[PDF] Top 20 Publication 論文 鈴村研究室 大規模データ処理・ストリームコンピューティング IC2010 ueno

...  工場の生産ラインのセンサーによる監視  自動車のセンサーによる監視  ネットワークを使って自動車のセンサーデータを得る  SST （ Singular Spectrum Transformation, 特異スペクトル変 ... 完全なドキュメントを参照

... 知 大 対 規模 計算 繰 返 場合 多 GPGPU 手法 高 速化 ． GPU 並列 高速化 提案 ．変化 検知 １ あ 特異 変換 計算 多 特異値 解 占 い 特異値 解 計算 う 二 対角化 GPU 並列 実装 行列 320 数 256 CPU 1 対 17.22 倍 高速 ... 完全なドキュメントを参照

... E-mail: [email protected], [email protected] あ 本 研 究 ， 々 刻 々 流 計 算 処 理 操 作 を 行 う 出 来 処 理 処 理 系 を 用 い 並 列 音 声 識 を 実 装 ． 処 理 系 記 述 力 音 声 識 並 列 散 ， 処 理 拡 張 容 易 行 え を 示 ， 識 処 理 を 4 16 構 成 散 並 列 環 境 ン 比 較 、 ... 完全なドキュメントを参照

...  Incremental PageRank *3 , Adaptive PageRank *4  PageRank 計算 高 化手法 *1 : G. Malewicz et al , “Pregel: A System for Large-Scale Graph Processing”, ACM 2010. *2 : U Kang et al , “PEGASUS: A Peta-Scale Graph Mining ... 完全なドキュメントを参照

... ー ー 処理 時々刻々 送 ー 対 処理 行う計算手法 あ 手法 用い ー ョン 運用 既 Web 他 ー ョン 比 応答性 重要 ー ー 処理 い ン 増大 致 的 あ 時間 変化 ー ー 局所的 増大 場合 能 限 ン 増大 避 ... 完全なドキュメントを参照

... Data Stream Processing for Large-Scale Bipartite Graph using Graph Partition.. † Masaru Ganse, Information Science and Engineering , Tokyo Institute of Technology.[r] ... 完全なドキュメントを参照

... ，゜ンェモベンシャエメネ処理 より 3.0 倍 高 計算出来る を示 ． ゥヴワヴチ タヴシケダモヴヘ処理，エメネ処理， PageRank ， DSMS ， DSPS ， System S ， SPADE Towards Incremental Graph Processing by Data Stream Processing Shunsuke NISHII and Toyotaro ... 完全なドキュメントを参照

... We previously proposed an XML parser based on the notion of differential processing under the hypothesis that XML documents are similar to each other, and in this paper we enhance this[r] ... 完全なドキュメントを参照

... By making use of these features and eliminating the redundant processing, we propose a new deserialization mechanism that reuses matching regions from the previously deserialized appl[r] ... 完全なドキュメントを参照

... In Deltarser, each parse event and its corresponding byte- sequence are stored in one edge of an automaton. This au- tomaton has two major characteristics: 1) it can directly process byt[r] ... 完全なドキュメントを参照

... – Dynamic load balancing unit and time series prediction algorithm are built on System S. – System S can import C++ or Java code as a user defined operator and modularize it[r] ... 完全なドキュメントを参照

...  5 万個 のセンサーがあるとする  4node(16 コア ) で分散処理しても、 SST で各センサーからの入 力データを 1 つ 処理するのに、 10 分 かかる  IKA-SST *1*2 (SST の近似を高速に求めるアルゴリズム ) で計算し ... 完全なドキュメントを参照

... We use three different stream programs (Application- Specific Benchmarks) which are are used for different pur- poses such as Call Detail Record Processing (CDR), Volume Weighted Average [r] ... 完全なドキュメントを参照

... Westmere EP, ， 6 カ ゚ ， 256-KB L2 キ ホ ッ ク ュ , 12-MB L3) ， NVIDIA M2050 GPU (Fermi) ， 48GB ベ ペ モ 搭 載 さ れ い る 通 信 ， 各 テ ー チ Infiniband QDR モ ン ェ 使 用 可 能 ， 合 計 80Gbps 通 信 ト ン チ 幅 を 備 え い る 暷 大 512 テ ー チ 使 用 実 験 ， GPU ... 完全なドキュメントを参照

... Definition 4 ∀x, y ∈ N : y ∈ A(x) ↔ x → y ∈ E ∀x, y ∈ N : y ∈ D(x) ↔ y → x ∈ E Based on those sets INF defines two sub-scores named deductive sub-score (DED) and inductive sub-score (IND), in coherency with a ... 完全なドキュメントを参照

... 5.3 Implementation This algorithm is implemented by using System S and evaluated by using real data. We use SPADE in easy operation, and use a UDOP by using C++ in complex operation. An application implemented by System ... 完全なドキュメントを参照

... あ ． 異常検知 い 多様 入力 柔 軟 扱 え 変 化 点 検 出 求 処理 蓄積 く 処理 いう新 い 計算 あ ． 変化点検知 SST(Singular Spectrum Transformation) 使 異常検知 処理 一辺 長 500 行列 演算 必要 ． GPU ... 完全なドキュメントを参照

... Amazon Linux AMI Beta 2010.11.1 Small （以下、 Small と 略 記 ） 、 同 High­CPU Medium （ 以 下 、 Medium ）の 2 種類を使用する。各インスタンスタ イプのハードウェア性能、 1 時間あたりの課金額は ... 完全なドキュメントを参照

... Current Data Stream Processing Systems cannot dynamically assign or remove computational nodes.. New nodes?[r] ... 完全なドキュメントを参照

... グラフ分割を用いた 大規模 2 部グラフのデータストリーム処理 雁瀬 優 †1 上野 晃司 †1 鈴村 豊太郎 †1,†2 近年，グラフ構造に対するマイニング技術が注目を集めている．従来の大規模グラ ... 完全なドキュメントを参照