📄Работа №80289
Тема: Параллельное решение краевой задачи для ДУЧП с помощью клеточных нейронных сетей
Тип работы
Дипломные работы, ВКР
Предмет
информатика
Объем:
102 листов
Год:
2016
Просмотров:
81
4330
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Введение 6
Задачи дипломного проекта 7
1. Обзор нейросетевых методов решения краевых задач для ДУЧП .. 8
1.1. Постановка задачи 8
1.2. Классификация линейных ДУЧП 9
1.3. Метод конечных разностей 11
1.4. Методы решения ДУЧП на основе клеточных нейронных
сетей 13
1.4.1. Клеточные нейронные сети 13
1.5. Выбор метода для исследования и реализации 19
1.6. Выводы 20
2. Выбор типа параллельной системы 21
2.1. Выбор аппаратной платформы 21
2.2. Технология Nvidia CUDA 23
2.2.1. Архитектура ГП NVidia 24
2.2.2. Программная модель CUDA 26
2.3. NVidia NSight 31
2.4. Характеристики вычислительной системы 37
2.5. Выводы 38
3. Разработка алгоритма 39
3.1. Локально-асинхронный метод решения краевых задач ДУЧП с
использованием клеточных нейронных сетей 39
3.2. Исследование погрешности метода 41
3.3. Выводы 43
4. Программная реализация и исследование алгоритма 44
4.1. Последовательная реализация условно-асинхронного
алгоритма 44
4.2. Параллельная реализация условно-асинхронного алгоритма . 45
4.3. Тестирование разработанной программы 55
4.3.1. Сравнение по точности 55
4.3.2. Сравнение по скорости 57
4.4. Выводы 64
5. Технико-экономическое обоснование эффективности НИОКР .... 65
5.1. Введение 65
5.2. Определение этапов работ выполнения НИОКР 66
5.2.1. Календарный график выполнения НИОКР 68
5.3. Анализ структуры затрат НИОКР 69
5.3.1. Материальные затраты 69
5.3.2. Прочие затраты 70
5.3.3. Фонд заработной платы 71
5.3.4. Амортизационные отчисления 71
5.3.5. Отчисления в фонды 73
5.3.6. Полная себестоимость работы 74
5.3.7. Оценка технического уровня НИОКР 75
5.4. Выводы 76
6. Промышленная экология и безопасность 77
6.1. Введение 77
6.2. Основные факторы 78
6.2.1. Параметры микроклимата 78
6.2.2. Требования к уровням шума и вибрации 80
6.2.3. Освещенность 81
6.2.4. Электромагнитное излучение 84
6.2.5. Опасность поражения электрическим током 85
6.2.6. Требования к организации рабочих мест пользователей
разработанного ИП при работе на ПЭВМ 86
6.2.7. Рабочая поза и рабочее место 88
6.2.8. Эргономические требования к дисплею 90
6.2.9. Требования к организации медицинского обслуживания
пользователей ПЭВМ 94
6.2.10. Пожаробесопасность 94
6.3. Расчет системы искусственного освещения 96
6.3.1. Расчет искусственного освещения рабочего места
оператора 96
6.3.2. Утилизация люминесцентных ламп 99
6.4. Выводы 100
Список использованных источников
Задачи дипломного проекта 7
1. Обзор нейросетевых методов решения краевых задач для ДУЧП .. 8
1.1. Постановка задачи 8
1.2. Классификация линейных ДУЧП 9
1.3. Метод конечных разностей 11
1.4. Методы решения ДУЧП на основе клеточных нейронных
сетей 13
1.4.1. Клеточные нейронные сети 13
1.5. Выбор метода для исследования и реализации 19
1.6. Выводы 20
2. Выбор типа параллельной системы 21
2.1. Выбор аппаратной платформы 21
2.2. Технология Nvidia CUDA 23
2.2.1. Архитектура ГП NVidia 24
2.2.2. Программная модель CUDA 26
2.3. NVidia NSight 31
2.4. Характеристики вычислительной системы 37
2.5. Выводы 38
3. Разработка алгоритма 39
3.1. Локально-асинхронный метод решения краевых задач ДУЧП с
использованием клеточных нейронных сетей 39
3.2. Исследование погрешности метода 41
3.3. Выводы 43
4. Программная реализация и исследование алгоритма 44
4.1. Последовательная реализация условно-асинхронного
алгоритма 44
4.2. Параллельная реализация условно-асинхронного алгоритма . 45
4.3. Тестирование разработанной программы 55
4.3.1. Сравнение по точности 55
4.3.2. Сравнение по скорости 57
4.4. Выводы 64
5. Технико-экономическое обоснование эффективности НИОКР .... 65
5.1. Введение 65
5.2. Определение этапов работ выполнения НИОКР 66
5.2.1. Календарный график выполнения НИОКР 68
5.3. Анализ структуры затрат НИОКР 69
5.3.1. Материальные затраты 69
5.3.2. Прочие затраты 70
5.3.3. Фонд заработной платы 71
5.3.4. Амортизационные отчисления 71
5.3.5. Отчисления в фонды 73
5.3.6. Полная себестоимость работы 74
5.3.7. Оценка технического уровня НИОКР 75
5.4. Выводы 76
6. Промышленная экология и безопасность 77
6.1. Введение 77
6.2. Основные факторы 78
6.2.1. Параметры микроклимата 78
6.2.2. Требования к уровням шума и вибрации 80
