Prologの最適化方式
スポンサーリンク
概要
- 論文の詳細を見る
非決定的な実行過程で特徴づけられる Prolog の実行の高速化を図るためには,できるだけ決定的な処理となるように汲適化することが必要である.このためプロセジャの実行方式により,決定的なタイプ1,シャローバックトラックしか生じないタイプ2,シャローバックトラックとデープバックトラックが生じるタイプ3に分類し,各タイプに適した最適化方式を提案した.これによりタイプ2では,バックトラック情報の退避/回復が不要となり,またタイプ3では,パックトラック情報の退避は必要であるが,シャローパックトラック時の回復が不要となり,これらのタイプのプロセジャの高速化が可能となった.内蔵型PrologプロセッサIPPを用いた性能評価では,quick-sort,8-queenで各々,従来方式の2.4倍(921KLIPS),2.8倍(1137KLIPS)の性能向上を達成した.またPrologで書かれたIPPの最適化コンパイラの一部を静的に解析したところ,タイプル2およびデープバックトラックしか生じないプロセジャを除いたタイプ3のプロセジャが全体の92%に達し,今回開発した最適化方式が一般のプログラムでも適用可能であることを明らかにした.
- 一般社団法人情報処理学会の論文
- 1989-05-15
著者
関連論文
- エレベータの知能群管理方式 : その1: 呼び割当て論理
- スーパミニコン内蔵型ベクトルプロセッサの演算制御方式
- コホーネンネットのフィーチャーマップを利用した配置問題の解法
- ベクトル量子化機能を利用したコホーネンネットによる配置問題の解法
- 学習前にパターン認識用ネットの収束を判定する方法
- パターン認識用ネットからのアルゴリズムの抽出法
- 内蔵型高速PROLOGプロセッサIPP(XII) : システム統合
- 高速内蔵型PrologプロセッサIPPの設計
- エレベータの知能群管理方式 : その2:学習論理
- バス結合型マルチプロセッサ用キャッシュ一致保証方式の性能評価
- 非零対角要素を持つホップフィールドニューラルネットを用いたLSIモジュール配置法
- Prologの最適化方式
- パターン認識用ネットの学習の高速化と汎化能力の向上方式
- パターン認識用ニューラルネットの構築法
- パターン認識用ニューラルネットのチューニング法
- パターン認識用ニューラルネットはいかにして構成できるか?
- 線形回帰分析による多層ニューラルネットの中間層ニューロン数決定方法
- 分散メモリ型マルチプロセッサ用キャッシュ一致保証方式の設計と評価(新世代データベース技術 : インターネット・マルチメディア・モーバイルを中心として)
- ビジネス向けマルチプロセッササーバにおけるウイークリィオーダメモリモデルの設計と評価
- 汎用エキスパートシステムの高速化技術(III) : 性能評価と分析
- 汎用エキスパートシステムの高速化技術(II) : 推論方式
- 汎用エキスパートシステムの高速化技術(I) : 開発構想
- モード情報を用いたシャローバックトラックの高速化方式
- 内蔵型PrologプロセッサIPPの最適化コンパイル方式の提案と性能評価
- Prolog最適化コンパイラの開発(VII) : 大域最適化コンパイル方式
- Prolog最適化コンパイラの開発(VI) : 大域最適化評価と高速リスト処理命令の提案
- Prolog最適化コンパイラの開発(V) : 構造体のハッシング方式と動的評価
- コンパイル型プロダクションシステムの高速処理方式
- 汎化能力向上を目的としたクラスタリング用ニューラルネットの学習方式
- クラスタリング用ニューラルネットの学習方式
- 不等式の求解によるファジィルールのチューニング
- 不等号制約を持つHopfield型ニューラルネットの収束理論
- 教師データから直接抽出したファジィルールによるパターン認識
- 分散メモリ型マルチプロセッサ用キャッシュ一致保証方式の提案と評価
- ホップフィールドネットの積分の高速化方式
- ホップフィールドニューラルネットの重みの決定法とその評価
- 並列順伝播学習方式
- Hopfield型ニューラルネットの理論的考察