一種基于線程負(fù)載自適應(yīng)的TLA＿GaBP算法

一種基于線程負(fù)載自適應(yīng)的TLA_GaBP算法TLAGaBP的效果，但在線程負(fù)載或過(guò)低時(shí)，其收斂速度會(huì)受到影響。因此，本文提出了一種基于線LAGaBP參數(shù)，以提高收斂速度和精度。實(shí)驗(yàn)結(jié)果表明，該算法在不同的網(wǎng)精度于概率圖模型的網(wǎng)絡(luò)推理方法存在效率低下、收斂速度慢TLA-GaBP(Thread-LevelAsynchronousGeneralizedBeliefPropagation)算法是一種并行的信念傳播算法，其主要思想基于概率圖再對(duì)每個(gè)二分圖進(jìn)行信念傳播，以實(shí)現(xiàn)網(wǎng)絡(luò)的高效推理。該算法，在實(shí)際應(yīng)用中，線程負(fù)載往往不固定，當(dāng)線程負(fù)載過(guò)高或過(guò)TLAGaBP算法是一種基于概率圖模型的推理算法，該算法通過(guò)計(jì)算和邊的概率分布，從而得到關(guān)于節(jié)點(diǎn)的估計(jì)值。傳統(tǒng)的信念傳括和算法和向算法。和算法是一種同步更新的算法，計(jì)算順序定的，而向算法是一種異步更新的算法，節(jié)點(diǎn)的計(jì)算順序是不固定些新的算法被提出，包括TLA-MPGGaBP高了預(yù)測(cè)精度。但在線程負(fù)載不固定的情況下，這些算法都存在BP負(fù)載情況是影響算法性能的重要因素。因此，該算法首先需要線程負(fù)載情況，以判斷是否需要調(diào)整參數(shù)。線程負(fù)載情況可以數(shù)算法將根據(jù)當(dāng)前負(fù)載情況自適應(yīng)。如果當(dāng)前負(fù)載情況過(guò)高，則需要加速收斂速度，此時(shí)算法將更新的節(jié)點(diǎn)數(shù)量，從而提高每次迭代的收斂速度；如果當(dāng)前負(fù)低，則需要提高推理精度，此時(shí)算法將降低每次更新的節(jié)點(diǎn)數(shù)的優(yōu)勢(shì)，以提高算法的速度和效率。算法采用了多線程并行程負(fù)載過(guò)高時(shí)，可以動(dòng)態(tài)增加計(jì)算線程數(shù)，以提高算法的并分別是TheDiabetesData||推理準(zhǔn)確率|收斂速度|計(jì)算時(shí)間|TLAGaBP36|0.0025|4357.1s|4096.2s|BP負(fù)載情況下都具有更好的推理準(zhǔn)確率和收斂速度。此外，該算法計(jì)間也較傳統(tǒng)算法稍微減少了一些。這表明本文提出的算法在處理線。P整參數(shù)，以適應(yīng)線程負(fù)載不斷變化的復(fù)雜網(wǎng)絡(luò)推理問(wèn)題。實(shí)驗(yàn)，該算法在不同負(fù)載情況下具有更好的適應(yīng)性和穩(wěn)定性，能夠算法的推理準(zhǔn)確率和收斂速度。但在實(shí)際應(yīng)用中，還需要根據(jù)kyPOnthepropertreatmentofconnectionismJBehavioralandBrainSciences,1986,11(1):1-74.ngJYThreadLevelAsynchronousGeneralizedBeliefPropagationJarXivpreprintarXiv2011.hangZLiTThreadlevelasynchronousgeneralizediefpropagationonGPUCIEEEInternationalConferenceonhPerformanceComputingandCommunicationsIEEEInternationalConferenceonEmbeddedandUbiquitousComputing.IEEE,2013:2025-2032.AknearestneighborclassificationrulebasedonDempsterShafertheoryJIEEETransactionsonSystems,Man,andCybernetics-PartA:SystemsandHumans,1995,25(5):804-813.gYHuangPChenLetalAnefficienthybridparallelalgorithmforBayesiannetworkstructurelear