EFEKTYWNY ALGORYTM EM I JEGO IMPLEMENTACJA PRZY UŻYCIU WIELORDZENIOWYCH SYSTEMÓW KOMPUTEROWYCH
Alexei Kasitskij
pbidyuke_00@ukr.netNational Technical University "Kyiv Polytechnic Institute", Institute for Applied System Analysis (Ukraina)
Peter Bidyuk
National Technical University "Kyiv Polytechnic Institute", Institute for Applied System Analysis (Ukraina)
Alexander Gozhyi
Petro Mohyla Black Sea State University, Department of Information Technologies and Program Systems (Ukraina)
Abstrakt
W artykule opisany jest popularny algorytm EM (expectation maximization), który jest powszechnie stosowany w nowoczesnych systemach przetwarzania danych do rozwiązywania różnych problemów, w tym optymalizacji i estymacji parametrów. Celem badań było zwiększenie efektywności czasu wykonywania algorytmu. Zwiększenie szybkości wykonania algorytmu EM użyto wielordzeniowy architektury nowoczesnych systemów komputerowych. Zostały zaproponowane niezbędne modyfikacje mające na celu lepszą równoległość realizacji algorytmu EM. Skuteczność implementacji programu była testowana na klasycznym problemie separacji Gaussowskich zmiennych losowych. Wykazano, że w przypadku rozdziału mieszaniny wydajność algorytmu EM ulega degradacji, kiedy odległość między średnimi wartościami rozkładu wynosi mniej niż trzy odchylenia standardowe, co jest całkowicie zgodnie z regułą trzech sigm. W takich przypadkach, jest bardzo ważne, aby mieć efektywną realizację algorytmu EM móc przetworzyć takie przypadki w rozsądnym czasie.
Słowa kluczowe:
algorytm EM, architektury wielordzeniowe, równoległość, separacji Gaussowskich zmiennych losowych, reguła trzech sigmBibliografia
Ben-Ari M.: Principles of Concurrent and Distributed Programming (2nd ed.). Addison-Wesley, 2006.
Google Scholar
Bidyuk P. I., Gozhij O. P., Korshevnyuk L.O.: Computer based decision support systems. Chornomorsky State University named after Petro Mogyla, Mykolaiv, 2012.
Google Scholar
Borman S.: The expectation maximization algorithm a short tutorial. http://www.seanborman.com/publications/EM_algorithm.pdf
Google Scholar
Chapman B., Jost G. R., Kuck D. J.: Using Open MP: Portable Shared Memory Parallel Programming. The MIT Press, Boston 2007.
Google Scholar
Dellaert F.: The expectation maximization algorithm. Techn. paper, Georgia Institute of Technology, 2002.
Google Scholar
Dinov I. D.: Expectation maximization and mixture modeling tutorial. http://www.stat.ucla.edu/~dinov/courses_students.dir/04/Spring/Stat233.dir/STAT233_notes.dir/EM_Tutorial.pdf
Google Scholar
Hollsapple C. W., Winston A. B.: Decision support systems. West Publishing Company, New York 1996.
Google Scholar
Korbicz J.(Ed.): Measurements, models, systems and design. Wydawnictwa Komunikacji i łączności, 2007.
Google Scholar
Quinn M. J.: Parallel Programming in C with MPI and Open MP. McGraw-Hill Inc. 2004.
Google Scholar
Shuicheng Y., Chang S. F., Johnson M. H., Xi Z., Xiaodan Z., Huang T. S.: Sift-bag kernel for video event analysis. Proceeding of the 16th ACM international conference on Multimedia, 2008, 229-238.
Google Scholar
Autorzy
Alexei Kasitskijpbidyuke_00@ukr.net
National Technical University "Kyiv Polytechnic Institute", Institute for Applied System Analysis Ukraina
Autorzy
Peter BidyukNational Technical University "Kyiv Polytechnic Institute", Institute for Applied System Analysis Ukraina
Autorzy
Alexander GozhyiPetro Mohyla Black Sea State University, Department of Information Technologies and Program Systems Ukraina
Statystyki
Abstract views: 194PDF downloads: 63
Licencja
Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Na tych samych warunkach 4.0 Miedzynarodowe.
Inne teksty tego samego autora
- Alexander Gozhyi, Irina Kalinina, SYSTEM INFORMACJI DO ANALIZY I MODELOWANIA POZNAWCZEGO , Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska: Tom 4 Nr 2 (2014)
