检索结果-内蒙古大学图书馆

作者：林拱民臺灣大學

学位级别：碩士

解决布尔可满足性问题在理论与工业应用上，扮演着极为关键角色。十五年来，布尔可满足性解法器有着长足的进展，得以解决相当大型的问题。为了进一步解决更大型、更困难的布尔可满足性问题，平行化布尔可满足性解法器於近年来受到相当... 详细信息

解决布尔可满足性问题在理论与工业应用上，扮演着极为关键角色。十五年来，布尔可满足性解法器有着长足的进展，得以解决相当大型的问题。为了进一步解决更大型、更困难的布尔可满足性问题，平行化布尔可满足性解法器於近年来受到相当关注。最近几年的国际布尔可满足性解法器比赛之中，最佳的四至八线程平行化布尔可满足性解法器的成绩胜过最佳单线程布尔可满足性解法器。通用计算於图形处理单元也在大量平行运算的领域之中兴起。为了探讨大量平行化布尔可满足性解法器的概念，我们运用计算统一设备架构的平台，实现了名为「CUDASAT」的子句分享平行化、冲突驱使子句学习、戴维斯-普特南-罗格曼-罗夫兰演算法布尔可满足性解法器。根据我们了解，目前尚未有类似CUDASAT的程式。实验结果显示，提昇平行解法器的数量时，平均每个解法器於搜寻上所用的步骤有着明显下降的趋势。CUDASAT的效能无法与现今最好的平行化布尔可满足性解法器相比。它是作为发展大量平行化、低成本、替代性布尔可满足性解法器的原型。

关键词：布爾可滿足性問題可滿足性解法器平行運算衝突驅使子句學習戴維斯-普特南-羅格曼-羅夫蘭通用計算於圖形處理單元計算統一設備架構

来源：评论

学校读者我要写书评

暂无评论

基于计算统一设备架构的高斯径向基图像插值快速实现方法研究

引用

生物医学工程学杂志 2014年第2期31卷 237-244页

作者：陈浩陈兆学喻海中上海理工大学医疗器械与食品学院上海200093

在医学图像的处理及分析中,常常需要对图像进行插值运算。尽管高斯径向基(GRBF)插值有插值精度高的优点,但运算时间长的不足仍限制了它在图像插值中的应用。因此,本文提出采用基于计算统一设备架构(CUDA)的方法实现二维和三维医学图像的... 详细信息

在医学图像的处理及分析中,常常需要对图像进行插值运算。尽管高斯径向基(GRBF)插值有插值精度高的优点,但运算时间长的不足仍限制了它在图像插值中的应用。因此,本文提出采用基于计算统一设备架构(CUDA)的方法实现二维和三维医学图像的GRBF快速插值。根据CUDA单指令多线程(SIMT)的执行模型,采用合并访存、共享内存等各种合适的内存优化措施。并且在应用对数据空间进行二维分块,三维分体策略的过程中使用基于重叠区域的自然缝合算法来消除图像插值连接边界的失真现象。在保持较高图像插值精度的基础上,二维和三维医学图像GRBF插值各基本计算步骤都得到了极大的加速。实验结果表明:基于CUDA平台的GRBF插值执行效率与传统CPU运算相比明显提高,对其在图像插值中的应用具有相当的参考价值。

关键词：插值精度高斯径向基插值计算统一设备架构内存优化执行效率

来源：评论

学校读者我要写书评

暂无评论

基于计算统一设备架构的高铁故障诊断方法

引用

计算机应用 2015年第10期35卷 2819-2823页

作者：陈志李天瑞李明杨燕西南交通大学信息科学与技术学院成都611756

为解决传统高铁振动信号故障诊断方法速度慢、难以满足实时处理的要求,提出一种基于计算统一设备架构(CUDA)加速的高铁振动信号故障诊断方法。首先利用CUDA架构对高铁数据进行经验模态分解(EMD),进而计算分解所得到的各个分量的模糊熵,... 详细信息

