Resumen

Las arquitecturas de matrices de procesadores se han empleado, como acelerador, para calcular distancias de similitud encontradas en una variedad de algoritmos de minería de datos. Sin embargo, la mayoría de las arquitecturas propuestas en la literatura existente están diseñadas de manera ad hoc sin tener en cuenta el tamaño y la dimensionalidad de los conjuntos de datos. Además, las dependencias de datos no han sido analizadas y, a menudo, solo se considera una opción de diseño para la programación y asignación de tareas computacionales. En este trabajo, presentamos una metodología sistemática para diseñar matrices de procesadores lineales (1-D) escalables y eficientes en área para el cálculo de matrices de distancias de similitud. Se obtienen y analizan seis posibles opciones de diseño en términos de complejidad de área y tiempo. Las arquitecturas obtenidas nos brindan la flexibilidad de elegir la que cumpla con las restricciones de hardware para un tamaño de problema específico. Las comparaciones con las arquitecturas previamente reportadas demuestran que una de

• Materias:Sensores Seguridad informática Rendimiento del hardware Matriz
• Subjects:sensors Computer security Hardware performance Matrix
• Palabras claves:Arquitecturas de matriz de procesadores; Acelerador; Distancia de similitud; Algoritmos de minería de datos; Metodología de diseño; Escalabilidad
• Keywords:Processor array architectures; Accelerator; Similarity distance; Data mining algorithms; Design methodology; Scalability