GANHO DE DESEMPENHO DO FEMA UTILIZANDO PROGRAMAÇÃO PARALELA E ÁRVORES DE PARTICIONAMENTO ESPACIAL

GANHO DE DESEMPENHO DO FEMA UTILIZANDO PROGRAMAÇÃO PARALELA E ÁRVORES DE PARTICIONAMENTO ESPACIAL

Show other versions (1)

O presente estudo apresenta a  utilização de estruturas de dados e GPU como uma melhoria de desempenho do algoritmo de classificação FEMa. Primeiramente, à partir de um datasets  é criada uma árvore de partição binária do tipo Kd-Tree e após sua construção, aplicado o algoritmo de busca dos K vizin...

Full description

Bibliographic Details
Main Authors: Carlos Adriano Miranda, Silvio Carro, Danillo Roberto Pereira
Format: Article
Language:Portuguese
Published: Universidade do Oeste Paulista 2019-07-01
Series:Colloquium Exactarum
Subjects:
FEMa, GPU, Kd-Tree, K-NN
Online Access:http://revistas.unoeste.br/index.php/ce/article/view/3166
id doaj-b9dd69bff88f4b63939143d21019498f
record_format Article
spelling doaj-b9dd69bff88f4b63939143d21019498f2021-04-03T14:42:33ZporUniversidade do Oeste PaulistaColloquium Exactarum2178-83322019-07-01112GANHO DE DESEMPENHO DO FEMA UTILIZANDO PROGRAMAÇÃO PARALELA E ÁRVORES DE PARTICIONAMENTO ESPACIALCarlos Adriano Miranda 0Silvio Carro1Danillo Roberto Pereira2Universidade do Oeste Paulista - UnoesteUniversidade do Oeste Paulista - UnoesteFaculdade de Informática de Presidente Prudente (FIPP) – Unoeste O presente estudo apresenta a  utilização de estruturas de dados e GPU como uma melhoria de desempenho do algoritmo de classificação FEMa. Primeiramente, à partir de um datasets  é criada uma árvore de partição binária do tipo Kd-Tree e após sua construção, aplicado o algoritmo de busca dos K vizinhos mais próximos (K-NN) na Kd-Tree para cada amostra de teste apresentada na fase de classificação. Após ter o resultado da busca das amostras mais próximas, é feita a etapa de classificação do FEMa aplicando uma base dos Métodos dos Elementos Finitos (FEM), para trazer o resultado. Outra abordagem é utilizar códigos CUDA no algoritmo do FEMa, para que o mesmo seja paralelizado e executado em GPU’s, para obter um ganho de desempenho no tempo de execução. http://revistas.unoeste.br/index.php/ce/article/view/3166FEMa, GPU, Kd-Tree, K-NN
collection DOAJ
language Portuguese
format Article
sources DOAJ
author Carlos Adriano Miranda
Silvio Carro
Danillo Roberto Pereira
spellingShingle Carlos Adriano Miranda
Silvio Carro
Danillo Roberto Pereira
GANHO DE DESEMPENHO DO FEMA UTILIZANDO PROGRAMAÇÃO PARALELA E ÁRVORES DE PARTICIONAMENTO ESPACIAL
Colloquium Exactarum
FEMa, GPU, Kd-Tree, K-NN
author_facet Carlos Adriano Miranda
Silvio Carro
Danillo Roberto Pereira
author_sort Carlos Adriano Miranda
title GANHO DE DESEMPENHO DO FEMA UTILIZANDO PROGRAMAÇÃO PARALELA E ÁRVORES DE PARTICIONAMENTO ESPACIAL
title_short GANHO DE DESEMPENHO DO FEMA UTILIZANDO PROGRAMAÇÃO PARALELA E ÁRVORES DE PARTICIONAMENTO ESPACIAL
title_full GANHO DE DESEMPENHO DO FEMA UTILIZANDO PROGRAMAÇÃO PARALELA E ÁRVORES DE PARTICIONAMENTO ESPACIAL
title_fullStr GANHO DE DESEMPENHO DO FEMA UTILIZANDO PROGRAMAÇÃO PARALELA E ÁRVORES DE PARTICIONAMENTO ESPACIAL
title_full_unstemmed GANHO DE DESEMPENHO DO FEMA UTILIZANDO PROGRAMAÇÃO PARALELA E ÁRVORES DE PARTICIONAMENTO ESPACIAL
title_sort ganho de desempenho do fema utilizando programação paralela e árvores de particionamento espacial
publisher Universidade do Oeste Paulista
series Colloquium Exactarum
issn 2178-8332
publishDate 2019-07-01
description O presente estudo apresenta a  utilização de estruturas de dados e GPU como uma melhoria de desempenho do algoritmo de classificação FEMa. Primeiramente, à partir de um datasets  é criada uma árvore de partição binária do tipo Kd-Tree e após sua construção, aplicado o algoritmo de busca dos K vizinhos mais próximos (K-NN) na Kd-Tree para cada amostra de teste apresentada na fase de classificação. Após ter o resultado da busca das amostras mais próximas, é feita a etapa de classificação do FEMa aplicando uma base dos Métodos dos Elementos Finitos (FEM), para trazer o resultado. Outra abordagem é utilizar códigos CUDA no algoritmo do FEMa, para que o mesmo seja paralelizado e executado em GPU’s, para obter um ganho de desempenho no tempo de execução.
topic FEMa, GPU, Kd-Tree, K-NN
url http://revistas.unoeste.br/index.php/ce/article/view/3166
work_keys_str_mv AT carlosadrianomiranda ganhodedesempenhodofemautilizandoprogramacaoparalelaearvoresdeparticionamentoespacial
AT silviocarro ganhodedesempenhodofemautilizandoprogramacaoparalelaearvoresdeparticionamentoespacial
AT danillorobertopereira ganhodedesempenhodofemautilizandoprogramacaoparalelaearvoresdeparticionamentoespacial
_version_ 1721544185621774336

Similar Items