Proposição de uma arquitetura para árvores de decisão orientada a notificações - ADON

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorSimão, Jean Marcelo-
Autor(es): dc.contributorhttps://orcid.org/0000-0002-2139-1261-
Autor(es): dc.contributorhttp://lattes.cnpq.br/3593420323268103-
Autor(es): dc.contributorLinhares, Robson Ribeiro-
Autor(es): dc.contributorhttps://orcid.org/0000-0002-4256-3819-
Autor(es): dc.contributorhttp://lattes.cnpq.br/0625140430173288-
Autor(es): dc.contributorLazzaretti, André Eugênio-
Autor(es): dc.contributorhttps://orcid.org/0000-0003-1861-3369-
Autor(es): dc.contributorhttp://lattes.cnpq.br/7649611874688878-
Autor(es): dc.contributorOliveira, Andre Schneider de-
Autor(es): dc.contributorhttps://orcid.org/0000-0002-8295-366X-
Autor(es): dc.contributorhttp://lattes.cnpq.br/4006878042502781-
Autor(es): dc.contributorFröhlich, Antonio Augusto Medeiros-
Autor(es): dc.contributorhttps://orcid.org/0000-0002-4063-1339-
Autor(es): dc.contributorhttp://lattes.cnpq.br/7644756660823271-
Autor(es): dc.contributorPanetto, Hervé-
Autor(es): dc.contributorhttps://orcid.org/0000-0002-5537-2261-
Autor(es): dc.contributorhttp://lattes.cnpq.br/8951585800896455-
Autor(es): dc.contributorStadzisz, Paulo Cézar-
Autor(es): dc.contributorhttps://orcid.org/0000-0003-2151-6754-
Autor(es): dc.contributorhttp://lattes.cnpq.br/5203792575176289-
Autor(es): dc.creatorPordeus, Leonardo Faix-
Data de aceite: dc.date.accessioned2025-08-29T11:57:28Z-
Data de disponibilização: dc.date.available2025-08-29T11:57:28Z-
Data de envio: dc.date.issued2025-02-17-
Data de envio: dc.date.issued2025-02-17-
Data de envio: dc.date.issued2024-12-18-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/35988-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1086374-
Descrição: dc.descriptionThe increasing complexity of machine learning models requires evolving computing systems towards more efficient processing capabilities in terms of resource utilisation, energy consumption, and performance. This need has motivated research and the development of specialised hardware solutions to support those models. Due to their acceleration potential, a set of literature research focuses on implementing decision tree algorithms, namely ensemble methods, such as Random Forest and Gradient Boosting, on reconfigurable logic devices (FPGAs). However, the limited size of these platforms restricts the number of decision trees that can be allocated, compromising the algorithm’s efficiency and hardware performance. In addition, the structural and temporal redundancies inherent in these algorithm’s evaluations lead to inefficiencies in execution time and FPGA hardware synthesis size. These inefficiencies occur mainly due to decision tree structures composed essentially of ‘ifthen’ logical evaluations that require repeated assessment at various tree nodes. However, these algorithms would be especially suitable for benefiting from the concepts and properties of the Notification Oriented Paradigm (NOP), which avoids such redundancies and, moreover, allows fine-grained parallelism in FPGA. This thesis proposes the Notification-Oriented Decision Tree Architecture (NODTA), a novel architecture that integrates NOP principles for decision tree composition and execution, particularly emphasising Random Forest and Gradient Boosting. NODTA implements a unique notification chaining mechanism by adapting and extending NOP concepts. Its digital hardware implementation, NODTA-DH, presents enhanced inference acceleration and hardware efficiency. Experiments comparing the NODTADH performance against current state-of-the-art hardware implementation of decision trees, specifically using the open-source hls4ml library, present significant improvements. In this scenario, NODTA-DH’s logical model eliminates the redundancies in decision tree algorithms and achieves up to 70.5% reduction in LUT usage and 94.8% in FF requirements. Moreover, the inference phase showed a 13.02 times performance improvement through reduced processing time and enhanced classification rates. These results establish NODTA-DH as a viable solution for hardware implementation of decision tree-based algorithms, offering better performance and resource utilisation.-
Descrição: dc.descriptionO aumento da complexidade dos modelos de machine learning tem exigido uma evolução dos sistemas computacionais associados, no que diz respeito a processamento mais eficiente, em termos de uso de recursos, consumo de energia e desempenho. Essa necessidade tem motivado pesquisas e o desenvolvimento de soluções especializadas para suportar tais modelos diretamente em hardware. Neste contexto, a execução de modelos baseados em algoritmos de árvores de decisão e derivados do tipo ensemble, como Random Forest e Gradient Boosting, em dispositivos de lógica reconfigurável (FPGAs) é alvo destas pesquisas dado o seu potencial de aceleração. No entanto, o tamanho limitado dessas plataformas restringe a quantidade de árvores de decisão que podem ser alocadas, comprometendo a eficiência e o desempenho destes algoritmos em hardware. Isto se agrava com o fato de que as avaliações presentes nestes algoritmos frequentemente apresentam importantes redundâncias estruturais e temporais, que resultam em ineficiência em relação ao tempo de execução e ao tamanho do hardware a ser sintetizado nos dispositivos FPGAs. Esta característica ocorre principalmente devido às estruturas das árvores de decisão compostas essencialmente por avaliações lógicas do tipo ‘se-então’, que são repetidamente reavaliadas em diferentes pontos da árvore. Entretanto, esses algoritmos seriam especialmente propícios para se beneficiar dos conceitos e propriedades do Paradigma Orientado a Notificações (PON) que evitam tais redundâncias e, ademais, permitem paralelismo fino em FPGA. Esta tese propõe a Arquitetura para Árvores de Decisão Orientada a Notificações (ADON), uma arquitetura distinta que integra os princípios do PON para a composição e execução de árvores de decisão, com destaque para Random Forest e Gradient Boosting. A ADON, a partir da conformação e ampliação de conceitos oriundos do PON, tem um encadeamento próprio de notificações, permitindo a sua implementação e validação em hardware digital, em forma denominada de ADON-HD, alcançando a aceleração do processo de inferência e melhor uso do hardware. Experimentos realizados comparam o desempenho da implementação da ADON-HD em relação ao estado da arte de execução de árvores de decisão em hardware, precisamente utilizando a biblioteca open-source hls4ml. Neste cenário, foi verificado que inclusive devido à sua capacidade de eliminação das redundâncias presentes nos algoritmos de árvores de decisão, o uso da ADON-HD permitiu a redução da quantidade de recursos de hardware de até 70,5% menos LUTs e 94,8% menos Ffs, além da melhora no desempenho de até 13,02 vezes na fase de inferência pela diminuição do tempo de processamento e aumento na taxa de classificação. A partir dos resultados obtidos, a ADON-HD é confirmada como uma alternativa promissora para a execução dos algoritmos derivados de árvores de decisão em hardware, proporcionando um melhor desempenho e uso dos recursos disponíveis.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherCuritiba-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherPrograma de Pós-Graduação em Engenharia Elétrica e Informática Industrial-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttp://creativecommons.org/licenses/by/4.0/-
Palavras-chave: dc.subjectProgramação paralela (Computação)-
Palavras-chave: dc.subjectArquitetura de computador-
Palavras-chave: dc.subjectÁrvores de decisão-
Palavras-chave: dc.subjectArranjos de lógica programável em campo-
Palavras-chave: dc.subjectAprendizado do computador-
Palavras-chave: dc.subjectAlgoritmo de boosting-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectParallel programming (Computer science)-
Palavras-chave: dc.subjectComputer architecture-
Palavras-chave: dc.subjectDecision trees-
Palavras-chave: dc.subjectField programmable gate arrays-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectBoosting (Algorithms)-
Palavras-chave: dc.subjectNeural networks (Computer science)-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO-
Palavras-chave: dc.subjectEngenharia Elétrica-
Título: dc.titleProposição de uma arquitetura para árvores de decisão orientada a notificações - ADON-
Título: dc.titleProposal of a notification-oriented decision tree architecture - NODTA-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.