• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Dissertação de Mestrado
DOI
10.11606/D.3.2016.tde-12072016-084728
Documento
Autor
Nome completo
Jorge Augusto Sabaliauskas
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Paulo, 2015
Orientador
Banca examinadora
Rocha, Ricardo Luis de Azevedo da (Presidente)
Amaral, Jose Nelson
Silva, Flavio Soares Correa da
Título em português
Automatização do processo de seleção de transformações para otimização do tempo de execução por meio de aprendizado de máquina no arcabouço da LLVM.
Palavras-chave em português
Ajuste de parâmetros de transformação
Aprendizado computacional
Aprendizado de máquina
Automação do processo de ajuste de compiladores
Otimização de código
Resumo em português
A rápida evolução do hardware demanda uma evolução contínua dos compiladores. Um processo de ajuste deve ser realizado pelos projetistas de compiladores para garantir que o código gerado pelo compilador mantenha uma determinada qualidade, seja em termos de tempo de processamento ou outra característica pré-definida. Este trabalho visou automatizar o processo de ajuste de compiladores por meio de técnicas de aprendizado de máquina. Como resultado os planos de compilação obtidos usando aprendizado de máquina com as características propostas produziram código para programas cujos valores para os tempos de execução se aproximaram daqueles seguindo o plano padrão utilizado pela LLVM.
Título em inglês
Transformation selection process automation for execution time optimization through machine learning on LLVM framework.
Palavras-chave em inglês
Code optimization
Compiler tuning automatization process
Machine learning
Transformation parameters tuning
Resumo em inglês
The fast evolution of hardware demands a continue evolution of the compilers. Compiler designers must perform a tuning process to ensure that the code generated by the compiler maintain a certain quality, both in terms of processing time or another preset feature. This work aims to automate compiler adjustment process through machine learning techniques. As a result the compiler plans obtained using machine learning with the proposed features had produced code for programs whose values for the execution times approached those following the standard plan used by LLVM.
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
Data de Publicação
2016-07-13
 
AVISO: O material descrito abaixo refere-se a trabalhos decorrentes desta tese ou dissertação. O conteúdo desses trabalhos é de inteira responsabilidade do autor da tese ou dissertação.
  • SABALIAUSKAS, J. A., e ROCHA, R. L. A. Project and Implementation for a Programming Language Suitable to Express Adaptive Algorithms. Revista IEEE América Latina, 2011, vol. 9, p. 969-973.
  • SABALIAUSKAS, J. A., e ROCHA, R. L. A. Projeto e implementação de uma linguagem de programação para a execução de algoritmos adaptativos. In Quinto Workshop de Tecnologia Adaptativa - WTA 2011, Sao Paulo, 2011. Memórias do WTA 2011 - Quinto Workshop de Tecnologia Adaptativa.Sao Paulo : Escola Politécnica da USP, 2011.
Todos os direitos da tese/dissertação são de seus autores
CeTI-SC/STI
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2021. Todos os direitos reservados.