Matrix Profile está consolidado como uno de los métodos para la minería de
datos en series temporales. Este algoritmo soluciona el problema de encontrar patrones y anomalías en series temporales de gran tamaño de manera exacta, rápida
y sin la necesidad de parametrizaciones heurísticas. Su paralelización es factible
privatizando o replicando las estructuras de datos en las que se basa y ejecutando
una etapa de reducción final, pero esto puede resultar un problema cuando las
series son muy grandes.
Por otro lado, el paradigma de Memoria Transaccional (TM) busca simplificar
la programación paralela y mejorar el rendimiento introduciendo el concepto de
transacción. Una transacción es un trozo de código que se ejecuta de manera atómica y aislada de otras transacciones a la vez que en paralelo a ellas. El sistema
transaccional (software o hardware) se encarga de detectar dependencias entre
transacciones y serializar la ejecución en caso de conflicto.
En este TFG se plantea la paralelización del algoritmo Matrix Profile usando
el paradigma de Memoria Transaccional, con la intención de reducir el consumo
de memoria del algoritmo sin empeorar el tiempo de ejecución del mismo.
Buscar en Dimension
