文献を考慮して,本研究は,最も広範なデータベース(データ量に関して)を用いて,最大13189百万の要素を用いてkNNクエリを処理し,5ノード/20-GPUプラットフォームを使用するとき1843×までのスピードアップを達成した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , ,
, , , , 【Automatic Indexing@JST】

著者キーワード (5件)： , , , ,

人工知能 , データベースシステム , パターン認識 , その他のオペレーションズリサーチの手法

, , , , ,

前のページに戻る