Επιτάχυνση Υλικού για Αλγόριθμο Δένδρου Απόφασης σε Ετερογενές Υπολογιστικό Σύστημα

Abstract

Οι αλγόριθμοι μηχανικής μάθησης και συνεπώς οι μέθοδοι εξόρυξης δεδομένων, όπως οι αλγόριθμοι δένδρων απόφασης, χαίρουν αυξημένης δημοφιλίας σε εφαρμογές όπως οι ιατρικές διαγνώσεις, οι εκτιμήσεις ρίσκου έκδοσης πιστωτικών καρτών, η συμπεριφορά καταναλωτών κ.α. Ένα τόσο ευρύ φάσμα πεδίων στα οποία οι αλγόριθμοι των δένδρων απόφασης είναι εφαρμόσιμοι, σε συνδυασμό με την διαρκή αύξηση της διαθέσιμης πληροφορίας στην εποχή των Μεγάλων Δεδομένων, καθιστά επιθυμητή την αναζήτηση μεθόδων βελτιστοποίησης της απόδοσής τους σε ένα υπολογιστικό σύστημα τη στιγμή που πρόκειται για υψηλής υπολογιστικής απαιτητικότητας αλγορίθμους, που χρησιμοποιούν τα δεδομένα αυτά και συνιστούν ενδιάμεσες διαδικασίες πολυπλοκότερων αλγορίθμων όπως λ.χ. τα τυχαία δάση. Στις περιπτώσεις αυτές τα οφέλη της βελτιστοποίησης του μελετώμενου αλγορίθμου αναδεικνύονται ακόμα περισσότερο καθώς η επιτάχυνση των χρόνων εκτέλεσής τους ενισχύεται περαιτέρω. Η ευελιξία και δημοφιλία των αλγορίθμων δένδρων απόφασης, σε συνδυασμό με την ευκολία χρήσης τους, αναδεικνύουν την ανάγκη για αναζήτηση λύσεων στο πρόβλημα της βελτιστοποίησης της απόδοσής τους σε μια σύγχρονη αρχιτεκτονική υλικού. Ως εκ τούτου, στην παρούσα διπλωματική εργασία επιχειρείται η προσέγγιση του ζητήματος αυτού μέσω εφαρμογής μεθόδων, που παρουσιάζονται αναλυτικότερα στη συνέχεια της εργασίας, με σκοπό τη βελτιστοποίηση μίας συγκεκριμένης υλοποίησης του αλγορίθμου δένδρου απόφασης (έκδοση C4.5) η οποία θα εκτελείται σε ετερογενές υπολογιστικό σύστημα το οποίο περιλαμβάνει συστοιχία επιτόπια προγραμματιζόμενων πυλών συνδυαστικά με κεντρική μονάδα επεξεργασίας.