Akcelerace klasifikačních algoritmů založených na SVM pomocí grafických karet

Klášterka, Milan

Full metadata record

DC pole	Hodnota	Jazyk
dc.contributor.advisor	Vaněk, Jan
dc.contributor.author	Klášterka, Milan
dc.contributor.referee	Campr, Pavel
dc.date.accepted	2014-06-17
dc.date.accessioned	2015-03-25T09:24:49Z	-
dc.date.available	2013-09-23	cs
dc.date.available	2015-03-25T09:24:49Z	-
dc.date.issued	2014
dc.date.submitted	2014-05-16
dc.identifier	58331
dc.identifier.uri	http://hdl.handle.net/11025/12334
dc.description.abstract	Úkolem této práce je implementace trénování a klasifikace SVM klasifikátorů na GPU. Je zde nastíněn úvod do programování v jazyce CUDA C, který je také použit pro realizaci klasifikátoru se čtyřmi běžně používanými typy kernel funkcí, tedy lineární, polynomiální, RBF a tangenciální. Dále je popsán moderní a velmi rychlý algoritmus trénování SVM klasifikátorů - SMO. Dalším úkolem je porovnání výsledků a časů běhu s veřejně dostupnými implementacemi SVM na GPU a dále ještě s balíkem LIBSVM. Důležitou součástí této práce je optimalizace implementovaného klasifikátoru v programovacím jazyce CUDA C.	cs
dc.format	52 s.	cs
dc.format.mimetype	application/pdf
dc.language.iso	cs	cs
dc.publisher	Západočeská univerzita v Plzni	cs
dc.rights	Plný text práce je přístupný bez omezení.	cs
dc.subject	SVM trénování	cs
dc.subject	SVM klasifikace	cs
dc.subject	lineární kernel funkce	cs
dc.subject	polynomiální kernel funkce	cs
dc.subject	RBF kernel funkce	cs
dc.subject	tangenciální kernel funkce	cs
dc.subject	NVIDIA CUDA C	cs
dc.subject	paralelní programování na GPU	cs
dc.title	Akcelerace klasifikačních algoritmů založených na SVM pomocí grafických karet	cs
dc.title.alternative	Acceleration of SVM-based classification algorithms on GPUs	en
dc.type	diplomová práce	cs
dc.thesis.degree-name	Ing.	cs
dc.thesis.degree-level	Navazující	cs
dc.thesis.degree-grantor	Západočeská univerzita v Plzni. Fakulta aplikovaných věd	cs
dc.description.department	Katedra kybernetiky	cs
dc.thesis.degree-program	Aplikované vědy a informatika	cs
dc.description.result	Obhájeno	cs
dc.rights.access	openAccess	en
dc.description.abstract-translated	The goal of this work is an implementation of training and prediction of SVM classifiers on GPU. There is a brief introduction to the CUDA C programming language, which is also used for the implementation of a classifier with four commonly used types of kernel functions, linear, polynomial, RBF and tangential. Next goal is description of modern and very fast algorithm for training of SVM classifiers - SMO. Another challenge is the comparison of run times and the classification results with freely available libraries for SVM classifiers using GPU and LIBSVM toolbox. An integral part of this work is to optimize the classifier implemented in the CUDA C programming language	en
dc.subject.translated	SVM training	en
dc.subject.translated	SVM classification	en
dc.subject.translated	linear kernel function	en
dc.subject.translated	polynomial kernel function	en
dc.subject.translated	Gaussian RBF	en
dc.subject.translated	hyperbolic tangent function	en
dc.subject.translated	NVIDIA CUDA C	en
dc.subject.translated	parallel programming on GPU	en
Vyskytuje se v kolekcích:	Diplomové práce / Theses (KKY)

Soubory připojené k záznamu:

Soubor	Popis	Velikost	Formát
Diplomova_prace_dokument.pdf	Plný text práce	797,75 kB	Adobe PDF	Zobrazit/otevřít
Klasterka-v.pdf	Posudek vedoucího práce	2,98 MB	Adobe PDF	Zobrazit/otevřít
Klasterka-o.pdf	Posudek oponenta práce	4,48 MB	Adobe PDF	Zobrazit/otevřít
Klasterka-p.pdf	Průběh obhajoby práce	1,19 MB	Adobe PDF	Zobrazit/otevřít

Zobrazit minimální záznam Zobrazit statistiky

Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/12334

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.

hledání

navigace