Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

PID2019-110315RB-I00

Financiado

Cerrado

DESARROLLO DE TECNICAS DE APRENDIZAJE PROFUNDO PARA LA OPTIMIZACION DE LA INFRAE...

DESARROLLO DE TECNICAS DE APRENDIZAJE PROFUNDO PARA LA OPTIMIZACION DE LA INFRAESTRUCTURA DE SUPERCOMPUTACION Y DE APLICACIONES DE IMAGEN HIPERESPECTRAL LAS PRACTICAS ACTUALES EN COMPUTACION DE ALTAS PRESTACIONES ESTAN IMPULSADAS POR LA OPTIMIZACION DEL RENDIMIENTO Y CONSUMO, ENCONTRADO UNA SOLUCION AMPLIAMENTE ACEPTADA EN LA COMPUTACION HETEROGENEA, ATENDIENDO A LA LISTA TOP500 (... ver más

01/01/2019

UNEX

92K€

Presupuesto del proyecto: 92K€

Líder del proyecto

UNIVERSIDAD DE EXTREMADURA No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 805

Fecha límite participación Sin fecha límite de participación.

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2019-01-01 No tenemos la información de la convocatoria

0% 100%

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

Participantes

UNEX

Lider

Proyectos interesantes

TIN2017-88614-R

Software

Data Science

84K€ Cerrado

TIN2010-16497

Software

Data Science

203K€ Cerrado

Inno4Scale

Software

Data Science

5M€ Cerrado

SEV-2011-0067

Software

Data Science

4K€ Cerrado

SEV-2015-0493

Software

Data Science

4K€ Cerrado

CEX2021-001148-S

Software

Data Science

4K€ Cerrado

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Líder del proyecto

UNIVERSIDAD DE EXTREMADURA No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 805