为解决传统高铁振动信号故障诊断方法速度慢、难以满足实时处理的要求,提出一种基于计算统一设备架构(CUDA)加速的高铁振动信号故障诊断方法。首先利用CUDA架构对高铁数据进行经验模态分解(EMD),进而计算分解所得到的各个分量的模糊熵,最后利用最近邻分类(KNN)算法对多个模糊熵特征组成的特征空间进行故障分类。实验结果表明,该方法能高效地对高铁振动信号进行故障分类,运行速度较传统方法有明显提高。

关键词：故障诊断计算统一设备架构经验模态分解模糊熵最近邻分类算法

来源：评论

学校读者我要写书评

暂无评论

一种计算统一设备架构的超大像素图像处理方法及系统

一种计算统一设备架构的超大像素图像处理方法及系统

引用

作者：杨泽霖刘伟生杨科山 518000 广东省深圳市宝安区石岩街道浪心社区奋达科技园二期2号楼109

本申请提供了一种计算统一设备架构的超大像素图像处理方法及系统中，首先通过计算统一设备架构接收超大像素图像，对超大像素图像进行不同尺度池化，得到池化图像集，依据池化图像集进行池化预测，得到池化预测图像集，根据池化预测图... 详细信息

标准号: CN117953354A

本申请提供了一种计算统一设备架构的超大像素图像处理方法及系统中，首先通过计算统一设备架构接收超大像素图像，对超大像素图像进行不同尺度池化，得到池化图像集，依据池化图像集进行池化预测，得到池化预测图像集，根据池化预测图像集确定超大像素图像对应的池化敏感趋势量，由池化敏感趋势量确定超大像素图像的趋势中心尺度，依据趋势中心尺度对超大像素图像的图像特征进行提取，得到图像脱敏特征，依据图像脱敏特征对超大像素图像进行分类，能够减少不同压缩尺度的池化图像间存在的图像特征差异对图像分类结果的影响，可提高计算统一设备架构处理超大像素图像过程中的分类可信度。

关键词：像素图像池化计算统一设备架构尺度预测图像图像集图像脱敏图像特征差异图像分类图像特征敏感可信度量确定分类压缩预测申请

来源：评论

学校读者我要写书评

暂无评论

基于计算统一设备架物Fortran的直接模拟蒙特卡洛方法并行优化

引用

上海交通大学学报 2013年第8期47卷 1198-1204页

作者：严立戴欣怡陈佳洛王平阳欧阳华上海交通大学机械与动力工程学院上海200240

利用基于图形处理器(GPU)的计算统一设备架构(CUDA)Fortran编程平台,对直接模拟蒙特卡洛(DSMC)方法进行并行优化,并以高超声速气动热计算为例,考察了串行与并行计算速度以及不同仿真分子数对并行效率的影响.结果表明,在保证计算精度不... 详细信息

利用基于图形处理器(GPU)的计算统一设备架构(CUDA)Fortran编程平台,对直接模拟蒙特卡洛(DSMC)方法进行并行优化,并以高超声速气动热计算为例,考察了串行与并行计算速度以及不同仿真分子数对并行效率的影响.结果表明,在保证计算精度不变的情况下,程序取得了4～10倍的加速比,并且加速性能高低与计算规模大小成正比.

关键词：直接模拟蒙特卡洛 Fortran 图形处理器计算统一设备架构气动热

来源：评论

学校读者我要写书评

暂无评论

耗散粒子动力学GPU并行计算研究

引用

物理学报 2014年第10期63卷 307-314页

作者：林晨森陈硕李启良杨志刚同济大学航空航天与力学学院上海200092 同济大学上海地面交通工具风洞中心上海201804

研究了耗散粒子动力学基于计算统一设备架构的图形处理器(GPU)并行计算的实施.对其中涉及的算法映射模型、Cell-List法数组的并行化更新、随机数生成、存储器访问优化、负载平衡等进行了详细的讨论.进一步模拟了Poiseuille流动和突扩突... 详细信息

