| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Iskanje po katalogu digitalne knjižnice Pomoč

Iskalni niz: išči po
išči po
išči po
išči po
* po starem in bolonjskem študiju

Opcije:
  Ponastavi


1 - 10 / 17
Na začetekNa prejšnjo stran12Na naslednjo stranNa konec
1.
Uporaba grafičnih procesnih enot za pospešitev časovno zahtevnih algoritmov : diplomska naloga visokošolskega strokovnega študijskega programa
David Bezgovšek, 2008, diplomsko delo

Opis: V diplomskem delu opisujemo izdelavo programske rešitve, pri kateri uporabimo za pospešitev časovno zahtevnih algoritmov zmogljivosti grafične kartice. Osnovo za takšne programske rešitve nudi skokovit napredek zmogljivosti modernih grafičnih kartic, ki so v določenih primerih zmogljivejše računske enote kot osrednji procesor. V uvodu predstavimo zgodovino in razvoj grafičnih kartic in njihovih arhitektur ter podrobneje opišemo arhitekturo grafične kartice, ki smo jo uporabili v tem diplomskem delu.
Ključne besede: grafične procesne enote, ogrodje CUDA, matlab, faktor pospešitve
Objavljeno: 06.01.2009; Ogledov: 1890; Prenosov: 148
.pdf Celotno besedilo (2,48 MB)

2.
IMPLEMENTACIJA ALGORITMA VZVRATNEGA RAZŠIRJANJA NAPAKE NA GRAFIČNEM PROCESORJU
Alen Bratanović, 2009, diplomsko delo

Opis: V diplomskem delu smo predstavili implementacijo algoritma vzvratnega razširjanja napake na GPU. V uvodu predstavimo nevronske mreže, njihovo uporabo, lastnosti in zmogljivosti. Posebej predstavimo idejo algoritma vzvratnega razširjanja napake in opišemo njegove korake izvajanja ter postopek pretvorbe iz serijske v paralelno obliko. Sledi opis nVidia grafične kartice in njene arhitekture. Nato opišemo programski model CUDA, programski vmesnik in principe programiranja v CUDA okolju. Sledi predstavitev programske implementacije algoritma vzvratnega razširjanja napake v CUDA. Na koncu naredimo test in prikažemo dosežene rezultate.
Ključne besede: nevron, nevronska mreža, algoritem vzvratnega razširjanja napake, paralelno računanje, grafični procesor, CUDA
Objavljeno: 10.12.2009; Ogledov: 2399; Prenosov: 200
.pdf Celotno besedilo (620,93 KB)

3.
IMPLEMENTACIJA GENETSKEGA ALGORITMA NA GRAFIČNEM PROCESORJU
Tomaž Hauzer, 2011, diplomsko delo

Opis: V diplomskem delu smo poskusili ugotoviti, kakšne pohitritve lahko dosežemo v izvajanju genetskega algoritma, če ga izvajamo na grafičnem procesorju računalnika. V obeh implementacijah, na CPU in GPU, uporabimo turnirsko selekcijo, križanje z delno preslikavo in vstavitveno mutacijo. Težimo seveda k čim večji pohitritvi na grafičnem procesorju. Najprej predstavimo genetski algoritem. Opišemo njegovo definicijo, zgodovino genetskih algoritmov in njihovo trenutno uporabo ter potek izvajanja genetskega algoritma. Sledi opis problema trgovskega potnika, nad katerim smo izvajali genetski algoritem. V nadaljevanju še opišemo grafični procesor in arhitekturo CUDA. Sledi razlaga implementacije genetskega algoritma. Implementirani genetski algoritem na grafičnem procesorju smo primerjali z implementacijo na centralnem procesorju in predstavimo rezultate.
Ključne besede: genetski algoritem, grafični procesor, CUDA, kromosom, gen, paralelno računanje, problem trgovskega potnika
Objavljeno: 14.02.2011; Ogledov: 2031; Prenosov: 148
.pdf Celotno besedilo (9,46 MB)

4.
IMPLEMENTACIJA STEREOVIDA NA GRAFIČNEM PROCESORJU
Aleš Bogataj, 2011, diplomsko delo

Opis: V uvodnem delu diplomskega dela smo predstavili področje stereovida. Opisali smo potek rekonstrukcije globinskih podatkov iz stereo para slik ter možne pristope in metode, katere se uporabljajo za rekonstrukcijo okolja. V nadaljevanju smo predstavili centralne procesne enote, grafične procesne enote ter opisali glavne razlike med njimi. Predstavili smo programske vmesnike namenjene programiranju grafičnih enot in opisali knjižnico CUDA, katera se uporablja za programiranje grafičnih enot proizvajalca Nvidia. Iz programa namenjenega za izvajanje na CPU smo izdelali program za GPU in opravili primerjave hitrosti rekonstukcije. Za konec smo izdelali uporabniški vmesnik v programskem paketu LabView, in opravili preizkus rekonstrukcije v realnem času s pomočjo spletnih kamer.
Ključne besede: stereovid, računalniški vid, grafična kartica, splošnonamensko računanje s pomočjo grafičnih naprav, GPGPU, CUDA.
Objavljeno: 07.07.2011; Ogledov: 1581; Prenosov: 135
.pdf Celotno besedilo (3,39 MB)

