Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidad Católica San Pablo | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (Unesp) | - |
Autor(es): dc.contributor | Universidade Estadual de Campinas (UNICAMP) | - |
Autor(es): dc.creator | Culquicondor, Aldo | - |
Autor(es): dc.creator | Baldassin, Alexandro [UNESP] | - |
Autor(es): dc.creator | Castelo-Fernández, Cesar | - |
Autor(es): dc.creator | de Carvalho, João P.L. | - |
Autor(es): dc.creator | Papa, João Paulo [UNESP] | - |
Data de aceite: dc.date.accessioned | 2022-02-22T00:34:19Z | - |
Data de disponibilização: dc.date.available | 2022-02-22T00:34:19Z | - |
Data de envio: dc.date.issued | 2020-12-11 | - |
Data de envio: dc.date.issued | 2020-12-11 | - |
Data de envio: dc.date.issued | 2020-06-14 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.neucom.2018.10.115 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/201723 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/201723 | - |
Descrição: dc.description | In this work, we propose and analyze parallel training algorithms for the Optimum-Path Forest (OPF) classifier. We start with a naïve parallelization approach where, following traditional sequential training that considers the supervised OPF, a priority queue is used to store the best samples at each learning iteration. The proposed approach replaces the priority queue with an array and a linear search aiming at using a parallel-friendly data structure. We show that this approach leads to less competition among threads, thus yielding a more temporal and spatial locality. Additionally, we show how the use of vectorization in distance calculations affects the overall speedup and also provide directions on the situations one can benefit from that. The experiments are carried out on five public datasets with a different number of samples and features on architectures with distinct levels of parallelism. On average, the proposed approach provides speedups of up to 11.8 × and 26 × in a 24-core Intel and 64-core AMD processors, respectively. | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | Universidad Católica San Pablo | - |
Descrição: dc.description | UNESP – São Paulo State University | - |
Descrição: dc.description | Institute of Computing University of Campinas | - |
Descrição: dc.description | UNESP – São Paulo State University | - |
Descrição: dc.description | FAPESP: #2013/07375-0 | - |
Descrição: dc.description | FAPESP: #2014/12236-1 | - |
Descrição: dc.description | FAPESP: #2014/16250-9 | - |
Descrição: dc.description | FAPESP: #2016/15337-9 | - |
Descrição: dc.description | FAPESP: #2016/19403-6 | - |
Descrição: dc.description | FAPESP: #2017/03940-5 | - |
Descrição: dc.description | CNPq: #306166/2014-3 | - |
Descrição: dc.description | CNPq: #307066/2017-7 | - |
Descrição: dc.description | CAPES: 2966/2014 | - |
Formato: dc.format | 259-268 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Neurocomputing | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Graph algorithms | - |
Palavras-chave: dc.subject | Optimum-path forest | - |
Palavras-chave: dc.subject | Parallel algorithms | - |
Título: dc.title | An efficient parallel implementation for training supervised optimum-path forest classifiers | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: