Combining Active Learning and Mathematical Programming: a hybrid approach for Transprecision Computing

Bambini, Alberto (2019) Combining Active Learning and Mathematical Programming: a hybrid approach for Transprecision Computing. [Laurea magistrale], Università di Bologna, Corso di Studio in Ingegneria informatica [LM-DM270]
Documenti full-text disponibili:
[img] Documento PDF (Thesis)
Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato

Download (1MB)

Abstract

This paper explores the possibility of applying a hybrid approach between Active Learning and Mathematical Programming to Transprecision Computing. This would entail embedding a machine learning model trained by means of an Active Learning approach into an optimization model to automatically and intelligently tweak the representation of floating-point numerical data. This project aims to lower the energetic expenditure of every single intermediate computation in a given program, while also avoiding errors that are systematically introduced when manipulating variables using this technique, and ensure that they do not exceed a maximum acceptable error rate decided prior.

Abstract
Tipologia del documento
Tesi di laurea (Laurea magistrale)
Autore della tesi
Bambini, Alberto
Relatore della tesi
Correlatore della tesi
Scuola
Corso di studio
Ordinamento Cds
DM270
Parole chiave
Machine Learning,Active Learning,Transprecision Computing,Mathematical Programming,OPRECOMP,HPC,Energy Efficiency
Data di discussione della Tesi
18 Dicembre 2019
URI

Altri metadati

Statistica sui download

Gestione del documento: Visualizza il documento

^