PDF

دانلود پایان نامه : بررسی تسریع در یادگیری ماشینی با استفاده از رایانش موازی

 اگر دانشجو و یا محقق هستید با پایان نامه های انگلیسی و جدید سایت پروجکت دانلود می توانید سریع , راحت و حرفه ای تر مقالات و پروژه های خود را تالیف کنید ! پروجکت دانلود , جدیدترین پروژه ها , مقالات , پایان نامه ها و تز های مقاطع مختلف تحصیلی از بهترین دانشگاههای جهان را برای شما فراهم می کند . در این مطلب با دانلود متن کامل پایان نامه انگلیسی : بررسی تسریع در یادگیری ماشینی با استفاده از رایانش موازی همراه شما هستیم .
.

موضوع : متن کامل پایان نامه انگلیسی : بررسی تسریع در یادگیری ماشینی با استفاده از رایانش موازی

رشته : کامپیوتر و برنامه نویسی – نرم افزار و سخت افزار – هوش مصنوعی

سال انتشار : 2021

زبان : انگلیسی

مقطع :  دکتری

چکیده  (ترجمه ماشینی ) :

محققان  تحقیقاتی را در زمینه طبقه بندی تصاویر در سه دسته مختلف ، چهره ها ، نشانه ها و اشیا from حاصل از داده های EEG انجام داده اند [1]. محققان از SVM (ماشین بردار پشتیبانی) برای طبقه بندی بین سه دسته مختلف استفاده کردند [2 ، 3]. اسکریپت هایی که برای محاسبه این مورد نوشته شده اند ، به شدت موازی می شوند و می توانند به طور بالقوه بهینه شوند تا محاسبات را خیلی سریعتر انجام دهند. متن اصلی در MATLAB نوشته شده است که یک نرم افزار مناسب است و محبوب ترین زبان برای یادگیری ماشین نیست. هدف این پروژه ترجمه کد MATLAB در پروژه Lund فوق الذکر به پایتون و انجام بهینه سازی و موازی سازی کد ، به منظور کاهش زمان اجرا است. با انتقال بسیاری از علوم داده به پایتون نیز ، درک مهم تفاوت های MATLAB و Python و نحوه ترجمه کد MATLAB به پایتون ، این یک بخش اساسی در این پروژه بود. به جز اسکریپت های پیش پردازش ، همه اسکریپت های اصلی MATLAB به پایتون ترجمه شدند. اسکریپت های ترجمه شده پایتون برای سرعت بهینه سازی شده و موازی می شوند تا زمان اجرا حتی بیشتر کاهش یابد. دو پیاده سازی عمده موازی از متن های پایتون انجام شد. یک اجرای موازی با استفاده از چارچوب Ray برای محاسبه در ابر انجام شد [4]. اجرای موازی دیگر با استفاده از شتاب دهنده ، چارچوبی برای محاسبه با استفاده از موضوعات محلی انجام شد [5]. پس از ترجمه ، کد در مقابل نتایج اصلی مورد آزمایش قرار گرفت و از نظر اشتباهات کلیدی ، از قبیل عملکردهایی که اجرای آنها مدتها بی نیاز از زمان طولانی بود ، نمایه شد. پس از بهینه سازی ، اسکریپت تک رشته دوازده برابر سریعتر از متن اصلی MATLAB بود. زمان اعدام نهایی حدود 12-15 دقیقه بود ، در حالی که معیار 48 ساعته 200 برابر سریعتر است. معیار کد اصلی از تکرارهای کمتری نسبت به محققان استفاده کرده و باعث کاهش زمان محاسبه از یک هفته به 48 ساعت می شود. نتایج این پروژه اهمیت یادگیری و آموزش پروفایل اولیه کد آرام را برجسته می کند. اگرچه در این پروژه کاملاً در نظر گرفته نشده است ، اما انجام تحلیل پیچیدگی کد نیز مهم است. کارهای آینده شامل تجزیه و تحلیل پیچیدگی عمیق تری در سطح بالا و پایین است ، زیرا زبان سطح بالا مانند پایتون به شدت به ماژول های دارای کد سطح پایین متکی است. کارهای آینده همچنین شامل تجزیه و تحلیل عمیق کد منبع NumPy است ، زیرا کد فعلی عمدتاً به NumPy متکی است و گلوگاه این پروژه را نشان می دهد.
لینک دانلود پس از خرید نمایش داده خواهد شد
40,000 تومان – خرید

دیدگاهتان را بنویسید