Buchumschlag

Parallel software auto-tuning using statistical modeling and machine learning

Auto-tuning for complex and nontrivial parallel systems is usually time-consuming because of empirical evaluation of huge amount of combinations of parameter values of an initial parallel program in a target execution environment. This paper proposes the improvement of the auto-tuning method using s...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:PROBLEMS IN PROGRAMMING
Datum:2018
Heft:2-3
Сторінки:46-53
ISSN:1727-4907
Автори та афіліації:
  • А.Yu. Doroshenko — Institute of Software Systems NAS of Ukraine
  • P.A. Ivanenko — Institute of Software Systems NAS of Ukraine
  • O.S. Novak — Institute of Software Systems NAS of Ukraine
  • O.A. Yatsenko — Institute of Software Systems NAS of Ukraine
Ключові слова:автоматизація програмування, автоматизація проєктування нейромереж, машинне навчання, автоматизація розробки програмного забезпечення, автоматизоване машинне навчання, автотюнінг програм, автоматизація оптимізації паралельних програм, автоматизація навчання, нейромережні технології, автоматизоване проєктування програм
Hauptverfasser: Doroshenko, А.Yu., Ivanenko, P.A., Novak, O.S., Yatsenko, O.A.
Format: Artikel
Sprache:Ukrainisch
Veröffentlicht: PROBLEMS IN PROGRAMMING 2018
Schlagworte:
auto-tuning
software development automation
machine learning
neural network
parallel computing
statistical modeling
UDC 004.4'24
Online Zugang:https://pp.isofts.kiev.ua/index.php/ojs1/article/view/264
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Назва журналу:Problems in programming
Завантажити файл: Pdf

Institution

Problems in programming
Beschreibung
Zusammenfassung:Auto-tuning for complex and nontrivial parallel systems is usually time-consuming because of empirical evaluation of huge amount of combinations of parameter values of an initial parallel program in a target execution environment. This paper proposes the improvement of the auto-tuning method using statistical modeling and neural network algorithms that allow to reduce significantly the space of possible combinations of parameters values to analyse. The resulting optimization is illustrated by an example of tuning of parallel sorting program, that combines several sorting methods, by means of automatic training of a neural network model on results of “traditional” tuning cycles with subsequent replacement of some auto-tuner calls with an evaluation from the statistical model.Problems in programming 2018; 2-3: 046-053
ISSN:1727-4907
DOI:10.15407/pp2018.02.046

Ähnliche Einträge