2026-03-05T12:06:43Z https://ipsj.ixsq.nii.ac.jp/oai

oai:ipsj.ixsq.nii.ac.jp:00218941 2025-01-19T14:58:54Z 1164:2240:10902:10971

空間充填曲線を用いたベクトルプロセッサにおけるk近傍法の高速化 Speeding up k-nearest neighbors search with space-filling curve using vector processors 小寺, 雅司 サハ, ソウラブ 荒木, 拓也 SIMD・ベクトル 本稿では，空間充填曲線を用いることでベクトルプロセッサに適した形で k 近傍法を高速化する手法を提案し，SX-Aurora TSUBASA を用いて k 近傍を高速化した結果について報告する．k 近傍法はトレーニングデータとクエリデータの距離計算が計算の大部分を占めている．提案手法では空間充填曲線を用いることでトレーニングデータとクエリデータの距離計算を減らし，ベクトルプロセッサを用いることで計算を高速化する．性能評価の結果，scikit-learn を用いた k 近傍法と比べ，SX-Aurora TSUBASA を用いた k 近傍法計算は最大 7 倍程度高速に計算できることを確認した． In this paper, we propose a method to perform k-nearest neighbors search with a space-filling curve method using a processing scheme suitable for vector processors, and report the results of speeding up k-nearest neighbors search using SX-Aurora TSUBASA. In the k-nearest neighbors search, the distance between training data and query data accounts for a large part of the computation. The proposed method speeds up the process by reducing the distance computation between training data and query data by using a space-filling curve. The performance evaluation results show that the k-nearest neighbors search using SX-Aurora TSUBASA is up to seven times faster than the k nearest neighbor method using scikit-learn. technical report 情報処理学会 2022-07-20 application/pdf 研究報告ハイパフォーマンスコンピューティング（HPC） 3 2022-HPC-185 1 9 2188-8841 AN10463942 https://ipsj.ixsq.nii.ac.jp/record/218941/files/IPSJ-HPC22185003.pdf jpn