Detail publikace
Effective Mapping of Grammatical Evolution to CUDA Hardware Model
Schwarz Josef, doc. Ing., CSc. (CK-SZZ)
GPU, grafické čipy, gramatická evoluce, CUDA, symbolická regrese, zrychlení, C
V několika publikacích bylo ukázáno, že symbolická regrese je vhodná pro analýzu a predikci časových řad ve finančnictví. Gramatická evoluce byla úspěšně použita pro řešení různých problémů, včetně symbolické regrese. Nicméně výkonnost této metody může omezovat oblast jejího nasazení. Tento článek se zabývá možností použít běžnou grafickou kartu pro akceleraci gramatické evoluce řešící symbolickou regresi. S ohledem na několik zmíněných omezení, jako jsou přenosová rychlost na PCI-express sběrnici a v hlavní paměti, jsme navrhli efektivní mapování tohoto algoritmu na CUDA framework. Výsledky ukazují, že pro větší počet regresních bodů dosahuje naše implementace 636 resp. 39x vyššího výkonu, než knihovna GEVA, resp. implementace v C. Ukazuje se tedy, že běžné GPU může, v případě správného použití, nabídnout zajimavé zrychlení pro řešení symbolické regrese Gramatickou evolucí.
@inproceedings{BUT76335,
author="Petr {Pospíchal} and Josef {Schwarz}",
title="Effective Mapping of Grammatical Evolution to CUDA Hardware Model",
booktitle="Proceedings of the 17th Conference Student EEICT 2011 Volume 3",
year="2011",
pages="574--578",
publisher="Brno University of Technology",
address="Brno",
isbn="978-80-214-4273-3",
url="https://www.fit.vut.cz/research/publication/9595/"
}