05 Fakultät Informatik, Elektrotechnik und Informationstechnik

Permanent URI for this collectionhttps://elib.uni-stuttgart.de/handle/11682/6

Browse

Subject: search.filters.subject.004Publication Type: search.filters.UBSTyp.Abschlussarbeit (Bachelor)Start date: 2014Institute: search.filters.UBSInstitut.Institut für Parallele und Verteilte Systeme

Search Results

Now showing 1 - 10 of 254
  • Thumbnail Image
    ItemOpen Access
    Quantifizierung von Unsicherheiten in mikroskopischer Verkehrssimulation
    (2017) Parga Cacheiro, Dominic
    Straßenverkehr ist allgegenwärtig. Jeden Tag fahren viele Menschen mit dem Auto durch die Straßen und dabei können sehr interessante Phänomene betrachtet werden, die den Verkehrsfluss verbessern oder verschlechtern. Beim Planen und Designen von Verkehrsnetzen ist es wichtig, solche Einflüsse zu berücksichtigen. Aus diesem Grund sind Verkehrssimulationen notwendig. Es gibt im wesentlichen zwei große Modelltypen. Die makroskopischen Modelle sehen den Verkehr als großes System und versuchen, dessen Phänomene aus einem globalen Blickwinkel zu erklären. Die mikroskopischen Modelle betrachten die Fahrzeuge einzeln, d.h. die Fahrzeuge agieren nicht von einer globalen Logikeinheit gesteuert, sondern selbstbestimmt und aus einem lokalen Blickwinkel heraus. In dieser Arbeit wird das Nagel-Schreckenberg-Modell verwendet, ein mikroskopisches Modell zur Beschreibung von Fahrverhalten auf einer einspurigen Straße, das mittels einfacher stochastischer Mittel Phänomene wie Staus aus dem Nichts hervorbringt. Dieses Modell wurde um eine allgemein gültige Kreuzungslogik erweitert. Im Rahmen dieser Arbeit wird das so entstandene Verkehrsmodell um die Mehrspurigkeit ergänzt. Das beinhaltet eine Überarbeitung der bestehenden Verkehrslogik und das Einführen von Spurwechseln inklusive Stauinversion. Im Anschluss wird auf Implementierungsdetails eingegangen und das Modell mit realen Daten verglichen, um qualitative Aussagen über den Verkehr zu machen.
  • Thumbnail Image
    ItemOpen Access
    Erschließen von Freitextfeldern mittels Text Mining und die Qualität der gewonnenen Informationen
    (2017) Link, Marco
    Vermehrt fallen innerhalb von Firmen neben den einfach auszuwertenden strukturierten Daten, auch unstrukturierte Daten in Form von Freitexten an. In dieser Ausarbeitung werden Techniken zur Strukturierung von Freitexten sowie verwandte Arbeiten und Vor- und Nachteile der Nutzung von Freitexten vorgestellt. Der Fokus liegt auf der Repräsentation der Daten als Vektoren und der Filterung von Stoppwörtern. Außerdem wird ein Prototyp zum Clustern von Freitextfeldern vorgestellt und auf einen Datensatz der NHTSA angewendet. Durch die Anwendung des Prototyps auf den NHTSA-Datensatz wird geklärt, inwiefern dieser Informationen in den Freitextfelder enthält, die nicht in den strukturierten Daten enthalten sind. Und ob das Clustering zu vollständigeren Informationen, das heißt zur erhöhter Datenqualität führt. Die Beantwortung geschieht durch Datenanalysen auf den vom Prototyp erweiterten Datensatz. Eine zusätzliche Anwendung und Auswertung des Prototyps, findet auf einen Datensatz aus der Industrie statt.
  • Thumbnail Image
    ItemOpen Access
    Distributed Deep Reinforcement Learning for Learn-to-optimize
    (2023) Mayer, Paul
    In the context of increasingly complex applications, e.g., robust performance tuning in Integrated Circuit Design, conventional optimization methods have difficulties in achieving satisfactory results while keeping to a limited time budget. Therefore, learning optimization algorithms becomes more and more interesting, replacing the established way of hand-crafting or tweaking algorithms. Learned algorithms reduce the amount of assumptions and expert knowledge necessary to create state-of-the-art solvers by decreasing the need of hand-crafting heuristics and hyper-parameter tuning. First advancements using Reinforcement Learning have shown great success in outperforming typical zeroth- and first-order optimization algorithms, especially with respect to generalization capabilities. However, training still is very time consuming. Especially challenging is training models on functions with free parameters. Changing these parameters (that could represent, e.g., conditions in a real world example) affects the underlying objective function. Robust solutions therefore depend on thorough sampling, which tends to be the bottleneck considering time consumption. In this thesis we identified the runtime bottleneck of the Reinforcement Learning Algorithm and were able to decrease runtime drastically by distributing data collection. Additionally, we studied the effects of combining sampling strategies in regards to generalization capabilities of the learned algorithm.
  • Thumbnail Image
    ItemOpen Access
    Routinen zur Auswertung von Simulationen mit ESPResSo zur virtuellen Weiterentwicklung von Innenraumfiltern
    (2016) Lekar, Dominik
    Innenraumfilter dienen dazu, die Insassen und das Lüftungsgerät vor Staub, Pollen und anderen Partikeln zu schützen. Die derzeitige Entwicklung von solchen Filtermedien erfolgt meist nach der Trial-and-Error-Methode und erfordert daher einen hohen Versuchsaufwand. Um die Entwicklung der Filtermedien voranzubringen, wird in dieser Arbeit ein Skript für die Software für Molekulardynamik „ESPResSo“ erweitert. Ziel ist die kontinuierliche Beladung einzelner Fasern mit unterschiedlichen Partikeltypen. Die Evaluierung des Skripts geschieht durch die Auswertung von gewonnenen Simulationsergebnissen. Aus diesen wird ersichtlich, dass der Abscheidegrad eines Partikeltyps von seiner Trägheit abhängt und dieser durch die Wahl unterschiedlicher Parameter beeinflusst werden kann.
