PORTALE DELLA DIDATTICA

Ricerca CERCA
  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