<?xml version="1.0"?>
<metadata xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:dc="http://purl.org/dc/elements/1.1/"><dc:title>Optimizacija statističnih modelov za izvajanje na heterogenih sistemih</dc:title><dc:creator>Šteblaj,	Jurij	(Avtor)
	</dc:creator><dc:creator>Lotrič,	Uroš	(Mentor)
	</dc:creator><dc:creator>Češnovar,	Rok	(Komentor)
	</dc:creator><dc:subject>heterogeni sistemi</dc:subject><dc:subject>Bayesova statistika</dc:subject><dc:subject>GPE</dc:subject><dc:subject>vzorčenje</dc:subject><dc:subject>večroki bandit</dc:subject><dc:subject>optimizacija</dc:subject><dc:description>Statistični model v jeziku Stan lahko prevedemo tako, da se izvaja ali na centralni procesni enoti ali na grafični procesni enoti. Napačna izbira naprave lahko močno podaljša čas obdelave. V našem pristopu napravo izbiramo sproti in ob tem učimo odločitveno metodo. Pripravili in preizkusili smo tri take odločitvene metode. Metode se prilagodijo na strojno opremo in odločajo glede na velikost primerka računskega problema. V delu predstavimo programsko arhitekturo, ki omogoča uvedbo funkcij z vgrajenim odločanjem z majhnimi spremembami obstoječe kode. Odločitvene metode smo preizkusili z merjenjem časa izvajanja matematičnih operacij in realnega primera statističnega modela. Odločitvena metoda LinUCB je v vsakem preizkusu dosegla primerljiv ali krajši čas izvajanja, kot na vnaprej izbrani napravi. S predhodnim učenjem odločitvene metode, četudi na manjših primerkih, smo čase izvajanja še skrajšali.</dc:description><dc:date>2020</dc:date><dc:date>2020-11-13 12:00:01</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>121986</dc:identifier><dc:identifier>VisID: 25064</dc:identifier><dc:identifier>COBISS_ID: 40185603</dc:identifier><dc:language>sl</dc:language></metadata>
