Финансирование проекта осуществлялось компанией Intel (2003-2005 гг.)

Цель проекта состоит в разработке библиотеки масштабируемых параллельных алгоритмов вывода и обучения на дискретных, непрерывных и смешанных вероятностных сетях для систем с общей и распределенной памятью. Расширение функциональности библиотеки осуществляется за счет включения новых высокопроизводительных алгоритмов вывода и обучения, реализации различных классов распределений, включения в библиотеку диагностических сетей, диаграмм влияния. Большая функциональность и высокая производительность должны помочь библиотеке занять одно из первых мест в мире в области данной тематики.

Вероятностные сети в настоящий момент времени являются одним из основных способов моделирования адаптивных (проактивных) вычислений, когда вся вновь получаемая информация используется для уточнения существующих зависимостей между данными и служит основой для определения свойств и характеристик решаемой задачи. Среди важных областей приложений - машинное обучение, проактивные вычисления, обработка видео изображений и т.д.

Основные результаты выполнения проекта состоят в следующем:

• Разработаны масштабируемые параллельные алгоритмы вывода Junction Tree Inference, Loopy Belief Propagation; Gibbs Sampling и масштабируемая параллельная версия алгоритма обучения EM Learning на дискретных и непрерывных вероятностных сетях для систем с распределенной и общей памятью;

 

•  

•  

• Проведены исследования влияния работы с динамической памятью на масштабируемость параллельных алгоритмов на вероятностных сетях в случае систем с общей памятью. Реализованы менеджеры памяти, позволяющие добиться высокой производительности параллельных алгоритмов на общей памяти;

• Проведены исследования по повышения производительности алгоритмов вывода на дискретных и непрерывных вероятностных сетях. Реализована высокопроизводительная версия алгоритмов вывода Junction Tree Inference, Loopy Belief Propagation; Gibbs Sampling;

• Реализован LIMID (Limited Memory Influence Diagram) алгоритм принятия решения на вероятностных сетях;

• Расширен класс распределений, поддерживаемых в библиотеке, за счет включения распределения типа softmax. В частном случае порогового распределения сигмоид реализован вариационный алгоритм вывода на смешанных сетях;

• Реализован информационный алгоритм принятия решений в диагностических вероятностных сетях;

• Реализовано сопряжение библиотеке PNL с другими известными библиотеками на вероятностных сетях (GeNIE, R).

Библиотека, в том числе и параллельная часть, доступна на SourceForge, количество скачиваний достигает нескольких десятков в день.
Результаты проекта были представлены на 6 Международном Конгрессе по Математическому Моделированию (2004), Британско-Российском Семинаре по Проактивным  Вычислениям (2005), Академическом Форуме Интел (2004-2005).

<< вернуться  |   Документ от: 22.08.2012 12:56