Paralelní implementace dynamického naivního Bayesovského klasifikátoru
Parallel implementation of dynamic naive Bayesian classifier
dc.contributor.advisor | Šabata Tomáš | |
dc.contributor.author | Lučivňák Pavel | |
dc.date.accessioned | 2018-06-19T21:53:46Z | |
dc.date.available | 2018-06-19T21:53:46Z | |
dc.date.issued | 2018-06-16 | |
dc.identifier | KOS-587865228605 | |
dc.identifier.uri | http://hdl.handle.net/10467/76654 | |
dc.description.abstract | Dynamický naivni Bayesovský klasifikátor (DNBC) nacházi využiti v mnoha oblastech, napřiklad při rozpoznáváni hlasu, pisma, nebo při předpovidáni počasi. DNBC je rozšiřenim skrytého Markovského modelu tim, že pod-poruje vice pozorovaných proměnných. Předpokládá se, že tyto proměnné jsou vzájemně statisticky nezávislé. Tento předpoklad značně zjednodušuje výpočty a nedocházi tak k jevu, který je znamý jako prokleti dimenzionatily. Klasifikátor byl naimplementován v programovacim jazyce Scala, nad platfor-mou Apache Spark. Diky technologii Apache Spark je možné implementaci paralelizovat pomoci Map Reduce paradigmatu. S touto paralelni implemen-taci se mi podařilo dosáhnout dvojnásobného zrychleni při využiti 15 pro-cesorových jader. Demonstroval jsem, že zrychleni lze dosáhnout nejenom vyššim počtem jader, ale i vyššim počtem výpočetnich uzlů v clusteru. | cze |
dc.description.abstract | Dynamic naive Bayesian classifier (DNBC) has many applications, such as in speech recognition, handwriting recognition or weather prediction. DNBC viiextends a hidden Markov model by supporting multiple observed variables. It is assumed that these variables are mutually statistically independent. This assumption greatly simplifies computations and a phenomenon called curse of dimensionality does not occur. I have implemented the classifier in Scala language on top of Apache Spark. The implementation can be parallelized by using Map Reduce paradigm. I have managed to double the speed up when using 15 processor cores. I have further demonstrated, that the speed up can be achieved not only by increasing the number of cores, but also by increasing the number of machines in a cluster. | eng |
dc.language.iso | ENG | |
dc.publisher | České vysoké učení technické v Praze. Vypočetní a informační centrum. | cze |
dc.publisher | Czech Technical University in Prague. Computing and Information Centre. | eng |
dc.rights | A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.html | eng |
dc.rights | Vysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html | cze |
dc.subject | dynamický naivni Bayesovský klasifikátor,skrytý Markovův model,metoda maximálni věrohodnosti,Scala,Apache Spark | cze |
dc.subject | dynamic naive Bayesian classifier,hidden Markov model,maximum likelihood estimation,Scala,Apache Spark | eng |
dc.title | Paralelní implementace dynamického naivního Bayesovského klasifikátoru | cze |
dc.title | Parallel implementation of dynamic naive Bayesian classifier | eng |
dc.type | bakalářská práce | cze |
dc.type | bachelor thesis | eng |
dc.date.accepted | ||
dc.contributor.referee | Šimeček Ivan | |
theses.degree.discipline | Teoretická informatika | cze |
theses.degree.grantor | katedra teoretické informatiky | cze |
theses.degree.programme | Informatika | cze |
Soubory tohoto záznamu
Tento záznam se objevuje v následujících kolekcích
-
Bakalářské práce - 18101 [349]