TUD Logo

TUD Startseite » ... » Fakultät Informatik » Forschung » Wissenschaftliche Vorträge

Fakultät Informatik

Wissenschaftliche Vorträge

A Formal View on Training of Weighted Tree Automata by Likelihood-Driven State Splitting and Merging

Verteidigung im Promotionsverfahren von Dipl.-Inf. Toni Dietze

27.9.2018, 13:00 Uhr, APB 1004 (Ratssaal)

The use of computers and algorithms to deal with human language, in both spoken and written form, is summarized by the term natural language processing (nlp). Modeling language in a way that is suitable for computers plays an important role in nlp. One idea is to use formalisms from theoretical computer science for that purpose. For example, one can try to find an automaton to capture the valid written sentences of a language. Finding such an automaton by way of examples is called training.

In this work, we also consider the structure of sentences by making use of trees. We use weighted tree automata (wta) in order to deal with such tree structures. Those devices assign weights to trees in order to, for example, distinguish between good and bad structures. The well-known expectation-maximization algorithm can be used to train the weights for a wta while the state behavior stays fixed. As a way to adapt the state behavior of a wta, state splitting, i.e. dividing a state into several new states, and state merging, i.e. replacing several states by a single new state, can be used. State splitting, state merging, and the expectation maximization algorithm already were combined into the state splitting and merging algorithm, which was successfully applied in practice. In our work, we formalized this approach in order to show properties of the algorithm. We also examined a new approach – the count-based state merging algorithm – which exclusively relies on state merging.

When dealing with trees, another important tool is binarization. A binarization is a strategy to code arbitrary trees by binary trees. For each of three different binarizations we showed that wta together with the binarization are as powerful as weighted unranked tree automata (wuta). We also showed that this is still true if only probabilistic wta and probabilistic wuta are considered.


Interaktive GPU Programmierung mit dem Cling-C++-Interpreter in Lehre und Wissenschaft

Präsentation der Diplomarbeit von Simeon Ehrig

1.10.2018, 16:00 Uhr, APB 1096

Im Rahmen dieser Diplomarbeit wurde der Cling JIT-Compiler, welcher von einem Team des CERN entwickelt wurde, um die Möglichkeit erweitert, CUDA-C++-Code zu übersetzen. Der Cling-CUDA ermöglicht neue Konzepte der Entwicklung und Ausführung von GPU-Anwendungen im HPC-Bereich. Das
wichtigste Ergebnis dieser Entwicklung ist das Entfallen bzw. Reduzieren der Zeiten für das Kompilieren, Linken, Job-Submitting und den Programmstart einer GPU-Anwendung, sobald der Programmfluss geändert wird. Zugleich bleibt die wichtigste Eigenschaft von C++ erhalten: Die Erzeugung performan-
ten Codes. Da der existierende CUDA-C++-Code ohne Änderungen weiterverwendet werden kann, ist zudem eine verhältnismäßig einfache Migration in bestehende Projekte möglich. Die Kombination aus Cling und Jupyter Notebook erlaubt darüber hinaus den einfachen Zugang einer breiten Nutzerschicht zu dieser Entwicklung. Dieser Schritt erleichtert insbesondere die Nutzung von HPC-Ressourcen auf einem entfernten Gerät sowie wie das Veröffentlichen von reproduzierbaren wissenschaftlichen Ergebnissen in Form von Programmcode, Daten und Dokumentation. Das vertraute und verbreitete Konzept von Jupyter Notebook eignet sich außerdem besonders gut, um HPC-Ressourcen Nutzergruppen zugänglich zu machen, die bisher von der klassischen Nutzung von HPC-System abgeschreckt wurden sind. Im Rahmen der vorliegenden Arbeit wurden zwei Anwendungsbeispiele entwickelt, die Nutzung und
Vorteile des neu entwickelten Cling-CUDA demonstrieren. Das erste Beispiel beschreibt die Entwicklung und Ausführung einer Simulation und Analyse unter Verwendung des Cling-CUDA und Jupyter Notebooks. Für das zweite Beispiel wurde eine Übung aus der Vorlesung „Hochparallele Programmie-
rung von GPUs” des Studiengangs “Informatik” der TU Dresden in einem Notebook umgesetzt. Dies geschah in Zusammenarbeit mit dem Dozenten der Vorlesung. In Folge dieser Arbeit gibt es mit den beiden Community-Projekten ROOT (CERN) und PIConGPU (HZDR) bereits Interessenten, die prüfen, ob eine Integration des Cling-CUDA möglich und sinnvoll ist. Besonders durch die Integration in ROOT könnte eine große Community an HPC-Nutzer erschlossen werden, die als starker Treiber für die zukünftige Entwicklung von Cling-CUDA fungieren könnten.


High-Quality Mesh Generation From 3D Scans for Surface Analysis

Verteidigung im Promotionsverfahren von M. Sc. Nico Schertler

4.10.2018, 16:00 Uhr, APB 1004 (Ratssaal)



Suche im Ankündigungsarchiv


Abonnieren Sie die Vortragsankündigungen als News Feed: RSS

Stand: 24.9.2018, 8:36 Uhr
Autor: Webmaster