5.
UPORABA GRAFIČNE PROCESNE ENOTE ZA NUMERIČNO INTENZIVNE ALGORITME
Lenart Ferk, 2011, diplomsko delo/naloga

Opis: Grafična procesna enota se je v zadnjih letih razvila iz preprostega procesorja v ekstremno zmogljiv paralelni procesor. Zmogljivost grafične procesne enote lahko poleg grafične obdelave izkoristimo za reševanje zahtevnih in numerično intenzivnih algoritmov. V diplomskem delu je predstavljena arhitektura CUDA in programski jeziki za programiranje grafičnih procesorjev. Za primerjavo zmogljivosti in učinkovitosti grafičnih procesnih enot je predstavljena primerjava med izvajanjem numerično intenzivnega algoritma na grafični procesni enoti in izvajanje istega algoritma na centralni procesni enoti.
Ključne besede: grafične procesne enote, CUDA, centralne procesne enote, matrično množenje
Objavljeno: 16.09.2011; Ogledov: 1510; Prenosov: 214
.pdf Celotno besedilo (2,40 MB)

6.
OPTIMIZACIJA MEDATOMSKEGA POTENCIALA LENNARD-JONES S PARALELNO DIFERENCIALNO EVOLUCIJO
Aleš Čep, 2011, diplomsko delo/naloga

Opis: V diplomskem delu predstavljamo optimizacijski algoritem, ki rešuje problem potenciala Lennard-Jones iz področja bioinformatike. Za računanje uporabimo tehnologijo CUDA, ki poveča hitrost računanja, saj izkorišča paralelizacijsko zmogljivost grafičnih procesnih enot. Izbrali smo evolucijski algoritem jDE, ki se je v preteklosti izkazal za zelo uspešnega. Diplomska naloga najprej obravnava sorodna dela iz področja računanja potenciala Lennard-Jones ter področja evolucijskih algoritmov na grafičnih procesnih enotah. Sledi opis potenciala Lennard-Jones in arhitekture CUDA. Na koncu je predstavljena še naša implementacija algoritma in dobljeni rezultati. Naše rezultate smo primerjali z rezultati dveh programov, ki se v celoti izvajata na centralno procesni enoti.
Ključne besede: diferencialna evolucija, potencial Lennard-Jones, CUDA, bioinformatika, paralelno izvajanje, evolucijski algoritem, jDE, evolucijsko računanje, grafična procesna enota
Objavljeno: 16.09.2011; Ogledov: 2257; Prenosov: 207
.pdf Celotno besedilo (1,89 MB)

7.
8.
IZRAČUN SONČNEGA POTENCIALA IZ PODATKOV LIDAR NA GPU
Niko Lukač, 2012, magistrsko delo

Opis: Izračun sončnega potenciala iz podatkov LiDAR je eden iz med najbolj učinkovitih pristopov za iskanje primernih površin za namestitev fotovoltaičnih sistemov v urbanih področjih. Pri tem je potrebno upoštevat različne faktorje, ki vplivajo na natančnost izračuna, npr.: lokacija na Zemlji, topografija površja, senčenje, in zmanjševanje sončnega sevanja zaradi vplivov atmosfere ter oblakov. Čas izračuna se poveča, kadar je velikost podatkov znatno večja. Hitrejši izračun je sicer možen z uporabo superračunalnikov, vendar je cenovno neugoden za splošno uporabo. V tem magistrskem delu predstavimo učinkovito metodo za izračun sončnega potenciala iz podatkov LiDAR na grafičnem procesorju. Pri tem upoštevamo topografijo, pridobljeno iz podatkov LiDAR in statistične podatke sončnega obsevanja iz meritev s piranometrom. Večločljivostno globalno senčenje zaradi trdih objektov, in hevristično globalno senčenje zaradi vegetacije, dopolnjujeta predstavljeno metodo. Eksperimenti demonstrirajo učinkovitost in natančnost predstavljene metode.
Ključne besede: sončni potencial, sončno obsevanje, fotovoltaika, podatki LiDAR, GPU, GPGPU, CUDA
Objavljeno: 04.09.2012; Ogledov: 2178; Prenosov: 263
.pdf Celotno besedilo (51,16 MB)

9.
Implementation of massive artificial neural networks with CUDA
Domen Verber, 2012, samostojni znanstveni sestavek ali poglavje v monografski publikaciji

Ključne besede: CUDA, artificial neural networks, implementation
Objavljeno: 10.07.2015; Ogledov: 456; Prenosov: 59
URL Povezava na celotno besedilo

10.
DINAMIČNI PARALELIZEM NA GPE
Filip Urh, 2015, diplomsko delo

Opis: V diplomskem delu preučimo in predstavimo novo funkcionalnost arhitekture CUDA. Gre za dinamični paralelizem, ki omogoča poganjanje programskih jeder neposredno iz grafične procesne enote. V začetku podrobno predstavimo arhitekturo CUDA in algoritem CART za gradnjo odločitvenih dreves, ki smo ga uporabili za demonstracijo uporabe dinamičnega paralelizma. Algoritem smo implementirali v zaporedni različici na CPE ter v paralelnih različicah z in brez dinamičnega paralelizma na GPE. Predstavili smo primerjalne meritve časov izvajanja vseh treh implementacij in ugotovili, da uporaba dinamičnega paralelizma omogoča krajši čas izvajanja in lažjo implementacijo algoritma.
Ključne besede: grafična procesna enota, odločitveno drevo, CART, CUDA, dinamični paralelizem
Objavljeno: 14.10.2015; Ogledov: 685; Prenosov: 44
.pdf Celotno besedilo (2,76 MB)

Iskanje izvedeno v 0.25 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici