第一个书签之前
第1章 绪论
1.1 研究背景及研究意义
1.2 国内外研究现状
1.3 论文主要研究内容及创新点
1.4 论文结构安排
1.5 本章小结
第2章 异构计算平台架构与编程模型
2.1 异构计算平台
2.2 GPU简介
2.3 GPU体系架构
2.4 GPU与CPU的区别
2.5 OpenCL编程方法简介
2.5.1 GPU编程框架
2.5.2 OpenCL编程框架
2.5.3 OpenCL编程过程
2.6 本章小结
第3章 多层前馈全连接神经网络
3.1 全连接神经网络发展历程
3.2 全连接神经网络结构
3.3 神经网络训练优化技术
3.4 本章小结
第4章 BFGS拟牛顿算法并行实现
4.1 牛顿法
4.2 DFP拟牛顿算法
4.3 BFGS拟牛顿算法
4.4 BFGS拟牛顿算法并行实现方法
4.4.1 计算神经网络误差ET
4.4.2 计算搜索方向dir
4.4.3 黄金分割法计算步长λ并更新权重w
4.4.4 计算梯度g
4.4.5 计算尺度矩阵B
4.4.6 并行归约求和
4.5 实验结果与分析
4.5.1 算法性能测试
4.5.2 微波器件建模实验
4.6 本章小结
第5章 主从型多群体PSO并行算法实现
5.1 PSO算法背景简介
5.2 并行PSO算法
5.3 多群体PSO算法
5.4 主从型多群体PSO算法并行实现方法
5.4.1 随机数产生
5.4.2 粒子速度与位置更新
5.4.3 适应度的计算
5.4.4 局部并行归约
5.4.5 全局并行归约
5.5 实验结果与分析
5.5.1 算法性能测试
5.5.2 与现有的PSO并行实现对比
5.5.3 实际应用
5.6 本章小结
第6章 BFGS-PSO并行混合算法实现
6.1 BFGS拟牛顿算法与PSO算法的互补性
6.2 BFGS-PSO并行混合算法结构
6.3 实验结果与分析
6.3.1 收敛速度测试
6.3.2 训练误差测试
6.4 本章小结
第7章 总结与展望
参考文献
发表论文和参加科研情况说明
致 谢