Hledat
Zobrazují se záznamy 1-2 z 2
Optimalizační metody prvního řádu v úlohách strojového učení
First order optimization methods in machine learning problems
Bakalářská práce (OBHÁJENO)
Vedoucí práce: Branda, Martin
Datum publikování: 2020
Datum obhajoby: 14. 07. 2020
Fakulta / součást: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstrakt: The goal of the thesis is to introduce the stochastic gradient method for optimizing differentiable objective function and discuss its convergence. First, supervised learning and empirical risk minimization (ERM) are ...
Cílem práce je představit metodu stochastického gradientu pro optimalizaci diferenco- vatelné účelové funkce a diskutovat její konvergenci. Nejprve je formulována úloha učení s učitelem a princip minimalizace empirického ...
Cílem práce je představit metodu stochastického gradientu pro optimalizaci diferenco- vatelné účelové funkce a diskutovat její konvergenci. Nejprve je formulována úloha učení s učitelem a princip minimalizace empirického ...
Analysing and Optimizing GPU Kernels with Machine Learning
Analýza a optimalizace GPU kernelů pomocí strojového učení
Diplomová práce (OBHÁJENO)
Vedoucí práce: Kruliš, Martin
Datum publikování: 2020
Datum obhajoby: 01. 07. 2020
Fakulta / součást: Matematicko-fyzikální fakulta / Faculty of Mathematics and Physics
Abstrakt: Graphics processing units (GPUs) were originally used solely for the purpose of graph- ics rendering. This changed with the introduction of technologies like CUDA that enabled to use graphics processors as any other computing ...
Grafické výpočetní jednotky (GPU) byly původně používány výhradně pro účely grafického vykreslování. To se změnilo zavedením technologií jako je CUDA, které umožnily použití grafických procesorů jako kterýchkoliv jiných ...
Grafické výpočetní jednotky (GPU) byly původně používány výhradně pro účely grafického vykreslování. To se změnilo zavedením technologií jako je CUDA, které umožnily použití grafických procesorů jako kterýchkoliv jiných ...