Implementasi dan Analisis Parallel Support Vector Machine (Dekomposisi Sequential Minimal Optimization) pada Perangkat GPU
MAULANA
Informasi Umum
Kode
23.04.1539
Klasifikasi
004 - Data processing, Computer science
Jenis
Karya Ilmiah - Skripsi (S1) - Reference
Subjek
Data Processing, Computer Science,
Dilihat
176 kali
Informasi Lainnya
Abstraksi
<p><em>Support Vector Machine</em> (SVM) merupakan yang dikembangkan oleh Vapnik, dan kemudian<br /> disempurnakan oleh Platt dengan teknik <em>Sequential Minimum Optimization</em> (SMO) menjadi algoritma<br /> pembelajaran mesin yang sering digunakan karena keandalannya. Walaupun algoritma ini handal<br /> algoitma ia mempunyai kekurangan yaitu lamanya waktu yang digunakan untuk menyelesaikan tahap<br /> <em>training</em>. Salah satu cara metode yang digunakan untuk mengatasi permasalahan tersebut ialah dengan<br /> melakukan dekomposisi SMO pada <em>training </em>SVM. RR Prasojoe telah melakukan uji konsep tersebut pada<br /> data set microarray kanker. Ia berhasil mendapatkan speed-up 5.7 kali lebih cepat. Cara lainnya ialah<br /> dengan mengiimplementasikan SVM pada perangkat GPU. Namun ketika telah konsep tersebut<br /> diimplementasikan pada perangkat GPU, terhadap data yang sama mengalami slow-down hingga 3.2 kali<br /> lipat.</p>
- CII4E4 - TUGAS AKHIR
Koleksi & Sirkulasi
Tersedia 1 dari total 1 Koleksi
Anda harus log in untuk mengakses flippingbook
Pengarang
| Nama | MAULANA |
| Jenis | Perorangan |
| Penyunting | Setyorini |
| Penerjemah |
Penerbit
| Nama | Universitas Telkom, S1 Informatika |
| Kota | Bandung |
| Tahun | 2023 |
Sirkulasi
| Harga sewa | IDR 0,00 |
| Denda harian | IDR 0,00 |
| Jenis | Non-Sirkulasi |