研究了耗散粒子动力学基于计算统一设备架构的图形处理器(GPU)并行计算的实施.对其中涉及的算法映射模型、Cell-List法数组的并行化更新、随机数生成、存储器访问优化、负载平衡等进行了详细的讨论.进一步模拟了Poiseuille流动和突扩突缩流动,从而验证了GPU计算结果的正确性.计算结果表明,相对于基于中央处理器的串行计算,在耗散粒子动力学中实施GPU并行计算可以获得约20倍的加速比.

关键词：耗散粒子动力学计算统一设备架构图形处理器并行计算

来源：评论

学校读者我要写书评

暂无评论

基于混合编程模型的支持向量机训练并行化

引用

计算机研究与发展 2015年第5期52卷 1098-1108页

作者：李涛刘学臣张帅王恺杨愚鲁南开大学计算机科学与信息安全系天津300071

支持向量机(support vector machine,SVM)是一种广泛应用于统计分类以及回归分析的监督学习方法.基于内点法(interior point method,IPM)的SVM训练具有空间占用小、迭代趋近快等优点,但随着训练数据集规模的增大,仍面临处理速度与存储... 详细信息

支持向量机(support vector machine,SVM)是一种广泛应用于统计分类以及回归分析的监督学习方法.基于内点法(interior point method,IPM)的SVM训练具有空间占用小、迭代趋近快等优点,但随着训练数据集规模的增大,仍面临处理速度与存储空间所带来的双重挑战.针对此问题,提出利用CPU-GPU异构系统进行大规模SVM训练的混合并行机制.首先利用计算统一设备架构(compute unified device architecture,CUDA)对基于内点法的SVM训练算法的计算密集部分并行化,并改进算法使其适合利用cuBLAS线性代数库加以实现,提高训练速度;然后利用消息传递接口(message passing interface,MPI)在集群系统上实现CUDA加速后算法的分布并行化,利用分布存储有效地增加所处理数据集规模并减少训练时间;进而基于Fermi架构支持的页锁定内存技术,打破了GPU设备存储容量不足对数据集规模的限制.结果表明,利用消息传递接口(MPI)和CUDA混合编程模型以及页锁定内存数据存储策略,能够在CPU-GPU异构系统上实现大规模数据集的高效并行SVM训练,提升其在大数据处理领域的计算性能和应用能力.

关键词：支持向量机训练计算统一设备架构消息传递接口页锁定内存 CPU-GPU异构系统

来源：评论

学校读者我要写书评

暂无评论

CPU-GPU异构计算环境下的并行T近邻谱聚类算法

引用

计算机研究与发展 2015年第11期52卷 2555-2567页

作者：张帅李涛焦晓帆王艺峰杨愚鲁南开大学计算机与控制工程学院计算机科学与信息安全系天津300071

谱聚类是数据挖掘领域最常用的聚类算法之一,但对于如何利用多核CPU与资源有限的众核加速器设计并实现一个在异构单节点上能够处理大规模数据集的高效谱聚类算法,目前尚无理想的解决方案.PSCH（parallel spectral clustering for hybrid... 详细信息

谱聚类是数据挖掘领域最常用的聚类算法之一,但对于如何利用多核CPU与资源有限的众核加速器设计并实现一个在异构单节点上能够处理大规模数据集的高效谱聚类算法,目前尚无理想的解决方案.PSCH（parallel spectral clustering for hybrids）算法是专为CPU-GPU异构计算环境设计的并行T近邻（T-nearest-neighbors,TNN）谱聚类算法,通过分块计算相似性矩阵打破了GPU设备内存的限制,所能处理的数据集规模仅受限于CPU主存的容量.PSCH算法中使用CUDA设计实现双缓冲轮转4段流水机制,通过重叠计算与传输在打破存储瓶颈的同时保证了高计算性能.PSCH算法采用隐式重启动Lanczos方法（implicitly restarted Lanczos method,IRIM）在异构硬件上计算稀疏特征矩阵的特征分解,减轻了特征分解步骤的计算瓶颈.PSCH算法在配有一块GTX 480GPU的单节点上能够对百万以上规模的数据集进行聚类,并对实验中的4个数据集取得了相对于使用16进程的MPI并行谱聚类PSC算法2.0~4.5倍的性能.

