Differences

This shows you the differences between two versions of the page.

--- tematy_prac_inzynierskich [2019/06/24 02:27]
pszwed [Tematy prac inżynierskich]
+++ tematy_prac_inzynierskich [2019/07/01 00:55]
pszwed [6. Optymalizacja na GPU]
@@ Line 4: / Line 4: @@
 ==== 1. Wizualizacja danych geograficznych ====
+:!: Rezerwacja
 Przegląd oraz dobór bibliotek, pakietów do wizualizacji. Główny cel - kolorowanie odcinków dróg na podstawie danych w celu pokazania dodatkowych własności, jak natężenie ruchu lub prędkość.  Źródło: dane OSM (nie Google Maps) z lokalnej bazy lub zewnętrznego serwera. Dane do wizualizacji z plików lub bazy danych.  Java lub Python .
@@ Line 15: / Line 17: @@
 ==== 4. Wykorzystannie reguł rozmytych do rekomendacji produktów ====
+:!: Rezerwacja
 Z użyciem zbioru danych MovieLens. Implementacja Python lub Java. Celem jest wyznaczenie zbioru reguł rozmytych (a zwłaszcza parametrów funkcji przynależności o założonym kształcie) [[https://en.wikipedia.org/wiki/Fuzzy_rule]]
 //Jeżeli X lubi kryminały i komedie, Y lubi kryminały i Y ocenił wysoko film F, to rekomenduj F dla X.//
@@ Line 24: / Line 27: @@
 ==== 6. Optymalizacja na GPU ====
-Implementacja popularnych algorytmów optymalizacji ciągłej na GPU: CUDA lub OpenCL
+Implementacja popularnych algorytmów optymalizacji ciągłej na GPU: CUDA lub OpenCL. //Takich prac może być wiecej...//
+W ramach **jednej** pracy implementacja **jednego** z wybranych algorytmów i przeprowadzenie testów dla różnych parametrów z uzyciem funkcji opublikowanych np. na CEC 2015.
+Typowy zakres:
+  - opis algorytmu (np. mrówki, pszczoły, Differential Evolution, Backtracking, elektromagnetyczny, świetliki, karaluchy, itp)
+  - opis platfromy (CUDA/OpenCL) i bibliotek dedykowanych dla konkretnego języka programowania C/C++/Java/Python lub użycie wysokopoziomowej biblioteki, np. [[https://deeplearning4j.org/docs/latest/nd4j-overview]] z akceleracją GPU
+  - opis implmentacji (wraz z parametrami i wariantami). W zależności od platformy i dostępnego sprzetu GPU można wykorzystywać wątki lokalne wewnątrz bloku
+  - wielokrotne testy dla okolo 15-20 funkcji z benchmarku dla różnych wymiarów i ich wyniki dla różnych parametrów.
+  - porównanie czasów wykonania
+  - tabele ilustrujące wyniki (procentowa odległość od rozwiązania optymalnego, wartości średnie, mediana, min/max, odchylenie standardowe)
+  - wykresy - wartość funckji celu dla kolejnych iteracji
+  - dyskusja wyników