• 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
 
 
Mémoire de Maîtrise
DOI
10.11606/D.3.2016.tde-12072016-084728
Document
Auteur
Nom complet
Jorge Augusto Sabaliauskas
Unité de l'USP
Domain de Connaissance
Date de Soutenance
Editeur
São Paulo, 2015
Directeur
Jury
Rocha, Ricardo Luis de Azevedo da (Président)
Amaral, Jose Nelson
Silva, Flavio Soares Correa da
Titre en portugais
Automatização do processo de seleção de transformações para otimização do tempo de execução por meio de aprendizado de máquina no arcabouço da LLVM.
Mots-clés en portugais
Ajuste de parâmetros de transformação
Aprendizado computacional
Aprendizado de máquina
Automação do processo de ajuste de compiladores
Otimização de código
Resumé en portugais
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.
Titre en anglais
Transformation selection process automation for execution time optimization through machine learning on LLVM framework.
Mots-clés en anglais
Code optimization
Compiler tuning automatization process
Machine learning
Transformation parameters tuning
Resumé en anglais
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.
 
AVERTISSEMENT - Regarde ce document est soumise à votre acceptation des conditions d'utilisation suivantes:
Ce document est uniquement à des fins privées pour la recherche et l'enseignement. Reproduction à des fins commerciales est interdite. Cette droits couvrent l'ensemble des données sur ce document ainsi que son contenu. Toute utilisation ou de copie de ce document, en totalité ou en partie, doit inclure le nom de l'auteur.
Date de Publication
2016-07-13
 
AVERTISSEMENT: Le matériau se réfère à des documents provenant de cette thèse ou mémoire. Le contenu de ces documents est la responsabilité de l'auteur de la thèse ou mémoire.
  • 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.
Tous droits de la thèse/dissertation appartiennent aux auteurs
CeTI-SC/STI
Bibliothèque Numérique de Thèses et Mémoires de l'USP. Copyright © 2001-2020. Tous droits réservés.