Optimizacija prioritetnog raspoređivanja metodama strojnog učenja ostvarena na grafičkom procesoru

Sažetak na hrvatskom: U ovom radu opisan je problem optimizacije prioritetnog raspoređivanja u okolini nesrodnih strojeva. Opisane su metode strojnog učenja koje se koriste u generiranju rasporeda, genetsko programiranje i neuronska mreža. Opisana je arhitektura grafičkog procesora i tehnologija CUD...

Full description

Permalink: http://skupnikatalog.nsk.hr/Record/fer.KOHA-OAI-FER:48557/Details
Glavni autor: Findak, Željko (-)
Ostali autori: Jakobović, Domagoj (Thesis advisor)
Vrsta građe: Drugo
Impresum: Zagreb, Ž. Findak, 2018.
Predmet:
LEADER 02348na a2200229 4500
003 HR-ZaFER
008 160221s2018 ci ||||| m||| 00| 0 hr d
035 |a (HR-ZaFER)ferid5049 
040 |a HR-ZaFER  |b hrv  |c HR-ZaFER  |e ppiak 
100 1 |a Findak, Željko 
245 1 0 |a Optimizacija prioritetnog raspoređivanja metodama strojnog učenja ostvarena na grafičkom procesoru :  |b diplomski rad /  |c Željko Findak ; [mentor Domagoj Jakobović]. 
246 1 |a Optimization of Priority Scheduling Using Machine Learning on GPU  |i Naslov na engleskom:  
260 |a Zagreb,  |b Ž. Findak,  |c 2018. 
300 |a 42 str. ;  |c 30 cm +  |e CD-ROM 
502 |b diplomski studij  |c Fakultet elektrotehnike i računarstva u Zagrebu  |g smjer: Računarska znanost, šifra smjera: 56, datum predaje: 2018-06-29, datum završetka: 2018-07-11 
520 3 |a Sažetak na hrvatskom: U ovom radu opisan je problem optimizacije prioritetnog raspoređivanja u okolini nesrodnih strojeva. Opisane su metode strojnog učenja koje se koriste u generiranju rasporeda, genetsko programiranje i neuronska mreža. Opisana je arhitektura grafičkog procesora i tehnologija CUDA. Opisane su tehnike paralelizacije evaluacije rješenja navedenih metoda. Implementirana je programska podrška za izvođenje navedenih metoda na grafičkom procesoru u sklopu programskog okvira ECF. Izmjereni su rezultati ubrzanja i komentirani problemi koji se javljaju.  
520 3 |a Sažetak na engleskom: This thesis describes the problem of priority scheduling optimization in the environment of unrelated machines. It also describes the machine learning methods, genetic programing and neural networks used for generating schedules. Furthermore, this thesis describes the architecture of a graphics processor and the CUDA technology, as well as the paralelization techniques that are used for the solution evaluation of these methods. Software support for GPU execution is implemented within the ECF framework. Finally, the thesis reports on speedup measures and comments on the problems that arise.  
653 1 |a prioritetno raspoređivanje  |a CUDA  |a GPU  |a optimizacija  |a neuronske mreže  |a genetsko programiranje  |a nesrodni strojevi 
653 1 |a priority scheduling  |a CUDA  |a GPU  |a optimization  |a neural networks  |a genetic programming  |a unrelated machines 
700 1 |a Jakobović, Domagoj  |4 ths 
942 |c Y 
999 |c 48557  |d 48557