Abstract Network Machine: Parallel Computation on Associative Networks With Incompete Data Structures
Abstract network machine : parallel computation on associative networks with incompete data structures
Palabras clave:
Modelos paralelos, Paralelismo implícito, Programación declarativa (en)Modelos paralelos, Paralelismo implícito, Programación declarativa, Evaluación parcial, Procesamiento de información incompleta, Parallel model, Implicit parallelism, Declarative programming, Partial evaluation, Incomplete information processing (es)
Descargas
RESUMEN: En este articulo se describe un modelo de computación paralela denominado máquina abstracta de red (ANM). Nos centramos en el papel que juega la evaluación parcial en la transformación, optimización y especialización de programas ANM, y el revelado automático de su paralelismo inherente La técnica se basa en computación paralela sobre redes asociativas implementadas en ANM. ANM usa redes asociativas tanto para representar tanto información completa como información incompleta. ANM sigue el estilo de transformación paralela de la computación basada en un proceso de unificación de red, el cual es una variante del mecanismo de reducción de grafos para computación paralela granular y para el procesamiento de información incompleta. Se da una breve descripción de esta aproximación, así como también una comparación con el esquema tradicional de evaluación parcial. Adicionalmente, se puntualiza sobre algunos de los problemas asociados con esta clase de computación paralela. (Texto tomado de la fuente)
En este artículo se describe un modelo de computación paralela denominado máquina abstracta de red (ANM). Nos centramos en el papel quo juega la evaluación parcial en la transformación, optimización y especialización de programas ANM, y el revelado automático de su paralelismo inherente. La técnica se basa en computación paralela sobre redes asociativas implementadas en ANM. ANM usa redes asociativas tanto para representar tanto información completa como información incompleta. ANM sigue el estilo de transformación paralela de la computación basada en un proceso de unificación de red, el cual es una variante del mecanismo de reducción de grafos para computación paralela granular y para el procesamiento de información incompleta. Se da una breve descripción de esta aproximación, así como también una comparación con el esquema tradicional de evaluación parcial. Adicionalmente, se puntualiza sobre algunos de los problemas asociados con esta clase de computación paralela. (Texto tomado de la fuente)
Referencias
Amamiya, M. et al. List Processing with a Data-Flow Machine. LN in Computer Science, 147, 165-190, 1983.
Amamiya, M. y R.Hasegawa. Data-flow Computing and Eager and Lazy Evaluations. Computing, 2, (2), 105-129, 1984.
Arvind and Thomas R. I-structures: An efficient data type for functional languages. Technical Report LCS/TM-178. MIT, 1980.
Arvind, A. et al. A multithreaded Substrate and Compilation , Model for the Implicitly Parallel Language pH. Computation Structures Group Memo 382, MIT, 1996.
Bjorner, I. et al. Partial Evaluation and Mixed Computation, North-Holland, 1988.
Cómo citar
IEEE
ACM
ACS
APA
ABNT
Chicago
Harvard
MLA
Turabian
Vancouver
Descargar cita
Visitas a la página del resumen del artículo
Descargas
Licencia
Derechos de autor 2024 DYNA

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
El autor o autores de un artículo aceptado para publicación en cualquiera de las revistas editadas por la facultad de Minas cederán la totalidad de los derechos patrimoniales a la Universidad Nacional de Colombia de manera gratuita, dentro de los cuáles se incluyen: el derecho a editar, publicar, reproducir y distribuir tanto en medios impresos como digitales, además de incluir en artículo en índices internacionales y/o bases de datos, de igual manera, se faculta a la editorial para utilizar las imágenes, tablas y/o cualquier material gráfico presentado en el artículo para el diseño de carátulas o posters de la misma revista.