  • Thumbnail Image
    ItemOpen Access
    Second-order projection-based mapping methods for coupled multi-physics simulations
    (2022) Ariguib, Boshra
    Data mapping describes the exchange of variables between different, usually non-matching grids for storing data. As different physics require different physical constraints, so do different simulation require different mesh properties. This makes data mapping a crucial part when coupling single-physics simulations into a multi-physics simulation. However, the tradeoff for the available computationally efficient methods is usually low accuracy order. Such a method is the nearest-neighbor mapping method, which relies on a computationally inexpensive mapping algorithm and shows a first-order accuracy, as it is based on a constant interpolation. A second-order projection-based mapping method nearest-neighbor-gradient aims to improve the accuracy order of the nearest-neighbor mapping, while preserving the low computational costs. This is achieved through the extension of the existing method by considering additional gradient data information and applying a Hermite interpolation, in order to balance out both the computational efficiency and the accuracy of the mapping. In this thesis, we implemented this method by extending the coupling library preCICE, which uses state-of-the-art algorithms for coupling partitioned multi-physics simulations in a black-box manner. We confirmed the theoretical observations of the expected second-order accuracy of the method and we found that the method shows the best convergence order by contrast with the existing mapping methods, including radial basis function mappings. It also performs just as well as the existing projection-based method in terms of computational cost and outperforms the radial basis function mapping in respect of runtime costs.
  • Thumbnail Image
    ItemOpen Access
    Interaktive kontextsensitive Integration und Aufbereitung heterogener Datenquellen unter Verwendung von Data Mashups
    (2017) Trybek, Christoph
    Durch eine stetig anwachsende Menge an Daten wird es zunehmend schwieriger, diese aufzubereiten und zu integrieren. Da bisherige Lösungsansätze eine hohe technische Versiertheit erfordern ist es notwendig, die Aufgaben an IT-Experten zu delegieren, die keinerlei domänenspezische Kenntnisse über die vorliegenden Daten besitzen. Dies kann zu Fehlern oder einem erhöhten Kommunikationsaufwand führen. Aus diesem Grund sollten Domänenexperten, ohne tiefgründiges Programmierverständnis, in der Lage sein, umfangreiche Datensätze selbstständig aufzubereiten und zu integrieren. Data Mashups stellen einen leicht zu bedienenden Ansatz für die Verarbeitung von Daten dar und eignen sich deshalb besonders zur Einbindung von Anwendern ohne technischen Hintergrund. Im Rahmen der nachfolgenden Arbeit werden zunächst die notwendigen Schritte einer Datenintegration definiert und anschließend ein Konzept entwickelt, das den Anwender dabei unterstützt. Hierbei werden wiederkehrende Aufgaben vom System übernommen, deren Ausführungen gezielt durch den Anwender beeinflusst werden können. Dazu wurde eine Auswahl essentieller Operationen zur Datenaufbereitung definiert, sowie ein Klassifikationsverfahren entwickelt, welches den Anwender dabei unterstützt, eine interaktive Schemaintegration auszuführen. Der Anwender soll die Daten in einem gewohnten Tabellenformat aufbereiten und integrieren können. Um die Funktionalität des Konzepts zu verdeutlichen, wird ein Prototyp entwickelt, der die Grundlage für eine Implementierung in FlexMash, ein an der Universität Stuttgart entwickeltes Data Mashup-Werkzeug, bildet.
  • Thumbnail Image
    ItemOpen Access
    Dynamic workload balancing for heterogeneous systems
    (2020) Strack, Alexander
    During the last two decades, GPUs developed into powerful and massively parallel processors. That rose the attention of scientist who started using GPUs for large scale scientific computing, e.g. simulations. However, the architecture of GPUs is different from CPUs. Furthermore, graphic processors have their now fast access memory. Computing in a heterogeneous system consisting of a CPU and multiple GPUs has various challenges. In this work, we focus on how to distribute the load among the different components. We consider an iterative load that can be redistributed after each iteration. The goal of our scheduling methods is to minimise the computation time of the next iteration by estimating the performance of each component. After a short introduction to load balancing, we specify the iterative workload scenario and differentiate it from the typical task-based scenario often found in the literature. Then, we show the basics of GPU programming with the help of NVIDIAs CUDA API. Furthermore, we introduce the different kernels we use for our test and derive multiple schedulers. Our dynamic schedulers use the time each component took to compute its assigned workload in the last iteration as a basis of the performance estimation. After investigating the influence of previous run-time data on the scheduling decisions, we turn our attention towards the properties of the workloads and therefore compare different types of memory management.
