Literatur vom gleichen Autor/der gleichen Autor*in
plus bei Google Scholar

Bibliografische Daten exportieren
 

A Motivating Case Study on Code Variant Selection by Reinforcement Learning

Titelangaben

Hacker, Oliver ; Korch, Matthias ; Seiferth, Johannes:
A Motivating Case Study on Code Variant Selection by Reinforcement Learning.
In: Varbanescu, Ana-Lucia ; Bhatele, Abhinav ; Luszczek, Piotr ; Marc, Baboulin (Hrsg.): High Performance Computing : Proceedings. - Cham : Springer , 2022 . - S. 293-312 . - (Lecture Notes in Computer Science ; 13289 )
ISBN 978-3-031-07312-0
DOI: https://doi.org/10.1007/978-3-031-07312-0_15

Angaben zu Projekten

Projekttitel:
Offizieller Projekttitel
Projekt-ID
Optimierungstechniken für explizite Verfahren zur GPU-beschleunigten Lösung von Anfangswertproblemen gewöhnlicher Differenzialgleichungen (OTEGO)
KO 2252/3-2

Projektfinanzierung: Deutsche Forschungsgemeinschaft

Abstract

In this paper, we investigate the applicability of reinforcement learning as a possible approach to select code variants. Our approach is based on the observation that code variants are usually convertible between one another by code transformations. Actor-critic proximal policy optimization is identified as a suitable reinforcement learning algorithm. To study its applicability, a software framework is implemented and used to perform experiments on three different hardware platforms using a class of explicit solution methods for systems of ordinary differential equations as an example application.

Weitere Angaben

Publikationsform: Aufsatz in einem Buch
Begutachteter Beitrag: Ja
Institutionen der Universität: Fakultäten > Fakultät für Mathematik, Physik und Informatik
Fakultäten > Fakultät für Mathematik, Physik und Informatik > Institut für Informatik
Fakultäten > Fakultät für Mathematik, Physik und Informatik > Institut für Informatik > Lehrstuhl Angewandte Informatik II
Fakultäten > Fakultät für Mathematik, Physik und Informatik > Institut für Informatik > Lehrstuhl Angewandte Informatik II > Lehrstuhl Angewandte Informatik II - Univ.-Prof. Dr. Thomas Rauber
Fakultäten
Titel an der UBT entstanden: Ja
Themengebiete aus DDC: 000 Informatik,Informationswissenschaft, allgemeine Werke > 004 Informatik
Eingestellt am: 18 Jul 2022 06:36
Letzte Änderung: 15 Mai 2023 07:47
URI: https://eref.uni-bayreuth.de/id/eprint/70578