Submitted by Jaqueline Silva (jtas29@gmail.com) on 2014-10-21T18:36:43Z
No. of bitstreams: 2
Dissertação - Lauro Cássio Martins de Paula - 2014.pdf: 2690755 bytes, checksum: 3f2c0a7c51abbf9cd88f38ffbe54bb67 (MD5)
license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Approved for entry into archive by Jaqueline Silva (jtas29@gmail.com) on 2014-10-21T18:37:00Z (GMT) No. of bitstreams: 2
Dissertação - Lauro Cássio Martins de Paula - 2014.pdf: 2690755 bytes, checksum: 3f2c0a7c51abbf9cd88f38ffbe54bb67 (MD5)
license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5) / Made available in DSpace on 2014-10-21T18:37:00Z (GMT). No. of bitstreams: 2
Dissertação - Lauro Cássio Martins de Paula - 2014.pdf: 2690755 bytes, checksum: 3f2c0a7c51abbf9cd88f38ffbe54bb67 (MD5)
license_rdf: 23148 bytes, checksum: 9da0b6dfac957114c6a7714714b86306 (MD5)
Previous issue date: 2014-07-15 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / The problem of variable selection is the selection of attributes for a given sample that
best contribute to the prediction of the property of interest. Traditional algorithms as
Successive Projections Algorithm (APS) have been quite used for variable selection in
multivariate calibration problems. Among the bio-inspired algorithms, we note that the
Firefly Algorithm (AF) is a newly proposed method with potential application in several
real world problems such as variable selection problem. The main drawback of these tasks
lies in them computation burden, as they grow with the number of variables available.
The recent improvements of Graphics Processing Units (GPU) provides to the algorithms
a powerful processing platform. Thus, the use of GPUs often becomes necessary to
reduce the computation time of the algorithms. In this context, this work proposes a
GPU-based AF (AF-RLM) for variable selection using multiple linear regression models
(RLM). Furthermore, we present two APS implementations, one using RLM (APSRLM)
and the other sequential regressions (APS-RS). Such implementations are aimed at
improving the computational efficiency of the algorithms. The advantages of the parallel
implementations are demonstrated in an example involving a large number of variables.
In such example, gains of speedup were obtained. Additionally we perform a comparison
of AF-RLM with APS-RLM and APS-RS. Based on the results obtained we show that the
AF-RLM may be a relevant contribution for the variable selection problem. / O problema de seleção de variáveis consiste na seleção de atributos de uma determinada
amostra que melhor contribuem para a predição da propriedade de interesse. O Algoritmo
das Projeções Sucessivas (APS) tem sido bastante utilizado para seleção de variáveis em
problemas de calibração multivariada. Entre os algoritmos bioinspirados, nota-se que o
Algoritmo Fire f ly (AF) é um novo método proposto com potencial de aplicação em
vários problemas do mundo real, tais como problemas de seleção de variáveis. A principal
desvantagem desses dois algoritmos encontra-se em suas cargas computacionais,
conforme seu tamanho aumenta com o número de variáveis. Os avanços recentes das
Graphics Processing Units (GPUs) têm fornecido para os algoritmos uma poderosa plataforma
de processamento e, com isso, sua utilização torna-se muitas vezes indispensável
para a redução do tempo computacional. Nesse contexto, este trabalho propõe uma implementação
paralela em GPU de um AF (AF-RLM) para seleção de variáveis usando
modelos de Regressão Linear Múltipla (RLM). Além disso, apresenta-se duas implementações
do APS, uma utilizando RLM (APS-RLM) e uma outra que utiliza a estratégia
de Regressões Sequenciais (APS-RS). Tais implementações visam melhorar a eficiência
computacional dos algoritmos. As vantagens das implementações paralelas são demonstradas
em um exemplo envolvendo um número relativamente grande de variáveis. Em tal
exemplo, ganhos de speedup foram obtidos. Adicionalmente, realiza-se uma comparação
do AF-RLM com o APS-RLM e APS-RS. Com base nos resultados obtidos, mostra-se
que o AF-RLM pode ser uma contribuição relevante para o problema de seleção de variáveis.
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.bc.ufg.br:tede/3418 |
Date | 15 July 2014 |
Creators | Paula, Lauro Cássio Martins de |
Contributors | Soares, Anderson da Silva, Soares, Anderson da Silva, Martins, Wellington Santos, Coelho, Clarimar José |
Publisher | Universidade Federal de Goiás, Programa de Pós-graduação em Ciência da Computação (INF), UFG, Brasil, Instituto de Informática - INF (RG) |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | English |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Format | application/pdf |
Source | reponame:Biblioteca Digital de Teses e Dissertações da UFG, instname:Universidade Federal de Goiás, instacron:UFG |
Rights | http://creativecommons.org/licenses/by-nc-nd/4.0/, info:eu-repo/semantics/openAccess |
Relation | -3303550325223384799, 600, 600, 600, 600, -7712266734633644768, 437660438475277419, 2075167498588264571 |
Page generated in 0.0018 seconds