URI | http://purl.tuc.gr/dl/dias/C541BCFB-D331-44E8-BAF8-A1BE4A422678 | - |
Αναγνωριστικό | https://doi.org/10.26233/heallink.tuc.90952 | - |
Γλώσσα | en | - |
Μέγεθος | 60 pages | en |
Μέγεθος | 589.6 kilobytes | en |
Τίτλος | Efficient optimization algorithms for large tensor processing | en |
Τίτλος | Αποδοτικοί αλγόριθμοι βελτιστοποίησης για επεξεργασία μεγάλων τανυστών | el |
Δημιουργός | Kolomvakis Christos | en |
Δημιουργός | Κολομβακης Χρηστος | el |
Συντελεστής [Επιβλέπων Καθηγητής] | Liavas Athanasios | en |
Συντελεστής [Επιβλέπων Καθηγητής] | Λιαβας Αθανασιος | el |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Samoladas Vasilis | en |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Σαμολαδας Βασιλης | el |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Karystinos Georgios | en |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Καρυστινος Γεωργιος | el |
Εκδότης | Πολυτεχνείο Κρήτης | el |
Εκδότης | Technical University of Crete | en |
Ακαδημαϊκή Μονάδα | Technical University of Crete::School of Electrical and Computer Engineering | en |
Ακαδημαϊκή Μονάδα | Πολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών | el |
Περίληψη | In this thesis, we consider the problem of tensor completion. We investigate two cases: In the first part, we consider Nonnegative Tensor Completion. We propose an improvement over an existing distributed algorithm for the solution of this problem, test it on synthetic and real datasets, and measure the execution time and speedups.
In the second part, we consider unconstrained tensor completion with smoothing constraints. We present the problem statement and we propose a distributed algorithm for its solution. We develop an algorithm which takes into account the distribution of the nonzero elements during the assignment of subtensors (and, as a result, of the corresponding subfactors) to each processor. We test our adaptive partitioning algorithm on real world datasets and measure the attained speedup. | en |
Περίληψη | Σε αυτήν την εργασία, μελετάμε το πρόβλημα του tensor completion. Μελετάμε δυο περιπτώσεις: Η πρώτη περίπτωση είναι το Nonnegative Tensor Completion. Προτείνουμε μια βελτίωση σε έναν υπάρχων αλγόριθμο, τον δοκιμάζουμε σε συνθετικά και πραγματικά δεδομένα, και μετράμε τον χρόνο εκτέλεσης και τα speedups.
Η δεύτερη περίπτωση το tensor completion με smoothness constraints. Παρουσιάζουμε το πρόβλημα και προτείνουμε έναν κατανεμημένο αλγόριθμο για τη λύση του. Χρησιμοποιούμε επίσης έναν αλγόριθμο που λαμβάνει υπόψιν την κατανομή των μη μηδενικών στοιχείων όταν αντιστοιχεί τους υποτείνουσες (άρα και τους αντίστοιχους factors) σε κάθε επεξεργαστή. Δοκιμάζουμε σε πραγματικά δεδομένα και υπολογίζουμε τον χρόνο εκτέλεσης και τα speedups του αλγορίθμου μας. | el |
Τύπος | Μεταπτυχιακή Διατριβή | el |
Τύπος | Master Thesis | en |
Άδεια Χρήσης | http://creativecommons.org/licenses/by/4.0/ | en |
Ημερομηνία | 2021-12-02 | - |
Ημερομηνία Δημοσίευσης | 2021 | - |
Θεματική Κατηγορία | Optimization | en |
Θεματική Κατηγορία | Distributed algorithms | en |
Θεματική Κατηγορία | Unconstrained tensor completion with smoothing constraints | en |
Θεματική Κατηγορία | Nonnegative tensor completion | en |
Θεματική Κατηγορία | Tensor completion | en |
Θεματική Κατηγορία | Tensor decomposition | en |
Βιβλιογραφική Αναφορά | Christos Kolomvakis, "Efficient optimization algorithms for large tensor processing", Master Thesis, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2021 | en |
Βιβλιογραφική Αναφορά | Χρήστος Κολομβάκης, "Αποδοτικοί αλγόριθμοι βελτιστοποίησης για επεξεργασία μεγάλων τανυστών ", Μεταπτυχιακή Διατριβή, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2021 | el |