Počet záznamů: 1
Investigating convergence of linear SVM implemented in PermonSVM employing MPRGP algorithm
- 1.
SYSNO ASEP 0495870 Druh ASEP C - Konferenční příspěvek (mezinárodní konf.) Zařazení RIV D - Článek ve sborníku Název Investigating convergence of linear SVM implemented in PermonSVM employing MPRGP algorithm Tvůrce(i) Kružík, Jakub (UGN-S)
Pecha, Marek (UGN-S)
Hapla, D. (CZ)
Horák, David (UGN-S) SAI, ORCID
Čermák, Martin (UGN-S)Celkový počet autorů 5 Zdroj.dok. High Performance Computing in Science and Engineering. HPCSE 2017. - Cham : Springer, 2018 / Kozubek T. - ISBN 978-3-319-97135-3 Rozsah stran s. 115-129 Poč.str. 15 s. Forma vydání Online - E Akce HPCSE 2017: International Conference on High Performance Computing in Science and Engineering /3./ Datum konání 22.05.2017 - 25.05.2017 Místo konání Karolinka Země CZ - Česká republika Typ akce WRD Jazyk dok. eng - angličtina Země vyd. CH - Švýcarsko Klíč. slova MPRGP ; PERMON ; PermonQP ; PermonSVM ; quadratic programming ; support vector machines Vědní obor RIV BA - Obecná matematika Obor OECD Applied mathematics CEP LQ1602 GA MŠMT - Ministerstvo školství, mládeže a tělovýchovy Institucionální podpora UGN-S - RVO:68145535 UT WOS 000469334300009 EID SCOPUS 85050502411 DOI 10.1007/978-3-319-97136-0_9 Anotace This paper deals with the novel PermonSVM machine learning tool. PermonSVM is a part of our PERMON toolbox. It implements the linear two-class Support Vector Machines. PermonSVM is built on top of PermonQP (PERMON module for quadratic programming) which in turn uses PETSc. The main advantage of PermonSVM is that it is parallel. The parallelism comes from a distribution of matrices and vectors. The MPRGP algorithm, implemented in PermonQP, is used as a solver of the quadratic programming problem arising from the dual SVM formulation. The scalability of MPRGP was proven in problems of mechanics with more than billion of unknowns solved on tens of thousands of cores. Apart from the scalability of our approach, we also investigate the relations between training rate, hyperplane margin, the value of the dual functional, and the norm of the projected gradient. Pracoviště Ústav geoniky Kontakt Lucie Gurková, lucie.gurkova@ugn.cas.cz, Tel.: 596 979 354 Rok sběru 2019 Elektronická adresa https://link.springer.com/chapter/10.1007/978-3-319-97136-0_9
Počet záznamů: 1