基于 GPU 加速最近邻算法的高效风速临近预报
机器学习
2022-02-23 v2
摘要
本文提出了一种简单而高效的高空风临近预报流程。它高效处理由飞机在整个空域记录的大量实时数据，并以良好精度重建风场。它为数据集中的每个点创建独特上下文，然后据此外推。由于创建此类上下文计算密集，本文提出了一种新算法，通过高效获取沿平滑轨迹组织且可用分段线性结构近似的数据集中的最近邻，来降低时间和内存成本。我们引入了一种通过代数张量运算实现的高效且精确的策略，其非常适配现代基于 GPU 的计算基础设施。该方法采用可扩展的欧氏度量，并允许沿一个维度掩蔽数据点。应用时，该方法比普通欧氏 k-NN 以及其他知名数据选择方法(如 KDTrees)更高效，并提供了数倍加速。我们提供了 PyTorch 实现和一个新数据集以复现实证结果。
引用
@article{arxiv.2112.10408,
title = {Efficient Wind Speed Nowcasting with GPU-Accelerated Nearest Neighbors Algorithm},
author = {Arnaud Pannatier and Ricardo Picatoste and François Fleuret},
journal= {arXiv preprint arXiv:2112.10408},
year = {2022}
}
备注
9 pages, 5 figures, accepted at Siam Data Mining 2022 (SDM 2022)