Warning: session_start(): open(/var/cpanel/php/sessions/ea-php56/sess_248aff15247855492978c97174131367, O_RDWR) failed: No such file or directory (2) in /home/unidars/public_html/wp-content/plugins/easy-digital-downloads/includes/class-edd-session.php on line 414

Warning: session_start(): Failed to read session data: files (path: /var/cpanel/php/sessions/ea-php56) in /home/unidars/public_html/wp-content/plugins/easy-digital-downloads/includes/class-edd-session.php on line 414
یونی درس | ترجمه مقاله بهینه سازی ازدحام ذرات موازی در واحد پردازش گرافیکی برای برآورد حالت – یونی درس
no-img
یونی درس

ترجمه مقاله بهینه سازی ازدحام ذرات موازی در واحد پردازش گرافیکی برای برآورد حالت – یونی درس


یونی درس
adsads

ادامه مطلب

DOC
ترجمه مقاله بهینه سازی ازدحام ذرات موازی در واحد پردازش گرافیکی برای برآورد حالت
doc
۱۳۹۶-۰۱-۲۷
1.3mb
ترجمه مقاله در فایل ورد
100.000 ریال
100.000 ریال – خرید

ترجمه مقاله بهینه سازی ازدحام ذرات موازی در واحد پردازش گرافیکی برای برآورد حالت


بهینه سازی ازدحام ذرات موازی در واحد پردازش گرافیکی برای برآورد حالت

چکیده:

در این مقاله، ما یک اجرای موازی از بهینه سازی ازدحام ذرات (PSO) در واحد پردازش گرافیک([۱]GPU) با استفاده از CUDA[۲] (معماری تجهیزات یکپارچه محاسباتی) ارائه می‌دهیم. با استفاده از قدرت کامل  پردازش در پردازنده های گرافیکی بصورت موازی، ما امکان افزایش سرعت تا ۲۱۵X را نسبت به اجرای متوالی در پردازنده مرکزی خواهیم داشت. این افزایش سرعت به طور قابل توجهی نسبت به آنچه در مقالات اخیر گزارش شده است برتری دارد و توسط چند بهینه سازی ساده ما انطباق پذیری بهتری در الگوریتم موازی با معماری خاص واحد پردازش گرافیکی NVIDIA به دست خواهیم آورد. سپس ما PSO (روش بهینه سازی هوشمند) موازی را برای مسئله حالت برآورد سه بعدی سقوط آزاد یک بمب در نظر می‌گیریم. ما زمان پردازش تجزیه و تحلیل ۱۲۰ تصویر را تقریبا به ۱ ثانیه کاهش می‌دهیم. افزایش سرعت ۱۴۰x در مقایسه با نسخه ترتیبی در پردازنده مرکزی را نشان می دهد.

واژه های کلیدی: CUDA(معماری تجهیزات یکپارچه محاسباتی)، واحد پردازش گرافیکی، بهینه سازی ازدحام ذرات، پیاده سازی موازی، حالت برآورد شده ۳بعدی


Parallel Particle Swarm Optimization on Graphical Processing Unit for Pose Estimation

Abstract: – In this paper, we present a parallel implementation of the Particle Swarm Optimization (PSO) on GPU using CUDA. By fully utilizing the processing power of graphic processors, our implementation provides a speedup of 215x compared to a sequential implementation on CPU. This speedup is significantly superior to what has been reported in recent papers and is achieved by a few simple optimizations we made to better adapt the parallel algorithm to the specific architecture of the NVIDIA GPU. Next, we apply our parallel PSO to the problem of 3D pose estimation of a bomb in free fall. We reduce the computation time of the analysis of 120 images to about 1 s, representing a speedup of 140x compared to the sequential version on CPU.

Key-Words: – CUDA, graphic processing units, particle swarm optimization, parallel implementation, 3D pose estimation

 

 توجه: مقاله انگلیسی در این پست بصورت رایگان قرارداده شده است،  لطفا برای دریافت مقاله انگلیسی بروی کلید دانلود رایگان کلیک کنید. 



ads

دیدگاه ها


دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *