| KEYWORD |
Algoritmi Paralleli Basati su GPU per la risoluzione di reti Bayesiane
Parole chiave DIGITAL SYSTEM DESIGN TEST AND VERIFICATION, GPU, NVIDIA, ACCELERATORE
Riferimenti STEFANO DI CARLO
Riferimenti esterni Alessandro Vallero (alessandro.vallero@polito.it)
Gruppi di ricerca TESTGROUP - TESTGROUP
Tipo tesi SPERIMENTALE
Descrizione Le reti Bayesiane, Bayesian Networks (BNs), sono un potente modello statistico per rappresentare funzioni di distribuzione multivariate.
Il campo di applicazione delle BNs è molto ampio e comprende quello medico, quello dell'intelligenza artificiale, quello dell'affidabilità. Date le grosse potenzialità offerte dalle BNs, la loro risoluzione è di grande importanza. Purtroppo, risolvere esattamente una rete bayesiana è un problema NP-hard, ma a far fronte a tale problema in letteratura sono stati proposti diversi algoritmi di approssimazione.
Gli obiettivi di questa tesi sono:
- analizzare algoritmi per la risoluzione approssimata delle Bns
- parallelizzare tali algoritmi efficientemente con librerie per il calcolo
parallelo, come ad esempio CUDA, OpenCL, OpenMPI, OpenMP, Posix, ...)
- analizzare le performance degli algoritmi paralleli
Non perdere l'occasione di lavorare con una delle GPU più performanti mai costruite: NVIDIA Tesla K20 (3.52 TFLOPS, 2496 CUDA cores, 5 GB of GDDR5, Memory bandwidth 208 GB/sec)
Conoscenze richieste C/C++ Programming
Scadenza validita proposta 04/07/2016
PROPONI LA TUA CANDIDATURA