| Авторы |
Горбаченко Владимир Иванович, доктор технических наук, профессор, заведующий кафедрой информатики и вычислительных систем, Пензенский государственный педагогический университет им. В. Г. Белинского, gorvi@mail.ru
Матвеева Наталья Олеговна, программист, отдел автоматизации, Пензенский государственный
педагогический университет им. В. Г. Белинского, gorvi@mail.ru
Гурин Евгений Иванович, доктор технических наук, профессор, кафедра вычислительной техники,
Пензенский государственный университет, gurin2@yandex.ru
|
| 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. Проводится сравнение времени обучения RBFNN на центральном и массивно-параллельном графическом процессорах.
|
|
Ключевые слова
|
массивно-параллельная архитектура, графический процессор, параллельность, CUDA, радиально-базисная нейронная сеть, дифференциальное уравнение.
|
| Список литературы |
1. NVIDIA CUDA Homepage. – URL: http://www.nvidia.ru/object/cuda.html.
2. Buhmann, M. D. Radial Basis Functions: Theory and Implementations / M. D. Buhmann. – Cambridge : Cambridge University Press, 2004. – 259 p.
3. Liu, G. R. An Introduction to Meshfree Methods and Their Programming / G. R. Liu, Y. T. Gu. – Springer, 2005. – 479 p.
4. Meshfree Methods for Partial Differential Equations / ed.: M. Griebel, Marc. A. Schweitzer. – Springer, 2008. – 412 p.
5. Толстых, А. И. Бессеточный метод на основе радиальных базисных функций / А. И. Толстых, Д. А. Широбоков // Журнал вычислительной математики и математической физики. – 2005. – Т. 45, № 8. – С. 1498–1505.
6. Горбаченко, В. И. Исследование градиентных алгоритмов обучения весов радиально-базисных нейронных сетей для решения краевых задач математической физики / В. И. Горбаченко, Е. В. Артюхина // Известия ПГПУ им. В. Г. Белинского. – 2009. – № 13 (17). – С. 134–143.
7. Хайкин, С. Нейронные сети: полный курс / С. Хайкин. – М. : Вильямс, 2006. – 1104 с.
8. Осовский, С. Нейронные сети для обработки информации / С. Осовский. – М. : Финансы и статистика, 2002. – 344 с.
9. Jianyu, L. Numerical solution of elliptic partial differential equation using radial basis function neural networks / L. Jianyu, L. Siwei, Q. Yingjiana, H. Yapinga // Neural Networks. – 2003. – № 16 (5/6). – P. 729–734.
10. Горбаченко, В. И. Реализация итерационных алгоритмов решения систем линейных алгебраических уравнений на графических процессорах в технологии CUDA / В. И. Горбаченко, Н. О. Матвеева // Вопросы радиоэлектроники. Серия «Электронная вычислительная техника». – 2008. – Вып. 5. – С. 65–75.
11. NVIDIA CUDA Compute Unified Device Architecture. Programming Guide. Version 2.0. 06.07.2008.
|
