چکیده مقاله
دستگاه یادگیری افراطی ELM در طول دهه گذشته به دلیل کارآیی بالا، کارآمدی و پیاده سازی آسان مورد بحث و بررسی قرار گرفت ELM یک الگوریتم طبقه بندی است که برای اجرا بر روی بستر پردازنده گرافیکی GPU بسیار مناسب است بنابراین ELM را می توان از نظر عملکرد ماتریس بیان کرد که از GPU حداکثر بهره را می گیرد در این مقاله ما به اجرای چارچوبی برای تسریع آموزش و طبقه بندی ELM در GPU می پردازیم در این مقاله از شش مجموعه داده برای آموزش و آزمون الگوریتم ELM استفاده شده است نتایج نشان می دهد پیاده سازی این الگوریتم بر روی پردازنده گرافیکی با بستر برنامه نویسی CUDA در مقایسه با پیاده سازی الگوریتم ترتیبی بر روی پردازنده با بستر برنامه نویسی C، حدود 2 تا 8 برابر سریعتر است
کلیدواژهها
نویسندگان
آرزو مرادی چگنی
دانشجوی کارشناسی ارشد بخش مهندسی کامپیوتر، دانشگاه شهید باهنر کرمان، کرمان، ایران
بهنام قوامی
عضو هیئت علمی بخش مهندسی کامپیوتر، دانشگاه شهید باهنر کرمان، کرمان، ایران
مهدی افتخاری
عضو هیئت علمی بخش مهندسی کامپیوتر، دانشگاه شهید باهنر کرمان، کرمان، ایران
شیوه ارجاع
مرادی چگنی، آرزو و قوامی، بهنام و افتخاری، مهدی،1398،تسریع الگوریتم یادگیری افراطی با استفاده از پردازنده گرافیکی و بستر نرم افزاری CUDA،هشتمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات،بابل
ارائهشده در
مجموعه مقالات هشتمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات21 آذر 1398 · بابل