Differences
This shows you the differences between two versions of the page.
Both sides previous revision Previous revision Next revision | Previous revision Next revision Both sides next revision | ||
tematy_prac_inzynierskich [2019/06/24 02:32] pszwed [6. Optymalizacja na GPU] |
tematy_prac_inzynierskich [2019/07/01 00:55] pszwed [6. Optymalizacja na GPU] |
||
---|---|---|---|
Line 4: | Line 4: | ||
==== 1. Wizualizacja danych geograficznych ==== | ==== 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, | Przegląd oraz dobór bibliotek, pakietów do wizualizacji. Główny cel - kolorowanie odcinków dróg na podstawie danych w celu pokazania dodatkowych własności, | ||
Line 15: | Line 17: | ||
==== 4. Wykorzystannie reguł rozmytych do rekomendacji produktów ==== | ==== 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:// | Z użyciem zbioru danych MovieLens. Implementacja Python lub Java. Celem jest wyznaczenie zbioru reguł rozmytych (a zwłaszcza parametrów funkcji przynależności o założonym kształcie) [[https:// | ||
//Jeżeli X lubi kryminały i komedie, Y lubi kryminały i Y ocenił wysoko film F, to rekomenduj F dla X.// | //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 ==== | ==== 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. | ||
- | Raczej implementacja jednego | + | Typowy zakres: |
+ | - opis algorytmu (np. mrówki, pszczoły, Differential Evolution, Backtracking, | ||
+ | - opis platfromy (CUDA/ | ||
+ | - opis implmentacji (wraz z parametrami | ||
+ | - wielokrotne testy dla okolo 15-20 funkcji z benchmarku dla różnych wymiarów i ich wyniki | ||
+ | - porównanie czasów wykonania | ||
+ | - tabele ilustrujące wyniki (procentowa odległość od rozwiązania optymalnego, | ||
+ | - wykresy - wartość funckji celu dla kolejnych iteracji | ||
+ | - dyskusja wyników | ||