计算机应用研究
計算機應用研究
계산궤응용연구
Application Research of Computers
2015年
10期
2963-2966
,共4页
波达方向估计%粒子群优化%神经网络%图形处理单元%统一计算设备架构
波達方嚮估計%粒子群優化%神經網絡%圖形處理單元%統一計算設備架構
파체방향고계%입자군우화%신경망락%도형처리단원%통일계산설비가구
direction of arrival (DOA) estimation%particle swarm optimization (PSO)%neural network (NN)%graphic processing unit (GPU)%compute unified device architecture (CUDA)
粒子群优化(PSO)算法与误差反向传播(BP)算法相结合训练神经网络(PSO-BP-NN),可以有效提高网络的泛化能力,但是面临的最大问题就是计算时间过长.为此,提出了基于图形处理单元(GPU)的并行加速解决方案,并基于该方法对波达方向(DOA)估计问题进行了建模.在算法执行过程中,利用粒子群神经网络(PSO-NN)粒子行为的可并行性和误差反向传播神经网络(BP-NN)样本训练的可并行性来减少神经网络(NN)的训练时间.在统一计算设备架构(CUDA)下对DOA估计进行了NN建模.数值计算结果表明,相对于CPU端串行PSO-BP-NN,GPU端并行PSO-BP-NN在收敛稳定性一致的前提下取得了65倍的计算加速比.
粒子群優化(PSO)算法與誤差反嚮傳播(BP)算法相結閤訓練神經網絡(PSO-BP-NN),可以有效提高網絡的汎化能力,但是麵臨的最大問題就是計算時間過長.為此,提齣瞭基于圖形處理單元(GPU)的併行加速解決方案,併基于該方法對波達方嚮(DOA)估計問題進行瞭建模.在算法執行過程中,利用粒子群神經網絡(PSO-NN)粒子行為的可併行性和誤差反嚮傳播神經網絡(BP-NN)樣本訓練的可併行性來減少神經網絡(NN)的訓練時間.在統一計算設備架構(CUDA)下對DOA估計進行瞭NN建模.數值計算結果錶明,相對于CPU耑串行PSO-BP-NN,GPU耑併行PSO-BP-NN在收斂穩定性一緻的前提下取得瞭65倍的計算加速比.
입자군우화(PSO)산법여오차반향전파(BP)산법상결합훈련신경망락(PSO-BP-NN),가이유효제고망락적범화능력,단시면림적최대문제취시계산시간과장.위차,제출료기우도형처리단원(GPU)적병행가속해결방안,병기우해방법대파체방향(DOA)고계문제진행료건모.재산법집행과정중,이용입자군신경망락(PSO-NN)입자행위적가병행성화오차반향전파신경망락(BP-NN)양본훈련적가병행성래감소신경망락(NN)적훈련시간.재통일계산설비가구(CUDA)하대DOA고계진행료NN건모.수치계산결과표명,상대우CPU단천행PSO-BP-NN,GPU단병행PSO-BP-NN재수렴은정성일치적전제하취득료65배적계산가속비.
