Alunos de Sistemas de Informação recebem prêmio por novo algoritmo paralelo para aprendizado de máquina

Postado em 21 de outubro de 2016

Divulgação
Alunos de Sistemas de Informação recebem prêmio por novo algoritmo paralelo para aprendizado de máquina
Da esq. para a dir.: Carlos Aguni, professor Daniel e Alex Eiji

Posts Relacionados

    O trabalho de iniciação científica desenvolvido pelos alunos Carlos Alexandre Tomigawa Aguni e Alex Eiji Kawahira, do curso de Sistemas de Informação da EACH, orientados pelo professor Daniel Cordeiro, recebeu o prêmio de “Melhor Artigo de Iniciação Científica” durante o XVII Simpósio em Sistemas Computacionais de Alto Desempenho (WSCAD), realizado no início do mês, em Aracaju, Sergipe. O evento tem como objetivo apresentar os principais desenvolvimentos, aplicações e tendências nas áreas de arquitetura de computadores, processamento de alto desempenho e sistemas distribuídos.

    Intitulado “Análise de Desempenho e Paralelização de Algoritmos para Redes Neurais Profundas”, o trabalho apresenta uma nova abordagem paralela para um algoritmo de retropropagação em redes neurais artificiais. O desempenho do algoritmo foi analisado em duas arquiteturas de computadores many core modernas: Intel Xeon Phi e uma Nvidia Tesla (unidades de processamento gráfico de propósito geral).

    Redes neurais é um tema estudado por pesquisadores da área de inteligência artificial e que tem atraído cada vez mais o interesse da indústria por conta de casos recentes de sucesso como o projeto Deep Dream do Google, o reconhecimento de faces do Facebook ou a plataforma de Computação Cognitiva Watson, da IBM.

    Algoritmos para redes neurais profundas são o coração dos métodos de aprendizado de máquina mais modernos. Elas permitem não apenas a análise de grandes quantidades de dados, mas também a identificação de novas relações entre dados e criação de novo conhecimento a partir da informação já conhecida. Pode-se dizer que é um programa de computador capaz de aprender quando exposto a nova informação.

    Os resultados desse trabalho permitirão acelerar a execução desses algoritmos em plataformas many core. O artigo premiado mostra como executar esses algoritmos até dez vezes mais rápido do que seria possível utilizando-se um único processador quando a arquitetura Intel Xeon Phi é utilizada e até cinco vezes mais rápido quando uma GPU é utilizada.

    *Com informações do curso de Sistemas de Informação