Exploring simplicity and efficiency: regression-based scheduling heuristics in HPC (2023)
- Authors:
- USP affiliated authors: LEJBMAN, ALFREDO GOLDMAN VEL - IME ; ROSA, LUCAS DE SOUSA - IME
- Unidade: IME
- DOI: 10.5753/eradsp.2023.232635
- Subjects: PROGRAMAÇÃO PARALELA; APRENDIZADO COMPUTACIONAL; HEURÍSTICA
- Language: Inglês
- Imprenta:
- Publisher: SBC
- Publisher place: Porto Alegre
- Date published: 2023
- Source:
- Título: Anais
- Conference titles: Escola Regional de Alto Desempenho de São Paulo - ERAD-SP
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
ROSA, Lucas de Sousa e CARASTAN-SANTOS, Danilo e GOLDMAN, Alfredo. Exploring simplicity and efficiency: regression-based scheduling heuristics in HPC. 2023, Anais.. Porto Alegre: SBC, 2023. Disponível em: https://doi.org/10.5753/eradsp.2023.232635. Acesso em: 06 fev. 2026. -
APA
Rosa, L. de S., Carastan-Santos, D., & Goldman, A. (2023). Exploring simplicity and efficiency: regression-based scheduling heuristics in HPC. In Anais. Porto Alegre: SBC. doi:10.5753/eradsp.2023.232635 -
NLM
Rosa L de S, Carastan-Santos D, Goldman A. Exploring simplicity and efficiency: regression-based scheduling heuristics in HPC [Internet]. Anais. 2023 ;[citado 2026 fev. 06 ] Available from: https://doi.org/10.5753/eradsp.2023.232635 -
Vancouver
Rosa L de S, Carastan-Santos D, Goldman A. Exploring simplicity and efficiency: regression-based scheduling heuristics in HPC [Internet]. Anais. 2023 ;[citado 2026 fev. 06 ] Available from: https://doi.org/10.5753/eradsp.2023.232635 - An experimental analysis of regression-obtained HPC scheduling heuristics
- Escalonamento com consciência energética para fluxos de trabalho científicos sem servidor: uma abordagem de aprendizado de máquina
- On limits of machine learning techniques in the learning ofscheduling policies
- In search of efficient scheduling heuristics from simulations and machine learning
- The influence of organizational factors on inter-team knowledge sharing effectiveness in agile environments
- Improving the performance of actor model runtime environments on multicore and manycore platforms
- Towards automatic actor pinning on multi-core architectures
- A simple BSP-based model to predict execution time in GPU applications
- A comparison of GPU execution time prediction using machine learning and analytical modeling
- Message from the program committee co-chairs. [Apresentação]
Informações sobre o DOI: 10.5753/eradsp.2023.232635 (Fonte: oaDOI API)
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
3193659.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
