林智仁Chiang, Wei-LinWei-LinChiang江韋霖2018-04-242018-07-052018-04-242018-07-052017-04http://ntur.lib.ntu.edu.tw//handle/246246/284307指導教授：林智仁在機器學習領域裡，線性分類模型如線性支持向量機、邏輯回歸，是一類被廣泛使用的分類算法，然而在處理大規模資料的問題時，模型的訓練仍需耗費大量時間完成，因此本文旨在利用多核心處理器的優勢來加速巨量資料上的線性模型的訓練，首先我們考慮以矩陣運算為瓶頸的優化算法做加速，並特別針對牛頓法深入研究，結果顯示在合適的實作下，牛頓法能獲得非常優異的加速效果。此外我們也針對另一類重要算法—對偶座標下降法做分析，並提出一套架構使得平行加速可以有效的應用至此，且保證其理論收斂性，透過實驗多方比較，我們展示了該算法在多核心環境下優異的效率及穩定性。3630806 bytesapplication/pdf大規模線性分類牛頓法對偶座標下降法平行運算thesishttp://ntur.lib.ntu.edu.tw/bitstream/246246/284307/2/江韋霖學士班學生論文電子檔(含浮水印+保全).pdf