dc.contributor.advisor | Mamalis, Basilis | |
dc.contributor.author | Κατσανδρής, Ευάγγελος | |
dc.date.accessioned | 2024-04-04T11:13:44Z | |
dc.date.available | 2024-04-04T11:13:44Z | |
dc.date.issued | 2024-03-22 | |
dc.identifier.uri | https://polynoe.lib.uniwa.gr/xmlui/handle/11400/6378 | |
dc.identifier.uri | http://dx.doi.org/10.26265/polynoe-6214 | |
dc.description.abstract | The objective of this thesis will be the design, development and evaluation of an efficient parallel SVM
classifier in a CUDA programming environment. The development of the above classifier will be done
using C/C++, while the evaluation will be performed in a real, modern environment using modern GPUs
(NVIDIA 1060 και NVIDIA RTX TITAN) and will include comparisons (latency, speedup and accuracy
of classification) with an equivalent sequential implementation. | el |
dc.format.extent | 86 | el |
dc.language.iso | en | el |
dc.publisher | Πανεπιστήμιο Δυτικής Αττικής | el |
dc.rights | Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές | * |
dc.rights.uri | https://creativecommons.org/licenses/by-nc-sa/4.0/deed.el | * |
dc.subject | SVM | el |
dc.subject | CUDA | el |
dc.subject | GPGPU | el |
dc.subject | Παράλληλος προγραμματισμός | el |
dc.subject | Κατηγοριοποίηση δεδομένων | el |
dc.subject | Parallel programming | el |
dc.subject | Data classification | el |
dc.title | Parallel classification using support vector machines on Mmodern GPUs | el |
dc.title.alternative | Παράλληλη κατηγοριοποίηση δεδομένων με χρήση μηχανών διανυσμάτων υποστήριξης (SVMs) σε περιβάλλον σύγχρονων καρτών γραφικών (GPUs) | el |
dc.type | Διπλωματική εργασία | el |
dc.contributor.committee | Karkazis, Panagiotis | |
dc.contributor.committee | Bogris, Adonis | |
dc.contributor.faculty | Σχολή Μηχανικών | el |
dc.contributor.department | Τμήμα Μηχανικών Πληροφορικής και Υπολογιστών | el |
dc.description.abstracttranslated | Αντικείμενο της διπλωματικής εργασίας θα είναι ο σχεδιασμός, ανάπτυξη και αξιολόγηση σε περιβάλλον
προγραμματισμού CUDA ενός αποδοτικού παράλληλων αλγορίθμου SVM για κατηγοριοποίηση
δεδομένων. Η ανάπτυξη του ανωτέρω αλγορίθμου θα γίνει σε γλώσσα C/C++, ενώ η αξιολόγησή
του θα πραγματοποιηθεί σε πραγματικό περιβάλλον σύγχρονων καρτών γραφικών (NVIDIA 1060 και
NVIDIA RTX TITAN) και θα περιλαμβάνει σύγκριση (σε επίπεδο χρόνων απόκρισης, επιτάχυνσης-
speedup και ακρίβειας της κατηγοριοποίησης/accuracy) με μια αντίστοιχή υλοποιήση σε σειριακό
περιβάλλον εκτέλεσης. | el |