10.3969/j.issn.1000-7024.2014.11.050
基于GPU的并行粒子群神经网络设计与实现
针对粒子群优化(PSO)算法训练人工神经网络(NN)时面临的计算时间过长问题,引入基于图形处理器(GPU)技术的并行处理解决方法.使用粒子与线程一一对应的并行策略,通过并行处理各个粒子的计算过程来加快整个粒子群的收敛速度,减少粒子群神经网络(PSO-NN)的训练时间.在统一计算设备架构(CUDA)下对一简单测试函数逼近的数值进行仿真,实验结果表明,相较基于CPU的串行PSO-NN,基于GPU的并行PSO-NN在寻优稳定性一致的前提下取得了超过500倍的计算加速比.
粒子群优化、神经网络、并行计算、图形处理器、统一计算设备架构
35
TP301.6(计算技术、计算机技术)
船舶工业国防科技预研基金项目10J3.5.2
2015-01-26(万方平台首次上网日期,不代表论文的发表时间)
共7页
3967-3973