公共文化服务平台

共 9 条记录，以下是 1-9

全选清除导出

排序方式：

基于GPU的PSO-BP神经网络DOA估计被引量：1: 2015年; 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。; 陈风田雨波张贞凯; 关键词：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

频率选择表面: 本发明公开了一种频率选择表面，包括100个单元、底板，所述单元排列成10行10列，每一行的单元在水平方向对齐，每一列的单元在垂直方向对齐，所述单元为正方形薄片，边长为5.8mm，厚度为0.1mm，在所述单元的正中开有一正...; 田雨波刘东陈风; 文献传递

基于GPU的并行粒子群神经网络设计与实现: 2014年; 针对粒子群优化(PSO)算法训练人工神经网络(NN)时面临的计算时间过长问题,引入基于图形处理器(GPU)技术的并行处理解决方法。使用粒子与线程一一对应的并行策略,通过并行处理各个粒子的计算过程来加快整个粒子群的收敛速度,减少粒子群神经网络(PSO-NN)的训练时间。在统一计算设备架构(CUDA)下对一简单测试函数逼近的数值进行仿真,实验结果表明,相较基于CPU的串行PSO-NN,基于GPU的并行PSO-NN在寻优稳定性一致的前提下取得了超过500倍的计算加速比。; 陈风田雨波杨敏; 关键词：粒子群优化神经网络并行计算图形处理器统一计算设备架构

基于CUDA的并行粒子群优化算法研究及实现被引量：6: 2014年; 应用图形处理器(GPU)来加速粒子群优化(PSO)算法并行计算时,为突出其加速性能,经常有文献以恶化CPU端PSO算法性能为代价。为了科学比较GPU-PSO算法和CPU-PSO算法的性能,提出用"有效加速比"作为算法的性能指标。文中给出的评价方法不需要CPU和GPU端粒子数相同,将GPU并行算法与最优CPU串行算法的性能作比较,以加速收敛到目标精度为准则,在统一计算设备架构(CUDA)下对多个基准测试函数进行了数值仿真实验。结果表明,在GPU上大幅增加粒子数能够加速PSO算法收敛到目标精度,与CPU-PSO相比,获得了10倍以上的"有效加速比"。; 陈风田雨波杨敏; 关键词：粒子群优化并行计算图形处理器统一计算设备架构

基于变异田口算法的多层吸波材料优化设计被引量：3: 2015年; 针对田口算法(Taguchi method,TM)处理复杂优化问题时易早熟收敛的缺点,引入遗传算法中的变异思想,提出了一种基于变异机制的田口算法(mutation-based Taguchi method,MTM)。在基本田口算法的基础上,利用变异算子生成参数的水平值,提高算法跳出局部极值的能力。同时,采用自适应内循环机制,多样化算法搜索空间。将改进后的田口算法应用到多层吸波材料的优化设计中。实验结果表明,变异田口算法能够有效跳出局部极值,寻找到全局最优值,综合考虑各个变异方式的寻优效率、寻优精度及稳定性,参数的2水平值高斯变异性能最佳。优化后的多层吸波材料能够达到低反射系数、薄厚度的设计要求。; 杨敏田雨波陈风; 关键词：内循环早熟收敛

基于变异田口算法的阵列天线方向图综合: 2014年; 针对智能优化算法在处理天线阵列综合问题时收敛速度慢、计算次数过多的缺点,引入了田口算法(Taguchi method,TM),设计了一种基于变异机制的田口算法(mutation-based Taguchi method,MTM).变异田口算法利用变异算子产生参数水平值,同时采用自适应内循环机制,既能多样化搜索空间,又能控制算法迭代次数.仿真结果表明:变异田口算法性能可与粒子群优化算法(particle swarm optimization,PSO)相比拟,并且计算量大大降低.采用变异田口算法对阵列天线方向图进行了综合设计,能够实现低旁瓣和零陷的目标.; 杨敏田雨波陈风; 关键词：天线阵

基于GPU的粒子群神经网络研究与应用: 人工神经网络（Artificial Neural Network，ANN）是互连的大规模并行处理器，它能通过高度互连的的神经元来解决复杂优化问题。ANN模型由于其良好的学习和泛化能力，已被广泛应用于电磁、测量等领域。粒子...; 陈风; 关键词：粒子群优化人工神经网络图形处理单元统一计算设备架构

基于显卡的微带天线谐振频率神经网络建模: 2015年; 谐振频率是微带天线(Microstrip Antennas,MSA)设计过程中最重要的一个参数.针对粒子群神经网络(Particle Swarm Optimization-Neural Network,PSO-NN)对矩形MSA谐振频率建模所面临的计算时间过长以及模型精度不高等问题,提出一种基于图形处理单元(Graphic Processing Unit,GPU)技术的并行处理解决方案.该方法使用粒子与线程一一对应的并行策略,通过并行处理各个粒子的计算过程来加快整个粒子群的收敛速度,从而减少NN的训练时间.在统一计算设备架构下对矩形MSA谐振频率进行了PSO-NN建模,数值计算结果表明:相对于CPU端串行PSO-NN,GPU端并行PSONN在寻优稳定性一致的前提下取得了超过300倍的计算加速比;在GPU端大幅增加粒子数,能在运行时间增加极为有限的情况下大幅降低建模的网络误差.; 田雨波陈风; 关键词：微带天线谐振频率粒子群优化神经网络图形处理器

圆形微带天线谐振频率设计方法: 本发明公开了一种圆形微带天线谐振频率设计方法，用粒子群神经网络在圆形微带天线贴片半径、介质基片厚度、相对介电常数这三个相关参数和实测谐振频率之间建立起映射关系，利用GPU技术在统一计算设备架构编程环境下对粒子群神经网络的...; 陈风田雨波刘东; 文献传递

全选清除导出

共1页<1>

陈风