Распараллеливание нейросетевого алгоритма решения краевых задач математической физики на многоядерных процессорах NVIDIA

нейросетевые алгоритмы краевые задачи математическая физика процессоры многоядерные процессоры массивно-параллельные архитектуры графические процессоры CUDA нейронные сети дифференциальные уравнения NVIDIA RBFNN радиально-базисные нейронные сети уравнения Пуассона Пуассона уравнения

Оптимизация проектирования[сигма][дельта]-модуляторов высоких порядков по критерию устойчивости, Системный анализ методов проектирования автомобильных дорог, ...

В. И. Горбаченко, Н. О. Матвеева, Е. И. Гурин РАСПАРАЛЛЕЛИВАНИЕ НЕЙРОСЕТЕВОГО АЛГОРИТМА РЕШЕНИЯ КРАЕВЫХ ЗАДАЧ МАТЕМАТИЧЕСКОЙ ФИЗИКИ НА МНОГОЯДЕРНЫХ ПРОЦЕССОРАХ NVIDIA Аннотация. <...> Рассматривается возможность эффективной реализации нейросетевого алгоритма решения краевых задач математической физики на многоядерном графическом процессоре NVIDIA GeForce 8800 GTX. <...> Предлагаются методы распараллеливания основных вычислений алгоритма обучения радиально-базисной нейронной сети (RBFNN), решающей уравнение Пуассона, с использованием технологии CUDA. <...> The article describes the possibility of effective realization of the algorithm for solving boundary value problems of mathematical physics on multicore Graphics Processing Unit (GPU) NVIDIA GeForce 8800 GTX. <...> The proceeding compares execution time using CPU versus GPU. <...> Одной из важных проблем, возникающих при решении задач математической физики, является большие вычислительные затраты, а следовательно, длительное время вычислений. <...> Но, с другой стороны, многим методам решения задач математической физики присущ внутренний параллелизм вычислений, что позволяет использовать параллельные системы для их решения. <...> Вычислительные мощности современных суперкомпьютеров на данный момент доступны далеко не всем, но созданные относительно недавно и активно развивающиеся многопроцессорные системы, первоначально появившиеся как видеокарты новой архитектуры, предоставляют реальную возможность ускорения вычислений путем их распараллеливания. <...> Графическим процессорам первоначально был свойственен параллелизм, поэтому неудивительно, что видеокарты стали многопроцессорными. <...> Еще до появления графических процессоров (GPU) нового поколения были предприняты попытки использовать вычислительные ресурсы видеокарты для решения задач общего назначения, а после выхода удобной технологии программирования новых GPU nVidia CUDA (Compute Unified Device Architecture) [1] они стали использоваться для решения самых разных задач, требующих больших вычислительных затрат. <...> Альтернативным подходом является использование различных <...>

• Похожие документы из РУАЭСТ
• |
• Похожие документы из Руконт