  • Thumbnail Image
    ItemOpen Access
    A data plane interface for resource-constrained microcontrollers in time-sensitive networking
    (2026) Kupka, Bastian
    Time-Sensitive Networking (TSN) enables deterministic Ethernet communication through coordinated transmission control. While there are dedicated TSN switches and network interface cards, they are rarely available on resource-constrained microcontrollers. In particular, transmit-time-based scheduling approaches such as the Earliest TxTime First (ETF) queuing discipline are typically not supported on embedded platforms. This thesis investigates the feasibility of implementing ETF-like transmit-time scheduling on a microcontroller using Zephyr RTOS. The implementation targets the NXP i.MX RT1062, which provides a precise PTP hardware clock and compare interrupt mechanism but lacks dedicated hardware support for traffic shaping. The proposed solution integrates transmit-time scheduling into the Zephyr networking stack by combining hardware-triggered interrupts with software-based buffer management inside the network driver. Scheduled frames are prepared in advance and transmitted using a PTP compare event to trigger the transmission routine close to the target time, followed by a short busy-wait phase to improve precision. Best-effort traffic is handled through a driver-level guard band to avoid interference with scheduled transmissions. Experimental evaluation shows that, for periodic traffic with fixed inter-packet gaps, the implementation achieves a bounded transmission window of approximately 3 µs. For variable inter-packet gaps, a larger timing spread is observed. The results demonstrate that ETF-like transmit-time scheduling can be realized on a low-cost microcontroller for certain traffic patterns by leveraging existing PTP hardware features.
  • Thumbnail Image
    ItemOpen Access
    Investigation of self-learned zeroth-order optimization algorithms
    (2022) Schüttler, Kilian
    Designing optimization algorithms manually is a laborious process. In Addition, many optimization algorithms rely on hand-crafted heuristics and perform poorly in applications for which they are not specifically designed. Thus, automating the algorithm design process is very appealing. Moreover, learned algorithms minimize the amount of a priori assumptions and do not rely on hyperparameters after training. Several works exist that present methods to learn an optimization algorithm. In this project, we focus on the reinforcement learning perspective. Therefore, any particular optimization algorithm is represented as a policy. Evaluation of the existing methods shows, learned algorithms outperform existing algorithms in terms of convergence speed and final objective value on particular training tasks. However, the inner mechanisms of learned algorithms largely remain a mystery. A first work has discovered that learned first-order algorithms show a set of intuitive mechanisms that are tuned to the training task. We aim to explore the inner workings of learned zeroth-order algorithms and compare our discoveries to previous works. To address this issue, we study properties of learned zeroth-order algorithms to understand the relationship between what is learned and the quantitative and qualitative properties, e.g., curvature or convexity of the objective function. Furthermore, we study the generalization in relation to these properties. Moreover, we explore the feasibility of finetuning a learned zeroth-order optimization algorithm to a related objective function. Finally we provide guidelines for training and application of learned zeroth-order optimization algorithms.
  • Thumbnail Image
    ItemOpen Access
    Operator latency in a Complex Event Processing application
    (2018) Hagenmayer, Simon
    Complex Event Processing often comes with an enormous amount of event data that needs to be processed. Hence, parallelization plays a significant role in handling high workload situations. The cost of an application however is often defined by the amount of used resources, like in Cloud computing, where the pay-as-you-go model applies. Still, one wants to have a working system that can handle traffic peaks within a given latency bound, so the resources-to-latency-proportion needs to be optimized. Previous work mostly focused on studying complex operator types in specific environments. In this thesis however, we want to get a general view, how parallelization degrees and types influence our CEP system, to be able to estimate what costs could arise. Therefore, a CEP application was created that simulates different system conditions with respect to workload, operator processing time and others, in order to test and analyze the latency properties of a wait operator. This work provides an overview over latency behavior of operators in an example Complex Event Processing application, which can provide a basis for future work in creating an optimized system, that not only keeps a certain latency threshold but also minimizes the costs and resources needed to achieve this goal.