

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,ANN)是互連的大規(guī)模并行處理器,它能通過高度互連的的神經(jīng)元來解決復(fù)雜優(yōu)化問題。ANN模型由于其良好的學(xué)習(xí)和泛化能力,已被廣泛應(yīng)用于電磁、測量等領(lǐng)域。粒子群優(yōu)化(Particle Swarm Optimization,PSO)算法作為一種容易實現(xiàn)、收斂速度快的全局優(yōu)化算法,可以代替常用的誤差反向傳播(Back Propagation,BP)算法應(yīng)用到ANN的訓(xùn)練中來。但是
2、面對復(fù)雜度較高的問題時,訓(xùn)練時間長是粒子群神經(jīng)網(wǎng)絡(luò)(PSO-ANN)的一大問題,并行化加速是解決該問題的有效思路之一。除了ANN固有的存儲結(jié)構(gòu)和樣本訓(xùn)練的并行性,PSO-ANN還存在PSO算法天然具備的群體中個體行為的并行性。相比用計算機集群、多核CPU或FPGA等專業(yè)并行設(shè)備加速PSO算法,利用圖形處理單元(Graphic Processing Unit,GPU)并行加速PSO算法具備硬件成本低的最顯著優(yōu)勢。特別是2007年NVIDI
3、A公司推出統(tǒng)一計算設(shè)備架構(gòu)(Compute Unified Device Architecture,CUDA)后,CUDA C因其強大的可編程性已成為當(dāng)前最為流行的GPU編程語言。
本文在GPU端并行PSO算法和GPU端樣本并行BP-ANN算法的研究基礎(chǔ)上,設(shè)計并實現(xiàn)了基于CUDA架構(gòu)的并行PSO-ANN求解方案和并行PSO-BP-ANN求解方案,并對微帶天線(Microstrip Antennas,MSA)諧振頻率、波達方向
4、(Direction of Arrival,DOA)估計等問題進行快速建模,在較短時間內(nèi)使建模誤差優(yōu)于已有文獻結(jié)果。
論文主要工作可歸納如下:
?。?)針對GPU端并行PSO算法的傳統(tǒng)加速比指標的不合理之處,提出用“有效加速比”作為算法的性能指標,并對基準測試函數(shù)進行了測試和分析。
?。?)在GPU端并行PSO算法的研究基礎(chǔ)上,設(shè)計并實現(xiàn)了一種基于CUDA架構(gòu)的并行PSO-ANN求解方案,對測試函數(shù)逼近問題進行
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于改進粒子群算法的模糊神經(jīng)網(wǎng)絡(luò)研究.pdf
- 基于粒子群優(yōu)化的神經(jīng)網(wǎng)絡(luò)智能控制.pdf
- 基于混沌粒子群神經(jīng)網(wǎng)絡(luò)變形預(yù)測模型的應(yīng)用研究.pdf
- 基于粒子群神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢評價研究.pdf
- 基于粒子群BP神經(jīng)網(wǎng)絡(luò)的短期負荷預(yù)測研究.pdf
- 基于改進粒子群算法的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化及應(yīng)用.pdf
- 基于粒子群算法的神經(jīng)網(wǎng)絡(luò)及其集成的研究.pdf
- 粒子群算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)在教學(xué)中的應(yīng)用.pdf
- 基于協(xié)同粒子群算法的卷積神經(jīng)網(wǎng)絡(luò)優(yōu)化研究.pdf
- 基于粒子群-神經(jīng)網(wǎng)絡(luò)算法的股票預(yù)測系統(tǒng).pdf
- 基于神經(jīng)網(wǎng)絡(luò)粒子群優(yōu)化算法的地區(qū)負荷預(yù)測研究.pdf
- 3947.基于粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)的gdp預(yù)測
- 基于粒子群優(yōu)化的神經(jīng)網(wǎng)絡(luò)及其集成算法研究.pdf
- 基于改進粒子群算法與神經(jīng)網(wǎng)絡(luò)的磁軸承控制研究.pdf
- 基于反傳混沌粒子群訓(xùn)練前饋神經(jīng)網(wǎng)絡(luò)應(yīng)用研究.pdf
- 基于粒子群小波神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測模型研究.pdf
- 粒子群算法在神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化中的應(yīng)用.pdf
- 粒子群優(yōu)化算法及其在神經(jīng)網(wǎng)絡(luò)中的應(yīng)用.pdf
- 粒子群神經(jīng)網(wǎng)絡(luò)在語音識別中的研究與應(yīng)有.pdf
- 粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)在股市預(yù)測中的建模與應(yīng)用.pdf
評論
0/150
提交評論