利用GPU通用计算的同步层竞争算法研究

摘要

传统神经网络优化算法相对于其它优化算法,具有求解精度高的优点,但也存在收敛速度慢、耗时长的问题.神经网络同步更新迭代算法相比异步迭代方式,一般执行效率更高,也更利于结合并行计算技术来提高算法效率.GPU通用计算作为并行技术发展的代表之一,在并行处理能力上对同时期的多核CPU更具优势.采用层竞争神经网络模型可以用于解决特征绑定问题.通过图像分割实验结果表明,基于GPU通用计算的同步更新层竞争算法,比基于CPU计算的同类算总体效率更高.