Conception de machines probabilistes dédiées aux inférences bayésiennes - Laboratoire d'Informatique de Grenoble Accéder directement au contenu
Thèse Année : 2016

Design of stochastic machines dedicated to Bayesian inferences

Conception de machines probabilistes dédiées aux inférences bayésiennes

Résumé

The aim of this research is to design computers best suited to do probabilistic reasoning. For this, new machine architectures are presented. The concept they are built on is different to the one proposed by Von Neumann, without any fixed or floating point arithmetic. In this thesis, two types of probabilistic machines are presented. Their designs are radically different, but both are dedicated to Bayesian inferences and use stochastic computing. The first deals with small-dimension inference problems and uses stochastic computing to perform the necessary operations to calculate the inference. The second machine can deal with intractable inference problems. It implements a particular MCMC method: the Gibbs algorithm at the binary level. An important feature of this machine is the ability to circumvent the convergence problems generally attributed to stochastic computing. Finally, we present a generic and programmable machine designed to approximate solution to any inference problem.
Ces travaux de recherche ont pour but de concevoir des ordinateurs basés sur une organisation du calcul mieux adaptée au raisonnement probabiliste. Pour cela, nous proposons des architectures de machines se soustrayant au modèle Von Neumann, supprimant notamment l'utilisation de l'arithmétique en virgule fixe ou flottante. Plus spécifiquement, ces travaux décrivent deux types de machines probabilistes, radicalement différentes dans leur conception, dédiées aux problèmes d'inférences bayésiennes et utilisant le calcul stochastique. La première traite les problèmes d'inférence de faibles dimensions. Cette machine est basée sur le concept de bus probabiliste et possède un très fort parallélisme. La deuxième machine permet de traiter les problèmes d'inférence en grandes dimensions. Elle implémente une méthode MCMC sous la forme d'un algorithme de Gibbs au niveau binaire. Une importante caractéristique de cette machine est de contourner les problèmes de convergence généralement attribués au calcul stochastique. Nous présentons en fin de manuscrit une machine générique et programmable permettant de trouver une solution approchée à n'importe quel problème d'inférence.
Fichier principal
Vignette du fichier
these_marvin_faix_machines_probabilistes.pdf (11.3 Mo) Télécharger le fichier
Loading...

Dates et versions

tel-01451857 , version 1 (01-02-2017)
tel-01451857 , version 2 (11-01-2018)

Identifiants

  • HAL Id : tel-01451857 , version 1

Citer

Marvin Faix. Conception de machines probabilistes dédiées aux inférences bayésiennes. Architectures Matérielles [cs.AR]. Université Grenoble Alpes, 2016. Français. ⟨NNT : ⟩. ⟨tel-01451857v1⟩

Collections

INRIA
382 Consultations
389 Téléchargements

Partager

Gmail Facebook X LinkedIn More