- Accelerating K-Means on the Graphics Processor via CUDA – Source Code
- APOSDLE – Eine neue Art zu Arbeiten, Lernen und Kommunizieren
- Caliph & Emir
- MoKi – Ein Wiki zum integrierten Modellieren von Themen und Arbeitsprozessen
- SNGSVM Source & Executables
- TeA – Assertionale Effekte illustrieren anhand von Beispielen mit OWL Axiomen
Accelerating K-Means on the Graphics Processor via CUDA – Source Code
Kontakt: Mario Zechner, mzechner[at]know-center.at, Michael Granitzer, mgrani[at]know-center.at
Kurzbeschreibung: (Nähere Details sind derzeit nur auf Englisch verfügbar)
In this paper an optimized k-means implementation on the graphics processing unit (GPU) is presented. NVIDIA’s Compute Unified Device Architecture (CUDA), available from the G80 GPU family onwards, is used as the programming environment. Emphasis is placed on optimizations directly targeted at this architecture to best exploit the computational capabilities available. Additionally drawbacks and limitations of previous related work, e.g. maximum instance, dimension and centroid count are adressed. The algorithm is realized in a hybrid manner, parallelizing distance calculations on the GPU while sequentially updating cluster centroids on the CPU based on the results from the GPU calculations. An empirical performance study on synthetic data is given, demonstrating a maximum 14x speed increase to a fully SIMD optimized CPU implementation.
Details on Source:
The source code is available under GPL3 so feel free to do with it whatever is permitted by the license. The code was targeted at Windows machines, compiled with Visual Studio 2008. Compiling it under Linux shouldn’t be a big problem either though. There’s only a few windows specific parts (mostly the timer code) that can be easily replaced. As stated in the paper there’s rounding errors in the GPU implementation due to how the GPU handles multiplication/additions which are merged if possible using a different rounding mode and so on. Other than that i can’t think of any pitfalls at the moment. The code is not very well commented but should be mostly self explanatory. If there are any questions, we will try to answer them as good as possible and as time permits.
If you use or build upon our work, please give us according credits by citing
Zechner, M., Granitzer, M., Accelerating K-Means on the Graphics Processor via CUDA Proceedings of the 2009 First International Conference on Intensive Applications and Services (INTENSIVE 2009), IEEE Computer Society, 2009
Thanks also to Jan-Michael Frahm who provided some updates to the code.
gpuk.update.Jan 6,30 MB
APOSDLE – Eine neue Art zu Arbeiten, Lernen und Kommunizieren
Kontakt: Stefanie Lindstaedt, slind[at]know-center.at
Kurzbeschreibung:
Nach erfolgreichem Abschluss vom EU-Forschungsprojekt APOSDLE ist ab sofort die Open Source Version der APOSDLE Software frei verfügbar.
Neben dem veröffentlichten Referenzdatensatz aus dem EU-Forschungsprojekt APOSDLE wurde auch die Open Source Version von APOSDLE veröffentlicht und damit ein echter Mehrwert und weiterer Meilenstein zum Thema “Arbeits-integriertes Lernen” geschaffen.
Das APOSDLE Open Source Package enthält die APOSDLE Plattform, den APOSDLE Client sowie alle notwendigen Tools zur Installation und Betrieb von APOSDLE. Zusätzlich sind auch zwei Beispieldomänen aus dem Bereich Innovationsmanagement und Statistischer Datenanalyse enthalten, die einen schnellen Überblick über die vielfältigen Funktionen von APOSDLE bieten. Das APOSDLE Open Source Package ist unter GPL v3 lizensiert. Den Download des Open Source Package finden Sie auf http://www.aposdle.tugraz.at/results/downloads/opensource_packages.
- APOSDLE – new ways to work, learn and collaborate!
Mehr Information dazu finden Sie auf http://www.aposdle.org
Caliph & Emir
Kurzbeschreibung: (Nähere Details sind derzeit nur auf Englisch verfügbar)
Java & MPEG-7 based tools for semantic annotation and retrieval of digital photos and images.