Presupuesto del proyecto 92K€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto LAS PRACTICAS ACTUALES EN COMPUTACION DE ALTAS PRESTACIONES ESTAN IMPULSADAS POR LA OPTIMIZACION DEL RENDIMIENTO Y CONSUMO, ENCONTRADO UNA SOLUCION AMPLIAMENTE ACEPTADA EN LA COMPUTACION HETEROGENEA, ATENDIENDO A LA LISTA TOP500 (JUNIO DE 2019), 13 DE LOS 25 PRIMEROS SISTEMAS TIENEN ACELERADORES, LO QUE SIGNIFICA QUE LAS APLICACIONES CIENTIFICAS EXIGENTES TIENDEN A SER EJECUTADAS EN PLATAFORMAS HETEROGENEAS, LOS SISTEMAS CLOUD OFRECEN PLATAFORMAS INNOVADORAS Y RENTABLES PARA EJECUTAR APLICACIONES PARALELAS CON REQUERIMIENTOS ADICIONALES, COMO TOLERANCIA A FALLOS Y PROCESAMIENTO MASIVO DE DATOS, INCLUYENDO APLICACIONES DE NEGOCIOS, BIG DATA, APRENDIZAJE MAQUINA/PROFUNDO, EN GENERAL, LOS SISTEMAS FORMADOS POR PROCESADORES MULTI-CORE Y ACELERADORES, COMUNICANDOSE A TRAVES DE CANALES DE DIFERENTES CAPACIDADES, SON AHORA LOS SISTEMAS MAS EXTENDIDOS, SIN EMBARGO, ESTA HETEROGENEIDAD EJERCE PRESION EN LAS INFRAESTRUCTURAS SW PARA MAXIMIZAR LA EXPLOTACION DE LAS APLICACIONES EN ESAS MAQUINAS, ASI PUES, HAN SURGIDO GRAN CANTIDAD DE TECNICAS EN LA LITERATURA, SIENDO UN CAMPO DE INVESTIGACION ACTIVO, ENTRE ELLAS SE INCLUYEN DETERMINAR EL PERFIL COMPUTACIONAL DE LOS PROCESOS, ENCONTRAR EL PARTICIONAMIENTO DE DATOS QUE GARANTICE UN EQUILIBRIO DE LA CARGA DE TRABAJO, DISEÑAR MODELOS ANALITICOS DE LAS COMUNICACIONES PARA AYUDAR A REDUCIR LOS COSTES ASOCIADOS A LAS MISMAS O DETERMINAR LA UBICACION OPTIMA DE LOS PROCESOS EN LOS RECURSOS, LAS TECNICAS CLASICAS PARA ABORDAR LOS PROBLEMAS DE OPTIMIZACION DEL PARALELISMO APARECEN EN LOS CAMPOS DE GESTION DE RECURSOS, PARTICIONAMIENTO DE GRAFOS, PROGRAMACION DINAMICA, HEURISTICAS EN PROBLEMAS COMBINATORIALES, ETC, A ESTE RESPECTO, LAS TECNICAS DEL CAMPO DE LA INTELIGENCIA ARTIFICIAL SON PROMETEDORAS Y JUSTO AHORA ESTAN PRODUCIENDO SUS PRIMEROS RESULTADOS EN TEMAS COMO LA PLANIFICACION Y DESPLIEGUE DE PROCESOS Y EL BALANCEO DE CARGA COMPUTACIONAL,EL OBJETIVO DE LA PROPUESTA ES APLICAR TECNICAS DE APRENDIZAJE MAQUINA/PROFUNDO PARA ABORDAR LOS PROBLEMAS CLASICOS DE OPTIMIZACION HPC/CLOUD PLANTEADOS TANTO EN EL SW DEL SISTEMA COMO EN LAS APLICACIONES, EN NUESTRA OPINION, ESTE ENFOQUE SUPONE UN CAMBIO DE PERSPECTIVA, DESDE EL USO DE PLATAFORMAS PARA PERMITIR LA EJECUCION DE APLICACIONES PARALELAS, INCLUIDO EL ENTRENAMIENTO DE ENORMES ESTRUCTURAS DE COMPUTACION NEURONAL, HASTA LA CONSIDERACION DE TECNICAS DE APRENDIZAJE EMERGENTES (REDES PROFUNDAS, APRENDIZAJE POR REFUERZO, REDES GENERATIVAS ANTAGONICAS, AUTOENCODERS, ETC) PARA ABORDAR LOS PROBLEMAS TIPICOS DE OPTIMIZACION EN LA COMPUTACION HPC/CLOUD,EVALUAREMOS NUESTROS DESARROLLOS USANDO TRES TIPOS DE APLICACIONES HPC REPRESENTATIVOS DEL PANORAMA ACTUAL, APLICACIONES CIENTIFICAS (GENERALMENTE BASADAS EN KERNELS DE ALGEBRA LINEAL) Y REDES NEURONALES PROFUNDAS PARA CLASIFICACION DE IMAGENES Y PROCESADO DE IMAGENES HIPERESPECTRALES, INCLUYENDO TECNICAS DE CLASIFICACION, DESMEZCLADO Y REDUCCION DIMENSIONAL,DADA NUESTRA EXPERIENCIA, NOS CENTRAREMOS EN EL CAMPO DEL ANALISIS DE IMAGENES HIPERESPECTRALES, LOS AVANCES EN EL HW DE TELEDETECCION PERMITEN OBTENER IMAGENES DE ELEVADA RESOLUCION ESPACIAL, ESPECTRAL Y RADIOMETRICA, TAL ENORME CANTIDAD DE DATOS EXIGE NUEVAS TECNICAS DE ALMACENAMIENTO, PROCESAMIENTO Y ANALISIS, INCLUIDOS METODOS ADAPTADOS DEL CAMPO DEL APRENDIZAJE PROFUNDO, LA EJECUCION OPTIMA DE ALGORITMOS Y APLICACIONES DE ANALISIS HIPERESPECTRAL SOBRE CLUSTERS HPC HETEROGENEOS Y CLOUDS EXIGE UN DISEÑO APROPIADO DE GESTION DE RECURSOS, COMPUTACION DE ALTAS PRESTACIONES\COMPUTACION CLOUD\ANÑALISIS HIPERESPECTRAL\APRENDIZAJE PROFUNDO\APRENDIZAJE MAQUINA

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores