1 / 9

Paralelní algoritmy ve zpracování dat

Paralelní algoritmy ve zpracování dat. Výzkumný úkol:. Bc. Jan Hofta 2006 - 2007. cíle práce: získat základní přehled v oblastech genetických algoritmů, neuronových sítí a paralelizace seznámit se s projektem NNSU provést paralelizaci části kódu NNSU části práce:

raquel
Télécharger la présentation

Paralelní algoritmy ve zpracování dat

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Paralelní algoritmy ve zpracování dat Výzkumný úkol: Bc. Jan Hofta 2006 - 2007

  2. cíle práce: • získat základní přehled v oblastech genetických algoritmů, neuronových sítí a paralelizace • seznámit se s projektem NNSU • provést paralelizaci části kódu NNSU • části práce: • 1.kapitola: Genetické algoritmy • 2.kapitola: Neuronové sítě • 3.kapitola: Projekt NNSU a jeho paralelizace 2/9

  3. vycházejí z Darwinovy evoluční teorie, v matematice představují silný optimalizační nástroj • hrubá idea: • máme množinu (generaci) přípustných řešení úlohy (jedinců), každý jedinec je ohodnocený hodnotou fitness (jak moc je dobrým řešením úlohy) • tvoříme novou generaci, jedinci v ní vznikají: • křížením jedinců z minulé generace s vysokou fitness • náhodnými změnami těchto jedinců (mutacemi) • s přibývajícími generacemi průměrná hodnota fitness roste 3/9

  4. vycházejí z nervových soustav živočichů, široké uplatnění, např. jako separátor množin • sestávají z výpočetních jednotek (neuronů) Váhy jednotlivých vstupů Ano Vážená Σ vstupů Vstupy Ne Perceptron Vícevrstvá síť 4/9

  5. projekt UI AV ČR, řízený panem Ing. F. Haklem, CSc. s účastí mnoha doktorandů z naší katedry • univerzální separační nástroj, nejvhodnější neuronová síť k separaci se hledá pomocí genetických algoritmů • aplikace např. při detekci Higgsova bosonu v CERNu • nastavování a ohodnocování neuronových sítí, tedy jedinců v GA, výpočetně náročné => prostor pro paralelizaci 5/9

  6. celý program se skládá z pluginů, tedy modulů s částmi projektu • plugin GA od Ing. R. Kalouse zajišťuje fungování genetických algoritmů • je v něm vyřešeno: • kódování neuronových sítí pro GA • jejich ohodnocování • operace GA (výběr, křížení, mutace) • snaha vytvořit jeho paralelní verzi (použití jeho metod při paralelním nastavování a ohodnocování neuronových sítí) 6/9

  7. univerzální komunikační rozhraní pro paralelní programy s distribuovanou pamětí, od roku 1992 • v současnosti standardy MPI 1.1 (častěji používané) a MPI 2.1 (více funkcí) • spouští program ve více kopiích, každou ovládá jeden proces, ty si spolu navzájem vyměňují zprávy • standard nezávislý na programovacím jazyce, použito OpenMPI pro C/C++ 7/9

  8. MpopMem SpopMem MdtbFit SdtbFit Slave 1 MdtbProt Učící a testovací data Učící a test. data SpopMem Archiv m SpopMem SdtbFit SdtbFit Slave 2 Archiv f Učící a testovací data Slave struktury masteru Master • jeden proces master, ostatní slavy • master v každé generaci pošle jedince slavům k naučení a ohodnocení, ti mu vrací jejich fitness 8/9

  9. děkuji Vám za pozornost 9/9

More Related