Caliph & Emir are Java & MPEG-7 based tools for semantic annotation and retrieval of digital photos and images supporting structured, unstructured and semantic, graph like annotation and content based, metadata based and semantic image retrieval.Caliph and Emir are further developed in an open source project and can be visited and downloaded on sourceforge.net: http://sourceforge.net/projects/caliph-emir/
For further explanations, screenshots and videos showing the usage of Caliph & Emir visit http://caliph-emir.sourceforge.net/.
MoKi – Ein Wiki zum integrierten Modellieren von Themen und Arbeitsprozessen
Kontakt: Viktoria Pammer, vpammer[at]know-center.at
Kurzbeschreibung:
Wissensbasierte Systeme brauchen Modelle in denen das Wissen gespeichert wird. Das MoKi ist ein Wiki-basiertes Modellierungstool in dem Themen und Arbeitsprozesse modelliert werden können. Besonderer Fokus lag bei der Entwikclung darauf, ein System zu schaffen das möglichst einfach zu bedienen ist. Das MoKi kann online ausprobiert werden, und ein
Storyboard beschreibt wie das MoKi (gemeinsam mit einem zusätzlichen MOdellierungstool, TACT) verwendet werden kann um APOSDLE zu konfigurieren. Das MoKi wird gemeinsam mit der Data & Knowledge Management Gruppe vom FBK in Trento, Italien, entwickelt.
SNGSVM Source & Executables
Kontakt: Mario Zechner, mzechner[at]know-center.at
Kurzbeschreibung: (Nähere Details sind derzeit nur auf Englisch verfügbar)
Here we provide the source code, data sets and compiled executable files for the paper “A Competitive Learning Approach to Instance Selection for Support Vector Machines”. You will need Java 1.6 to run and compile the code as well as > 1GB of RAM to execute the testing program for large data sets. Please read the README file included in the package.
If you use the source code for experiments and publish research results accordingly, please credit our work by citing:
Zechner, M., Granitzer, M. A Competitive Learning Approach to Instance Selection for Support Vector Machines, Proceedings of the 3rd International Conference on Knowledge Science, Engineering and Management, Vienna, 2009
sngsvm 9,74 MB
TeA – Assertionale Effekte illustrieren anhand von Beispielen mit OWL Axiomen
Kontakt: Viktoria Pammer, vpammer[at]know-center.at
Kurzbeschreibung:
In Wissensbasen von vernünftiger Größe ist es bereits schwierig für einzelne Personen, einen Überblick über das vorhandene Wissen und die vorhandenen Daten zu behalten. Für Wissensbasen in OWL wurden assertionale Effekte entwickelt, die beim Einfügen (oder Löschen) von allgemein wahren Aussagen (terminologischen und Rollenaxiomen in OWL) anhand von konkreten Daten Beispiele geben welches Wissen dadurch neu dazukommt, oder verlorengeht.
Lesen Sie hier mehr über den theoretischen Hintergrund von assertionalen Effekten.
Wie assertionale Effekte Sie bei der Bearbeitung von Wissensbasen in OWL unterstützen können, können Sie bei dieser online MoKi-Version selber ausprobieren.
Die Hintergrundfunktionalität von assertionalen Effekten ist im Rahmen des TeA Packages (in Java) unter der GPL v3 veröffentlicht. Das TeA Package bietet in erster Linie die Funktionen an, zwei OWL Wissensbasen zu vergleichen und assertionale Effekt zu berechnen. Die ausführlichste Dokumentation des TeA Packages befindet sich hier. Ein leichter Start in die Verwendung des TeA Packages ergibt sich durch die TeaTypes-Klasse und deren getCollectedAssertionalEffects() – Methode.
- Source-Code und Binaries (mit Java 6 kompiliert)
- Javadoc-Dokumentation.
