• ارائه الگوریتم موازی حل مسأله پیدا کردن نزدیک ترین همسایه بر روی gpu با استفاده از cuda

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1393/09/05
    • تاریخ انتشار در تی پی بین: 1393/09/05
    • تعداد بازدید: 4445
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    الگوریتم جستجوی نزدیک ترین همسایه کاربردهای فراوانی در علوم کامپیوتر دارد. به عنوان مثال در حوزه داده کاوی تکنیک های دسته بندی مؤثر داده ها از حیاتی ترین مسائل می باشد. بالا بودن پیچیدگی محاسباتی الگوریتم جستجوی نزدیکترین همسایه ها یک چالش برای زمان اجرا محسوب می شود. طرح این مسأله و حل آن برای مقدار داده ی اندک راحت می باشد، اما زمانی که پایگاه داده بزرگ می شود مشکل بنیادی در پردازش سریع داده بوجود می آید. در حوزه هایی مانند داده کاوی که الگوریتم جستجوی نزدیکترین همسایه برای آنها کاربرد دارد، تکنولوژی های متعددی برای انجام دسته بندی داده ها معرفی شده است که با افزایش حجم داده ها انتخاب تکنولوژی مناسب برای دسته بندی آنها اهمیت پیدا می کند. تکنولوژی کودا توسط شرکت انویدیا ارائه شده است و فرصتی را برای توسعه دهندگان فراهم می کند تا با استفاده از کارت گرافیک سخت افزار سیستم خود، به سادگی و با کمترین هزینه، پردازش محاسباتی داده ها را به صورت موازی انجام دهند. در این مقاله از مفهوم gpgpu و تکنولوژی کودا برای جستجوی نزدیکترین همسایه استفاده شده است و موازی سازی اجرای این الگوریتم بر روی واحد پردازش گرافیکی با دسترسی داشتن به حافظه اشتراکی را با حالتی که برنامه به صورت سریال بر روی پردازنده اجرا می شود و همچنین با حالتی که برنامه بر روی واحد پردازش گرافیکی به صورت موازی بدون استفاده از حافظه اشتراکی اجرا می شود را مقایسه می کند. نشان داده می شود که اجرای الگوریتم به صورت موازی بر روی واحد پردازش گرافیکی با استفاده از حافظه اشتراکی نسبت به دو روش دیگر بررسی شده در این مقاله بهتر عمل کرده و امکانی را برای توسعه دهندگان فراهم می کند که از راه حل های مقیاس پذیر و کم هزینه برای اجرای موازی پردازش های محاسباتی سنگین استفاده کنند.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین رویدادها
مقالات جدیدترین ژورنال ها