• 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
 
 
Master's Dissertation
DOI
10.11606/D.3.2016.tde-12072016-084728
Document
Author
Full name
Jorge Augusto Sabaliauskas
Institute/School/College
Knowledge Area
Date of Defense
Published
São Paulo, 2015
Supervisor
Committee
Rocha, Ricardo Luis de Azevedo da (President)
Amaral, Jose Nelson
Silva, Flavio Soares Correa da
Title in Portuguese
Automatização do processo de seleção de transformações para otimização do tempo de execução por meio de aprendizado de máquina no arcabouço da LLVM.
Keywords in Portuguese
Ajuste de parâmetros de transformação
Aprendizado computacional
Aprendizado de máquina
Automação do processo de ajuste de compiladores
Otimização de código
Abstract in Portuguese
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.
Title in English
Transformation selection process automation for execution time optimization through machine learning on LLVM framework.
Keywords in English
Code optimization
Compiler tuning automatization process
Machine learning
Transformation parameters tuning
Abstract in English
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.
 
WARNING - Viewing this document is conditioned on your acceptance of the following terms of use:
This document is only for private use for research and teaching activities. Reproduction for commercial use is forbidden. This rights cover the whole data about this document as well as its contents. Any uses or copies of this document in whole or in part must include the author's name.
Publishing Date
2016-07-13
 
WARNING: The material described below relates to works resulting from this thesis or dissertation. The contents of these works are the author's responsibility.
  • 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.
All rights of the thesis/dissertation are from the authors
CeTI-SC/STI
Digital Library of Theses and Dissertations of USP. Copyright © 2001-2020. All rights reserved.