关键词：谱聚类 T近邻 CPU-GPU异构计算计算统一设备架构 OpenMP

来源：评论

学校读者我要写书评

暂无评论

基于CUDA渲染器的顺序独立透明现象的单遍高效绘制

引用

软件学报 2011年第8期22卷 1927-1933页

作者：黄梦成刘芳刘学慧吴恩华中国科学院软件研究所计算机科学国家重点实验室北京100190 澳门大学科学技术学院电脑与资讯科学系中国澳门中国科学院计算机网络信息中心超级计算中心北京100190 中国科学院研究生院北京100049

提出一种顺序独立透明现象的单遍高效绘制算法.首先设计了一个基于计算统一设备架构(compute unified device architecture,简称CUDA)的可编程渲染器.该系统采用扫描线算法光栅化场景,为每个像素生成多个对应的片元,同时,在GPU(graphics... 详细信息

提出一种顺序独立透明现象的单遍高效绘制算法.首先设计了一个基于计算统一设备架构(compute unified device architecture,简称CUDA)的可编程渲染器.该系统采用扫描线算法光栅化场景,为每个像素生成多个对应的片元,同时,在GPU(graphics processing unit)的全局内存上为每个像素分配一个数组,以存储其相应的片元.基于这个框架,提出了两种并发的片元收集及排序策略,以单遍高效地绘制顺序独立的透明现象.第1种策略利用CUDA的原子操作符atomicMin收集各个像素上对应的所有片元并按深度动态排序,在后处理中片元即可按序逐一融合;第2种策略采用CUDA的原子操作符atomicInc按光栅化顺序收集所有片元,然后在后处理中按深度排序后再逐一融合.实验结果表明,与基于传统图形管线的经典深度剥离方法相比,该方法可以更高效地绘制顺序独立的透明现象,同时生成正确的绘制效果.

关键词：图形处理器计算统一设备架构顺序独立的透明现象深度剥离原子操作

来源：评论

学校读者我要写书评

暂无评论

基于GPU的约束网络模型和并行弧相容算法

引用

计算机研究与发展 2017年第3期54卷 514-528页

作者：李哲李占山李颖吉林大学计算机科学与技术学院长春130012 符号计算与知识工程教育部重点实验室(吉林大学) 长春130012

弧相容算法是约束满足问题的基本压缩求解空间算法之一,很多优秀的高级算法都以高性能的弧相容算法作为核心.近年来,以GPU为计算工具加速并行计算被用来尝试解决许多问题.基于GPU和基本的并行算法,提出一种适合GPU运算的约束网络表示模... 详细信息

弧相容算法是约束满足问题的基本压缩求解空间算法之一,很多优秀的高级算法都以高性能的弧相容算法作为核心.近年来,以GPU为计算工具加速并行计算被用来尝试解决许多问题.基于GPU和基本的并行算法,提出一种适合GPU运算的约束网络表示模型N-E,给出其生成算法BuildNE.结合细粒度的弧相容算法——AC4,基于N-E模型提出AC4的并行化算法AC4^(GPU)与改进算法AC4^(GPU)+,使弧相容算法得以扩展到GPU上执行.实验结果验证了该算法的可行性,与AC4算法的比较,其在一些规模较小的问题上取得了10%~50%的加速,在一些规模较大的问题上则加速1~2个数量级.为今后进一步在GPU上以并行形式解决其他约束满足问题提供了一种核心算法方案.

关键词：人工智能约束满足问题弧相容图形处理器计算统一设备架构

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：