Fast implementation of Analytic Programming used for large amount of datasets

Peter Drábik

Diplomová práce

Anotace:

Tato práce se zaobírá metodou, kterou lze dobře využít pro analýzu spekter -- analytickým programováním a jeho rychlou realizací. Mým cílem je vytvořit matematické vzorce emisních čar ze spekter, která jsou charakteristická pro Be hvězdy. Jedním z možných řešení tohoto úkolu je symbolická regrese, která v naší aplikaci představuje proces, kdy naměřená data jsou namodelované na nejlépe reprezentující matematický vzorec. V současné době existují počítačové metody, které nám umožňují provádět tyto výpočty více, či méně efektivně. Novou metodou v symbolické regresi, ve srovnání s genetickým programováním a gramatickou evolucí, je analytické programování. Cílem této práce je ověřit efektivitu paralelního přístupu tohoto algoritmu, pomocí CUDA architektury, který lze spustit na serveru. Dále se budu zabývat realizací náhodných rozhodovacích lesů, které mohou být požité ke klasifikování obrovského množství různých spekter s pomocí matematických funkcí získaných pomocí analytického programování, jak je uvedeno v malém příkladu.

Abstract:

The aim of this master thesis is to discuss a method useful for spectra analysis -- analytical programming and its fast implementation. My goal is to create mathematical formulas of emission lines from spectra, which are characteristic for Be stars. One issue in performing this task is symbolic regression, which represents the process in our application, when measured data fit the best represented mathematical formula. In past this was only a human domain; nowadays, there are computer methods, which allow us to do it more or less effectively. A novel method in symbolic regression, compared to genetic programming and grammatical evolution, is analytic programming. The aim of this work is to verify the efficiency of the parallel approach of this algorithm, using CUDA architecture, which can be run on a server. Next I will discuss implementation of random decision forest to classify huge amounts of various spectra with the help of mathematical functions obtained via analytical programming, as shown in small example.

Klíčová slova

symbolická regrese, analytické programování, evoluční algoritmy, paralelní programování, deterministický chaos, CUDA, SOMA, DE

Keywords

symbolic regression, analytic programming, evolutionary algorithms, parallel programming, deterministic chaos, CUDA, SOMA, DE

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 7. 5. 2014

Obhajoba závěrečné práce

• Obhajoba proběhla 10. 6. 2014
• Vedoucí: Petr Šaloun
• Oponent: Ivan Zelinka

VŠB - Technická univerzita Ostrava

Fakulta elektrotechniky a informatiky

Magisterský studijní program / obor:
Informační a komunikační technologie / Informatika a výpočetní technika