6.2.3. Освещенность 81
6.2.4. Электромагнитное излучение 84
6.2.5. Опасность поражения электрическим током 85
6.2.6. Требования к организации рабочих мест пользователей
разработанного ИП при работе на ПЭВМ 86
6.2.7. Рабочая поза и рабочее место 88
6.2.8. Эргономические требования к дисплею 90
6.2.9. Требования к организации медицинского обслуживания
пользователей ПЭВМ 94
6.2.10. Пожаробесопасность 94
6.3. Расчет системы искусственного освещения 96
6.3.1. Расчет искусственного освещения рабочего места
оператора 96
6.3.2. Утилизация люминесцентных ламп 99
6.4. Выводы 100
Список использованных источников
📖 Введение
Численное решение краевых задач для дифференциальных уравнений в частных производных (ДУЧП) является одной из центральных проблем математического моделирования. В силу высокой вычислительной сложности этих задач разработано большое число параллельных методов и алгоритмов их решения, ориентированных на различные классы параллельных вычислительных систем.
В основе любой САПР лежит моделирование проектируемых объектов. Многие используемые в моделях дифференциальные уравнения в частных производных решаются только численными методами. Решение таких уравнений может занимать довольно длительное время, поэтому ускорение в решении подобных уравнений очень важно для развития САПР.
В последние годы происходит интенсивное внедрение в вычислительную практику графических процессоров (ГП), являющихся перспективной архитектурой для выполнения параллельных вычислительных задач. Эту архитектуру можно отнести к подклассу SIMD-систем, параллельных по данным. Архитектура подобных ГП характеризуется большим числом быстрых специализированных ядер, развитой иерархической структурой памяти, низкой латентности и большой пропускной способности памяти.
Вследствие интенсивного внедрения подобных устройств, значительное внимание уделяется разработке параллельных методов и алгоритмов, ориентированных на данную архитектуру.
Дипломный проект посвящен исследованию параллельных методов решения краевых задач ДУЧП и разработке параллельного клеточного асинхронного алгоритма для графических процессоров.
Задачи дипломного проекта
В задачи проекта входит изучение существующих нейросетевых методов решения краевых задач для ДУЧП, создание и адаптация алгоритма под архитектуру ГП и исследование эффективности алгоритма.
Актуальность работы заключается в необходимости разработки новых высокопроизводительных алгоритмов решения краевых задач ДУЧП для параллельных систем.
Новизна работы заключается в проектировании алгоритма и разработки программы для новой архитектуры подкласса SIMD.
В основе любой САПР лежит моделирование проектируемых объектов. Многие используемые в моделях дифференциальные уравнения в частных производных решаются только численными методами. Решение таких уравнений может занимать довольно длительное время, поэтому ускорение в решении подобных уравнений очень важно для развития САПР.
В последние годы происходит интенсивное внедрение в вычислительную практику графических процессоров (ГП), являющихся перспективной архитектурой для выполнения параллельных вычислительных задач. Эту архитектуру можно отнести к подклассу SIMD-систем, параллельных по данным. Архитектура подобных ГП характеризуется большим числом быстрых специализированных ядер, развитой иерархической структурой памяти, низкой латентности и большой пропускной способности памяти.
Вследствие интенсивного внедрения подобных устройств, значительное внимание уделяется разработке параллельных методов и алгоритмов, ориентированных на данную архитектуру.
Дипломный проект посвящен исследованию параллельных методов решения краевых задач ДУЧП и разработке параллельного клеточного асинхронного алгоритма для графических процессоров.
Задачи дипломного проекта
В задачи проекта входит изучение существующих нейросетевых методов решения краевых задач для ДУЧП, создание и адаптация алгоритма под архитектуру ГП и исследование эффективности алгоритма.
Актуальность работы заключается в необходимости разработки новых высокопроизводительных алгоритмов решения краевых задач ДУЧП для параллельных систем.
Новизна работы заключается в проектировании алгоритма и разработки программы для новой архитектуры подкласса SIMD.
ИЛИ
Поиск аналога
📕 Список литературы
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.