Attenzione: i dati modificati non sono ancora stati salvati. Per confermare inserimenti o cancellazioni di voci è necessario confermare con il tasto SALVA/INSERISCI in fondo alla pagina
IRIS
In this paper we discuss preliminary results of experiments of distributed gene network expansion. As a proof of concept, we use the celebrated PC algorithm together with the novel RBOINC package within R environment, which turns out to be a convenient way of massively parallel numerical experiments conduction. Data parallelism at the distributed computing level, and integrated multicore computations on the host level altogether provide significant speedup for the in-silico causal relationship analysis.
Distributed Computing for Gene Network Expansion in R Environment / Dolgaleva, D.; Pelagalli, C.; Blanzieri, E.; Cavecchia, V.; Astafiev, S.; Rumyantsev, A.. - 13708:(2022), pp. 644-656. (Intervento presentato al convegno 8th Russian Supercomputing Days on Supercomputing, RuSCDays 2022 tenutosi a rus nel 2022) [10.1007/978-3-031-22941-1_47].
Distributed Computing for Gene Network Expansion in R Environment
In this paper we discuss preliminary results of experiments of distributed gene network expansion. As a proof of concept, we use the celebrated PC algorithm together with the novel RBOINC package within R environment, which turns out to be a convenient way of massively parallel numerical experiments conduction. Data parallelism at the distributed computing level, and integrated multicore computations on the host level altogether provide significant speedup for the in-silico causal relationship analysis.
Distributed Computing for Gene Network Expansion in R Environment / Dolgaleva, D.; Pelagalli, C.; Blanzieri, E.; Cavecchia, V.; Astafiev, S.; Rumyantsev, A.. - 13708:(2022), pp. 644-656. (Intervento presentato al convegno 8th Russian Supercomputing Days on Supercomputing, RuSCDays 2022 tenutosi a rus nel 2022) [10.1007/978-3-031-22941-1_47].
File in questo prodotto:
Non ci sono file associati a questo prodotto.
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione
Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11572/380111
Attenzione
Attenzione! I dati visualizzati non sono stati sottoposti a validazione da parte dell'ateneo
Citazioni
ND
0
ND
ND
social impact
Conferma cancellazione
Sei sicuro che questo prodotto debba essere cancellato?
simulazione ASN
Il report seguente simula gli indicatori relativi alla propria produzione scientifica in relazione alle soglie ASN 2023-2025 del proprio SC/SSD. Si ricorda che il superamento dei valori soglia (almeno 2 su 3) è requisito necessario ma non sufficiente al conseguimento dell'abilitazione. La simulazione si basa sui dati IRIS e sugli indicatori bibliometrici alla data indicata e non tiene conto di eventuali periodi di congedo obbligatorio, che in sede di domanda ASN danno diritto a incrementi percentuali dei valori. La simulazione può differire dall'esito di un’eventuale domanda ASN sia per errori di catalogazione e/o dati mancanti in IRIS, sia per la variabilità dei dati bibliometrici nel tempo. Si consideri che Anvur calcola i valori degli indicatori all'ultima data utile per la presentazione delle domande.
La presente simulazione è stata realizzata sulla base delle specifiche raccolte sul tavolo ER del Focus Group IRIS coordinato dall’Università di Modena e Reggio Emilia e delle regole riportate nel DM 589/2018 e allegata Tabella A. Cineca, l’Università di Modena e Reggio Emilia e il Focus Group IRIS non si assumono alcuna responsabilità in merito all’uso che il diretto interessato o terzi faranno della simulazione. Si specifica inoltre che la simulazione contiene calcoli effettuati con dati e algoritmi di pubblico dominio e deve quindi essere considerata come un mero ausilio al calcolo svolgibile manualmente o con strumenti equivalenti.
