Adaptives Online-Tuning für kontinuierliche Zustandsräume

Vortragende(r)	Timo Kopf
Vortragstyp	Masterarbeit
Betreuer(in)	Philip Pfaffe
Termin	Fr 11. Januar 2019, 11:30 (Raum 348 (Gebäude 50.34))
Vortragssprache
Vortragsmodus
Kurzfassung	Raytracing ist ein rechenintensives Verfahren zur Erzeugung photorealistischer Bilder. Durch die automatische Optimierung von Parametern, die Einfluss auf die Rechenzeit ha- ben, kann die Erzeugung von Bildern beschleunigt werden. Im Rahmen der vorliegenden Arbeit wurde der Auto-Tuner libtuning um ein generalisiertes Reinforcement Learning- Verfahren erweitert, das in der Lage ist, bestimmte Charakteristika der zu zeichnenden Frames bei der Auswahl geeigneter Parameterkonfigurationen zu berücksichtigen. Die hier- für eingesetzte Strategie ist eine �-gierige Strategie, die für die Exploration das Nelder- Mead-Verfahren zur Funktionsminimierung aus libtuning verwendet. Es konnte gezeigt werden, dass ein Beschleunigung von bis zu 7,7% in Bezug auf die gesamte Rechenzeit ei- nes Raytracing-Anwendungsszenarios dieser Implementierung gegenüber der Verwendung von libtuning erzielt werden konnte.

Vortrag bearbeiten