A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Efficient Parallel Learning of Hidden Markov Chain Models on SMPs Aprendizagem paralela eficiente de modelos de cadeias de Markov ocultas em SMPs

Lei LI, Bin FU, Christos FALOUTSOS

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

CPUs quad-core têm sido uma configuração de desktop comum nos escritórios atuais. O número crescente de processadores em um único chip abre novas oportunidades para a computação paralela. Nosso objetivo é fazer uso de arquiteturas multinúcleo e multiprocessador para acelerar algoritmos de mineração de dados em grande escala. Neste artigo, apresentamos uma estrutura geral de aprendizagem paralela, Cortar e costurar, para treinar modelos de cadeias de Markov ocultas. Particularmente, propomos duas variantes específicas do modelo, CAS-LDS para aprendizagem de sistemas dinâmicos lineares (LDS) e CAS-HMM para aprendizagem de modelos ocultos de Markov (HMM). Nossa principal contribuição é um novo método para lidar com as dependências de dados devido à estrutura em cadeia de variáveis ​​ocultas, de modo a paralelizar o algoritmo de aprendizagem de parâmetros baseado em EM. Implementamos CAS-LDS e CAS-HMM usando OpenMP em dois supercomputadores e um desktop comercial quad-core. Os resultados experimentais mostram que algoritmos paralelos usando Cortar e costurar obtenha precisão comparável e acelerações quase lineares em relação à versão serial tradicional.

Publicação
IEICE TRANSACTIONS on Information Vol.E93-D No.6 pp.1330-1342
Data de publicação
2010/06/01
Publicitada
ISSN online
1745-1361
DOI
10.1587/transinf.E93.D.1330
Tipo de Manuscrito
Special Section INVITED PAPER (Special Section on Info-Plosion)
Categoria

autores

Palavra-chave