Нижегородский государственный университет им.Н.И.Лобачевского.

ЛАБОРАТОРИЯ ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ

Факультет вычислительной математики и кибернетики

Лаборатория ITLabИсследованияПроекты 2003-2009 гг.Научно-производственные проектыРасширение функциональности и оптимизация алгоритмов вывода и обучения на вероятностных сетях Switch to English version  
Новости
О Лаборатории
Обучение
Исследования
Проекты 2011 г.
Проекты 2010 г.
Проекты 2003-2009 гг.
Образовательные комплексы
Семинар Лаборатории
Мероприятия
Вакансии Интел
Сотрудничество
Разработчики сайта
О нас пишут
Летняя школа 2011
Видео лекции
Клуб У.М.Н.И.К.
Имя:
Пароль:
запомнить:
Забыли пароль? Регистрация

Наименование проекта

Расширение функциональности и оптимизация алгоритмов вывода и обучения на вероятностных сетях в рамках библиотеки Probabilistic Network Library (PNL). Масштабируемые параллельные алгоритмы вывода и обучения вероятностных сетей (Библиотека ParPNL)

Проект выполнен по заказу компании Intel

Краткое описание

Библиотека вероятностных сетей (PNL) представляет собой удобное средство работы с графическими моделями. Библиотека содержит высокопроизводительные версии алгоритмов вывода и обучения, такие как Loopy belief propagation, Junction tree inference, EM для работы с Байесовыми и Марковскими сетями. Библиотека предназначена для работы с широким спектром приложений в области компьютерной графики, распознавания образов, принятия решений и т.д. Библиотека включает в себя в том числе и параллельные версии наиболее популярных алгоритмов для систем с общей и распределенной памятью.

Общее описание предметной области

Теория вероятностных сетей является одной из наиболее динамично развивающихся научных областей в силу многочисленных приложений в биоинформатике, генетике, здравоохранении, и в самых разнообразных областях computer science. Несомненно, разработка библиотеки, содержащей все наиболее известные алгоритмы обучения и вывода, будет очень полезна для многочисленных исследователей, не только в области вероятностных сетей, но прежде всего для специалистов, занимающихся самыми разнообразными приложениями.

Цели проекта

  1. Разработать и реализовать масштабируемые параллельные версии имеющихся в библиотеке алгоритмов вывода и обучения.
  2. Реализовать поддержку новых типов вероятностных сетей и типов распределений, алгоритмы вывода и обучения для них.
  3. Выполнить оптимизацию отдельных алгоритмов библиотеки.
  4. Обеспечить возможность использования библиотеки с известными инструментами вероятностного моделирования.

Коллектив

  • д.т.н., профессор                      Гергель В.П.
  • к.ф.-м.н., доцент                       Белов С.А.
  • асс. каф. МО ЭВМ                      Сысоев А.В.
  • преподаватель ф-та ВМК         Абросимова О.Н.
  • Студент ф-та ВМК                     Бадер А.А.
  • Студент ф-та ВМК                     Виноградов Р.В.
  • Аспирант каф. МО ЭВМ             Гергель А.В.
  • Студент ф-та ВМК                     Лабутина А.А.
  • Студент ф-та ВМК                     Сенин А.В.
  • Студент ф-та ВМК                     Сидоров С.В.
  • Стажер лаборатоиии               Тарасов В.А.
  • Студент ф-та ВМК                     Чернышова Е.Н.

Основные результаты

  1. Разработаны и реализованы масштабируемые параллельные версии алгоритмов вывода Junction Tree Inference, Loopy Belief Propagation, Gibbs Sampling и алгоритма обучения Expectation Maximization Learning.
  2. Реализованы новые типы вероятностных сетей: диагностические, LIMID, – и алгоритмы вывода на них. Реализованы новые типы распределений: SoftMax, Decision Tree, – и алгоритмы вывода и обучения для сетей, содержащих данные распределения.
  3. Оптимизировано выполнение некоторых операций с многомерными матрицами. Оптимизирована работа алгоритма Junction Tree Inference.
  4. Реализована возможность использования библиотеки PNL в GeNIe и R.

Публикации

  1. Абросимова О.Н., Белов С.А., Сысоев А.В. Балансировка вычислительной нагрузки для параллельных алгоритмов на вероятностных сетях. Материалы третьего Международного научно-практического семинара “Высокопроизводительные параллельные вычисления на кластерных системах”, 2003, 230-234
  2. Chernyshova E.N., Gergel A.V., Sysoyev A.V. Parallelization principles of message passing algorithm for probabilistic networks, VI International Congress on Mathematical Modeling/Book of abstracts, 2004, 38
  3. Belov S. Gergel V., Sysoev A., Scalable parallel inference algorithms in probabilistic networks, Preproceedings of UK-Russia Workshop on Proactive Computing, Nizhny Novgorod, February 2005 pp. 5-10

Участие в конференциях и семинарах

  1. III Международный научно-практический семинар “Высокопроизводительные параллельные вычисления на кластерных системах”, 2003, Н. Новгород.
  2. VI International Congress on Mathematical Modeling, 2004, N. Novgorod.
  3. UK-Rissia Workshop on Proactive Computing, Nizhny Novgorod, February 2005 pp. 5-10

Материалы

Новости

14.11.2015
16.10.2015
16.10.2015
14.10.2015
20.09.2015

© ITLab, Нижний Новгород,  2009