دانلود مقاله ISI الگوریتم خوشه بندی موازی مبتنی بر موجک روی GPU با استفاده از CUDA

اختصاصی از زد فایل دانلود مقاله ISI الگوریتم خوشه بندی موازی مبتنی بر موجک روی GPU با استفاده از CUDA دانلود با لینک مستقیم و پر سرعت .

موضوع فارسی : الگوریتم خوشه بندی موازی مبتنی بر موجک روی GPU با استفاده از CUDA

موضوع انگلیسی : Parallel wavelet-based clustering algorithm on GPUs using CUDA 

تعداد صفحه : 5

فرمت فایل :pdf

سال انتشار : 2010

زبان مقاله : انگلیسی

چکیده

دارای منافع قابل توجهی در جامعه علمی و مهندسی کامپیوتر به سرعت بخشیدن به کارهای CPU-فشرده در شده است وجود
واحد پردازش گرافیکی (GPU ها) با توسعه پردازنده های گرافیکی بسیاری از هسته به عنوان داشتن پهنای باند حافظه بسیار بزرگ و قدرت محاسباتی. تجزیه و تحلیل خوشه یک تکنیک به طور گسترده استفاده برای گروه بندی مجموعه ای از اشیاء را به کلاس از اشیاء "مشابه" است و معمولا در زمینه های بسیاری مانند داده کاوی، بیوانفورماتیک و تشخیص الگو استفاده می شود. WaveCluster مفهوم تعریف
خوشه به عنوان یک منطقه متراکم متشکل از اجزای متصل در فضای ویژگی تبدیل شده است. در این مطالعه، ما در حال حاضر
اجرای الگوریتم WaveCluster به عنوان یک روش خوشه رمان بر اساس تبدیل موجک به سطح GPU
موازی و بررسی عملکرد موازی برای مجموعه داده های بسیار بزرگ فضایی. پیاده سازی CUDA از دو اصلی
زیر الگوریتم از روش WaveCluster. یعنی استخراج مولفه های فرکانس پایین از سیگنال با استفاده از موجک
تبدیل و برچسب زدن وصل ارائه شده است. پس از آن، ارزیابی عملکرد مربوطه برای گزارش
هر یک از زیر الگوریتم. تقسیم و تسخیر روش بر اجرای موجک به دنبال تبدیل و چند پاس کشویی
پنجره رویکرد در اجرای برچسب وصل.حداکثر به دست آورد تسریع در هسته به عنوان 107x در محاسبه استخراج مولفه فرکانس پایین و 6X در محاسبه برچسب وصل با توجه به الگوریتم های پی در پی در حال اجرا بر روی CPU شده است.

کلمات کلیدی: محاسبات GPU؛ CUDA. آنالیز خوشه ای؛ الگوریتم WaveCluster

ترجمه مقاله الگوریتم مرتب سازی انتخابی موازی در GPU بر اساس جستجوی باینری

اختصاصی از زد فایل ترجمه مقاله الگوریتم مرتب سازی انتخابی موازی در GPU بر اساس جستجوی باینری دانلود با لینک مستقیم و پر سرعت .

بکی از عملیات پرکاربرد در دنیای کامپیوتر مرتب ساری(Sorting) می باشد.الگوریتم های مرتب سازی به دو دسته موازی و ترتیبی تقسیم می شوند.الگوریتم های مرتب سازی موازی به دلیل بهره گیری از چندین پردازنده بسیار سریعتر از الگوریتم های ترتیبی می باشند.در این مقاله یک الگوریتم مرتب سازی موازی با استفاده از جستجوی بایتری مورد بجث قرار گرفته که 50 برار از سریعترازبهترین الگوریتم های مرتب سازی ترتیبی مانند quick sort و 2 برابر از بهترین الگوریتم های مرتب ساری موازی بهتر عمل می نماید. 

هم اکنون می توانید ترجمه این مقاله را از سایت دانلود نمایید. این مقاله یکی ازمقالات بسیار جالب در  زمینه پردازش موازی و الگوریتم های موازی است که روی GPU پیاده سازی می شود به دلیل اینکه GPU پردازنده مای موازی زیادی را به صورت رایگان دراختیار برنامه نویسان قرار می دهد.

فایل چه جوری قطعات الکترونیک را باهم سری موازی کنیم!

اختصاصی از زد فایل فایل چه جوری قطعات الکترونیک را باهم سری موازی کنیم! دانلود با لینک مستقیم و پر سرعت .

شما میتوانید با مطالعه این فایل:

به یک روش اساسی و فرمول کامل برای سری و موازی کردن موتورها, مقاومت ها , خازن ها , لامپ ها و دیودها , باتری ها دست پیدا کنید!

برای جلوگیری از کپی کردن! این فایل آپلود نشد.

به سایت www.robopic.ir  مراجعه فرمائید.

دانلود مقاله ISI الگوریتم موازی برای محلی-بهترین-بازی سری زمانی توالی شباهت جستجو در MIC معماری اینتل

اختصاصی از زد فایل دانلود مقاله ISI الگوریتم موازی برای محلی-بهترین-بازی سری زمانی توالی شباهت جستجو در MIC معماری اینتل دانلود با لینک مستقیم و پر سرعت .

موضوع فارسی :الگوریتم موازی برای محلی-بهترین-بازی
سری زمانی توالی شباهت جستجو
در MIC معماری اینتل

موضوع انگلیسی :Parallel Algorithm for Local-best-match
Time Series Subsequence Similarity Search
on the Intel MIC Architecture

تعداد صفحه :10

فرمت فایل :PDF

سال انتشار :2015

زبان مقاله : انگلیسی

این مقاله را لمس بر مسئله زمان محلی بهترین بازی شباهت سری توالی
جستجو کردن. مشکل فرض می شود که یک دنباله پرس و جو و یک سری زمانی دیگر داده می شود، و
کار این است برای پیدا کردن همه عواقب فاصله که از پرس و جو حداقل در میان است
عواقب همسایه خود و فاصله از پرس و جو است تحت آستانه مشخص شده است.
پویا زمان تاب (DTW) به عنوان یک متریک از راه دور، که در حال حاضر به عنوان شناخته شده مورد استفاده قرار گیرد
بهترین اندازه گیری شباهت برای اکثر برنامه های کاربردی سری های زمانی. با این حال، محاسبه DTW هزینه
بیش از حد با وجود رویکردهای نرم افزار پیچیده موجود است. روش های سخت افزاری موجود
به محاسبات DTW شامل GPU و FPGA و پرداخت بدون توجه به اینتل بسیاری از مجتمع
معماری هسته. در این مقاله پیشنهاد یک الگوریتم موازی برای حل این مشکل استفاده از هر دو
پردازنده و Xeon اینتل فی پردازنده بسیاری از هسته ای است. پیاده سازی بر روی بر اساس
کتابخانه تکنولوژی برنامه نویسی موازی و محول حالت اجرا، که در آن بخشی از کد
و داده ها به کمک پردازنده منتقل می شود. الگوریتم با بهره گیری از یک صف از عواقب در
سمت پردازنده، که به کمک پردازنده برای محاسبات DTW ارسال می شود.
نتایج آزمایش اعلام اثربخشی الگوریتم.

دانلود مقاله تحلیل الگوریتم شاخه و قید موازی آسنکرون

اختصاصی از زد فایل دانلود مقاله تحلیل الگوریتم شاخه و قید موازی آسنکرون دانلود با لینک مستقیم و پر سرعت .

در این مقاله توضیحی درباره کامپیوترهای موازی می‌دهیم و بعد الگوریتمهای موازی را بررسی می‌کنیم. ویژگیهای الگوریتم branch & bound را بیان می‌کنیم و الگوریتمهای b&b موازی را ارائه می‌دهیم و دسته‌ای از الگوریتمهای b&b آسنکرون برای اجرا روی سیستم MIMD را توسعه می‌دهیم. سپس این الگوریتم را که توسط عناصر پردازشی ناهمگن اجرا شده است بررسی می‌کنیم.

نمادهای perfect parallel و achieved effiency را که بطور تجربی معیار مناسبی برای موازی‌سازی است معرفی می‌کنیم زیرا نمادهای قبلی speed up (تسریع) و efficiency (کارایی) توانایی کامل را برای اجرای واقعی الگوریتم موازی آسنکرون نداشتند. و نیز شرایی را فراهم کردیم که از آنومالیهایی که به جهت موازی‌سازی و آسنکرون بودن و یا عدم قطعیت باعث کاهش کارایی الگوریتم شده بود، جلوگیری کند.

2- معرفی:

همیشه نیاز به کامپیوترهای قدرتمند وجود داشته است. در مدل سنتی محاسبات، یک عنصر پردازشی منحصر تمام taskها را بصورت خطی (Seqventia) انجام میدهد. به جهت اجرای یک دستورالعمل داده بایستی از محل یک کامپیوتر به محل دیگری منتقل می‌شد، لذا نیاز هب کامپیوترهای قدرتمند اهمیت روز افزون پیدا کرد. یک مدل جدید از محاسبات توسعه داده شد، که در این مدل جدید چندین عنصر پردازشی در اجرای یک task واحد با هم همکاری می‌کنند. ایده اصل این مدل بر اساس تقسیم یک task به subtask‌های مستقل از یکدیگر است که می‌توانند هر کدام بصورت parallel (موازی) اجرا شوند. این نوع از کامپیوتر را کامپیوتر موازی گویند.

تا زمانیکه این امکان وجود داشته باشد که یک task را به زیر taskهایی تقسیم کنیم که اندازه بزرگترین زیر task همچنان به گونه‌ای باشد که باز هم بتوان آنرا کاهش داد و البته تا زمانیکه عناصر پردازشی کافی برای اجرای این sub task ها بطور موازی وجود داشته باشد، قدرت محاسبه یک کامپیوتر موازی نامحدود است. اما در عمل این دو شرط بطور کامل برقرار نمی‌شوند:

اولاً: این امکان وجود ندارد که هر taskی را بطور دلخواه به تعدادی زیر task‌های مستقل تقسیم کنیم. چون همواره تعدادی زیر task های وابسته وجود دارد که بایستی بطور خطی اجرا شوند. از اینرو زمان مورد نیاز برای اجرای یک task بطور موازی یک حد پایین دارد.

1- خلاصه:
2- معرفی:
7- پارامترهای الگوریتمهای شاخه و قید موازی آسنکرون:
3- کامپیوترهای موازی (Parallel computers):
4- الگوریتمهای موازی (Parallel Algorithm):
5- شاخه و قید (Branch and Bound):
6- الگوریتم شاخه و قید موازی: (Parallel B&B Algorithms):
8- پیچیدگی و تسریع (Complexity & Speedup):

شامل 32 صفحه فایل word