مهدی موحدیان مقدم - گروه علوم داده ها و کامپیوتر، دانشگاه شهید بهشتی، تهران
علیرضا افضل آقائی نائینی - گروه علوم داده ها و کامپیوتر، دانشگاه شهید بهشتی، تهران
کوروش پرند - گروه علوم داده ها و کامپیوتر، دانشگاه شهید بهشتی، تهران

روش های مبتنی بر هسته در الگوریتم های یادگیری ماشین از محبوبیت خاصی برخوردار هستند. محاسبه ماتریس هسته در این روش ها پیچیدگی زمانی بالایی دا شته و در نتیجه برای مسائل با تعداد نمونه زیاد استفاده از این روش ها دچار مشکل می شود، این پیچیدگی در محاسبه هسته های متعامد لژاندر دوچندان می گردد. در این پژوهش یک الگوریتم موازی مبتنی بر پردازنده گرافیکی جهت محاسبه ماتریس هسته ارائه می گردد. تسریع روش ارائه شده در مجموعه داده Fashion-MNIST بررسی شده و نتایج به دست آمده بیانگر تسریع ۵۰.۵۸ برابری نسبت به مدل ترتیبی می باشد

پردازش موازی، یادگیری ماشین، تابع هسته موازی، چند جمله ای های متعامد، ماشین بردار پشتیبان