Model pembelajaran mendalam yang dilatih pada data dalam jumlah besar menggunakan banyak sumber daya komputasi baru-baru ini mencapai kinerja pelatihan canggih tentang tugas-tugas kecerdasan buatan yang penting namun menantang. Keberhasilan pembelajaran mendalam telah menarik minat penelitian yang signifikan dari komunitas perangkat keras dan perangkat lunak untuk meningkatkan kecepatan dan efisiensi pelatihan. Terlepas dari upaya besar dan kemajuan pesat yang dibuat, satu jembatan penting untuk menghubungkan dukungan perangkat lunak dan perangkat keras dengan pengetahuan domain pembelajaran mendalam masih belum ada: eksplorasi konfigurasi yang efisien dan penjadwalan runtime. Kualitas model pembelajaran mendalam dan waktu pelatihan sangat sensitif terhadap banyak parameter yang dapat disesuaikan yang ditetapkan sebelum dan selama proses pelatihan, termasuk konfigurasi hyperparameter (seperti kecepatan pembelajaran, momentum,jumlah dan ukuran lapisan tersembunyi) dan konfigurasi sistem (seperti paralelisme utas, paralelisme model, dan paralelisme data). Eksplorasi efisien konfigurasi hyperparameter dan pemilihan konfigurasi sistem yang bijaksana sangat penting untuk menemukan model berkualitas tinggi dengan waktu dan biaya yang terjangkau. Namun ini merupakan masalah yang menantang karena ruang pencarian yang besar, runtime pelatihan yang mahal, konfigurasi yang baik yang jarang, dan kelangkaan waktu dan sumber daya.runtime pelatihan yang mahal, jarangnya konfigurasi yang baik, dan kelangkaan waktu dan sumber daya.runtime pelatihan yang mahal, jarangnya konfigurasi yang baik, dan kelangkaan waktu dan sumber daya.

Tujuan dari pekerjaan penelitian ini adalah untuk secara sistematis mempelajari sifat unik dari sistem pembelajaran yang mendalam dan beban kerja, dan membangun pemodelan baru dan metodologi penjadwalan untuk meningkatkan pelatihan pembelajaran yang mendalam. PI bertujuan untuk meningkatkan efisiensi dalam menemukan model berkinerja tinggi melalui metodologi penjadwalan dinamis yang didorong oleh pendekatan klasifikasi konfigurasi hyperparameter baru. PI bertujuan untuk mengembangkan metodologi penjadwalan hybrid yang sadar akan akurasi dan efisiensi yang membuat keputusan penjadwalan yang bijaksana berdasarkan pandangan global dari informasi dimensi waktu (potensi akurasi) dan dimensi spasial (potensi efisiensi). Karya penelitian ini mengintegrasikan teknik dalam karakterisasi beban kerja, pemodelan kinerja, manajemen sumber daya,dan penjadwalan untuk secara dramatis mempercepat proses pelatihan sambil secara signifikan mengurangi biaya waktu dan sumber daya. Secara lebih luas, proyek ini akan memperoleh pengetahuan dasar tentang interaksi antara dukungan perangkat lunak-perangkat keras dan pengetahuan domain pembelajaran mendalam. Pengetahuan ini dapat membantu merancang sistem dan kerangka kerja pembelajaran mendalam generasi berikutnya, membuat pelatihan pembelajaran mendalam berguna bagi peneliti dan praktisi dengan keahlian domain sistem dan pembelajaran mesin yang terbatas. Penelitian ini akan membantu meningkatkan kurikulum dan menyediakan topik penelitian untuk mahasiswa sarjana dan pascasarjana, terutama mahasiswa dari kelompok yang kurang terwakili.Pengetahuan ini dapat membantu merancang sistem dan kerangka kerja pembelajaran mendalam generasi berikutnya, membuat pelatihan pembelajaran mendalam berguna bagi peneliti dan praktisi dengan keahlian domain sistem dan pembelajaran mesin yang terbatas. Penelitian ini akan membantu meningkatkan kurikulum dan menyediakan topik penelitian untuk mahasiswa sarjana dan pascasarjana, terutama mahasiswa dari kelompok yang kurang terwakili.Pengetahuan ini dapat membantu merancang sistem dan kerangka kerja pembelajaran mendalam generasi berikutnya, membuat pelatihan pembelajaran mendalam berguna bagi peneliti dan praktisi dengan keahlian domain sistem dan pembelajaran mesin yang terbatas. Penelitian ini akan membantu meningkatkan kurikulum dan menyediakan topik penelitian untuk mahasiswa sarjana dan pascasarjana, terutama mahasiswa dari kelompok yang kurang terwakili.

Nexus Energi Surya-Air-Lingkungan di Nevada

• NSF EPSCoR
• Co-PI: Sergiu Dascalu, Fred Harris
• $ 20.000.000 + $ 4.000.000 pertandingan negara
• Agustus 2013 - November 2018

Dalam proyek lima tahun ini, Program Eksperimental Nevada untuk Merangsang Penelitian Kompetitif (NV-EPSCor) membahas masalah praktis kritis yang relevan dengan instalasi surya skala besar di tanah gurun yang gersang. Proyek ini menggabungkan penelitian tentang pembangkit energi panas matahari dengan pemahaman dampak eko-hidrologis dari instalasi surya di daerah gurun untuk memajukan kelangsungan ekonomi dan ramah lingkungan dari pembangkit listrik tenaga surya. Kombinasi ini membedakan proyek ini dari beberapa proyek energi surya lain yang ada, sehingga menjadikannya studi model unik yang relevan dengan Nevada dan instalasi surya lainnya di AS dan di seluruh dunia. Institusi utama yang berpartisipasi dalam proyek ini adalah: University of Nevada, Reno, University of Nevada, Las Vegas, dan University of Nevada Desert Research Institute.Fakultas dan mahasiswa dari College of Southern Nevada, Truckee Meadows Community College, dan Nevada State College juga akan terlibat dalam proyek ini.

Kelebihan intelektual

Meskipun sinar matahari berlimpah dan hari-hari bebas awan yang kondusif untuk pengumpulan energi matahari, daerah kering sering mengalami badai debu dan menerima sedikit atau tidak ada hujan. Debu yang terakumulasi pada panel surya menyerap sinar matahari dan menurunkan efisiensi sel surya; kelangkaan air meningkatkan biaya pemenuhan kebutuhan pendinginan kolektor panas matahari. Proyek ini berupaya mengembangkan solusi rekayasa/teknologi untuk mengusir debu dan meminimalkan penggunaan air di instalasi surya besar. Selain itu, ia memeriksa respons ekosistem gurun dan memberikan informasi berbasis sains untuk merancang cara efektif untuk mengelola dan mengurangi dampak lingkungan yang terkait dengan instalasi surya skala besar. Penghargaan ini mendirikan fasilitas penelitian, yang disebut Lingkungan Nevada, Air,dan Solar Testing and Research Facility (NEW-STAR) selama proyek ini. Peningkatan kemampuan infrastruktur siber yang ada dilakukan melalui pembuatan Pusat Data Penelitian Nevada (NRDC) untuk manajemen data dan komunikasi. Fasilitas baru ini mempromosikan kolaborasi di antara tim ilmuwan dan insinyur interdisipliner dalam tema penelitian dan pendidikan perhubungan energi surya-air-lingkungan.

Dampak Lebih Luas

Proyek ini memiliki potensi untuk mengembangkan teknik pembangkit listrik tenaga surya yang lebih murah dan dengan demikian lebih kompetitif yang bertujuan untuk meminimalkan penggunaan air dan degradasi lingkungan. Solusi teknologi yang akan dikembangkan dapat diterapkan pada instalasi energi surya lainnya secara nasional dan global. Interaksi antara ilmuwan dan kolaborasi di tingkat regional, nasional, dan internasional serta kemitraan dengan industri energi dan lembaga lingkungan di Nevada diharapkan dapat mendorong pembangunan ekonomi di negara bagian tersebut. Proyek ini melibatkan 41 fakultas, 24 teknisi, 43 mahasiswa pascasarjana, dan 38 mahasiswa sarjana sebagai peserta. Proyek ini menawarkan program-program berikut yang ditujukan untuk mahasiswa pra-perguruan tinggi dan sarjana dengan fokus untuk menarik kelompok minoritas yang kurang terwakili, guru K-12, dan masyarakat umum:

1. Program menjembatani pra-perguruan tinggi untuk membantu siswa K-12 mengembangkan keterampilan akademik dan jalur karir
2. Program kesempatan penelitian sarjana (UROP) untuk memberikan pengalaman penelitian di perhubungan energi surya-air-lingkungan
3. Pelatihan langsung (HOT) sarjana dan pascasarjana untuk memfasilitasi transisi dari siswa ke profesional; kegiatan meliputi magang industri dan pengalaman laboratorium dalam teknologi energi surya, dan lokakarya penulisan proposal
4. Program pengembangan profesional guru yang melibatkan guru K-12 dalam penelitian, kerja lapangan, dan bekerja dengan mahasiswa pascasarjana
5. Program untuk mendidik siswa K-12 tentang tema terkait proyek dan memberi tahu keluarga mereka tentang peluang untuk karir Sains, Teknologi, Teknik, dan Matematika (STEM)
6. Laboratorium pembelajaran online, yang menyediakan akses nirkabel ke materi pembelajaran dunia maya dan meningkatkan pemahaman publik tentang energi matahari dan dampak terkait terhadap air dan lingkungan.

Memahami Perbedaan Gender dalam Konflik Visual/Vestibular selama Penggerak Virtual

sumber : https://www-unr-edu.