Оценка времени выполнения программ на новых архитектурах (Алексей Сиднев, SECR-2014) — различия между версиями
Материал из 0x1.tv
StasFomin (обсуждение | вклад) (Batch edit: replace PCRE \{\{youtubelink\|([^\}]*)\}\} with {{youtubelink|\1}}{{letscomment}}) |
StasFomin (обсуждение | вклад) (Batch edit: replace PCRE (\n\n)+(\n) with \2) |
||
(не показано 17 промежуточных версий этого же участника) | |||
== Аннотация == ;Докладчик: {{Speaker|Алексей Сиднев}} <blockquote> Формулируется задача оценки времени выполнения алгоритма в зависимости от переданных параметров и характеристик вычислительной системы, на которой предполагается запуск. Предлагается двухшаговый метод решения поставленной задачи с применением линейного и нелинейного методов восстановления регрессии. Приводится сравнительный анализ результатов предсказания времени решения некоторых задач линейной алгебры на 84 вычислительных системах с использованием ряда алгоритмов машинного обучения. Использование случайного леса в сочетании с методом наименьших квадратов показывает погрешность оценки менее 15% для большинства вычислительных систем близких архитектур. </blockquote> == Видео == {{vimeoembed|111677429|800|450}} {{youtubelink|cMmrUl_fCg0}}{{letscomment}} <!-- pollholder --> == Слайды == [[File:Оценка времени выполнения программ на новых архитектурах (Алексей Сиднев, SECR-2014).pdf|left|page=-|256px]] {{----}} == Примечания и отзывы == <!-- <blockquote>[©]</blockquote> --> * [http://2014.secrus.ruorg/lang/ru/program/submitted-presentations/runtime-prediction-on-new-architectures Страница доклада на сайте конференции] <references/> <!-- --> [[Категория:SECR-2014]] [[Категория:Data Analysis]] [[Категория:Оптимизация приложения]] {{stats|disqus_comments=0|refresh_time=2018-10-11T00:29:2021-08-31T17:48:25.420949.128951|vimeo_comments=0|vimeo_plays=26|youtube_comments=0|youtube_plays=9}}12}} |
Текущая версия на 12:22, 4 сентября 2021
Содержание
Аннотация
- Докладчик
- Алексей Сиднев
Формулируется задача оценки времени выполнения алгоритма в зависимости от переданных параметров и характеристик вычислительной системы, на которой предполагается запуск.
Предлагается двухшаговый метод решения поставленной задачи с применением линейного и нелинейного методов восстановления регрессии.
Приводится сравнительный анализ результатов предсказания времени решения некоторых задач линейной алгебры на 84 вычислительных системах с использованием ряда алгоритмов машинного обучения.
Использование случайного леса в сочетании с методом наименьших квадратов показывает погрешность оценки менее 15% для большинства вычислительных систем близких архитектур.
Видео
Посмотрели доклад? Понравился? Напишите комментарий! Не согласны? Тем более напишите.
Слайды
Примечания и отзывы
Plays:38
Comments:0