Горбунов И.В. Сарин К.С.
Диспетчер многопоточной оптимизации нечетких аппроксиматоров
Докладчик: Горбунов И.В.
Нечеткие аппроксиматоры могут быть реализованы в виде параллельных вычислений. Каждое правило аппроксиматора может вычисляться независимо от других [1].
Нечеткие аппроксиматоры строятся на основе алгоритмов машинного обучения, выполнение указанных алгоритмов занимает значительное время. Параллельные варианты алгоритмов оптимизации существуют или разрабатываются. Но при одновременной работе группы параллельных вариантов алгоритмов, требуется учесть взаимное влияние их вычисления.
Предложен диспетчер многопоточной оптимизации на основе оригинальных правил и способ автоматического формирования данных правил. В условной части правил диспетчера указывается производитель, семейство процессоров архитектуры x86 (x86-64) и тип выполняемой задачи. Output of rules is a vector of names implementations for each algorithm optimization.
Работа выполнена при финансовой поддержке Министерства образования и науки РФ в рамках базовой части государственного задания ТУСУР на 2015 год (проект № 3657).
ЛИТЕРАТУРА
1. Nojima Y., Mihara S., Ishibuchi H. Parallel Distributed Implementation of Genetics-Based Machine Learning for Fuzzy Classifier Design / // Simulated Evolution and Learning. 2010. V. 6457. P. 309-318.
К списку докладов