
لینک پرداخت و دانلود *پایین مطلب*
فرمت فایل:Word (قابل ویرایش و آماده پرینت)
تعداد صفحه11
فهرست مطالب
تحقیق درموردفیدبک سری موازی
تحقیق درموردفیدبک سری موازی
لینک پرداخت و دانلود *پایین مطلب*
فرمت فایل:Word (قابل ویرایش و آماده پرینت)
تعداد صفحه11
فهرست مطالب
تحقیق درموردفیدبک سری موازی
این مقاله بر اساس مقاله A parallel Bees Algorithm implementation on GPU پیاده سازی شده است که از اینجا به صورت رایگان قابل دریافت می باشد .
فایل هایی که تقدیم می گردد
1 - ترجمه کامل مقاله
2- کدهای پیاده سازی در متلب
3 - توضیح کامل کدهای متلب
4 - پاورپوینت ارایه مقاله
الگوریتم زنبور عسل، یک روش جمعیتبنیان ، یک الگوریتم کران محاسباتی است که با الهام گرفتن از رفتار طبیعی زنبور عسل به جستجوی یک راهکار شبهبهینه برای مسئله جستجو میپردازد. اخیراً الگوریتمهای موازی گروهبنیان متعددی برای اجرا بر GPU ارائه شدهاند. چرا که امروزه ساخته یک الگوریتم زنبور عسل موازی برای اجرا در GPU از اهمیت بسیار بالایی برخوردار است. در این مقاله الگوریتم زنبورهای عسل CUBA( یعنی الگوریتم زنبور عسل مبتنی بر CUDA) را برای اجرا در(الگوریتم زنبور مبتنی بر CUDS)CUDA.CUBA ( معماری دستگاه یکپارچه محاسباتی) بسط میدهیم.عملکرد CUBA را با انجام آزمایشهایی براساس مسائل بیشمارو معروف بهینهسازی مورد بررسی قرار خواهیم داد. نتایج نشان از آن دارند کهCUBA به میزان قابل توجهی در بسیاری از مسائل بهینهسازی بهتر از الگوریتم زنبور عسل استاندارد عمل میکند.
پس از خرید از درگاه امن بانکی لینک دانلود در اختیار شما قرار میگیرد و همچنین به آدرس ایمیل شما فرستاده میشود.
تماس با ما برای راهنمایی آدرس ایمیل:
magale.computer@gmail.com
شماره جهت ارتباط پیامکی :
09337843121
توجه: اگر کارت بانکی شما رمز دوم ندارد، در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.
ترجمه مقاله Parallel Implementation of K-Means on Multi-Core Processors /
سال انتشار : 2014 /
تعداد صفحات مقاله انگلیسی : 9 /
تعداد صفحات فایل ترجمه : 9 /
فرمت فایل ترجمه :Word /
مقاله اصلی به زبان انگلیسی را رایگان می توانید از اینجا دانلود کنید /
ضمنا پیاده سازی این مقاله با نرم افزار متلب به همراه توضیحات کد اینجا قابل خریداری می باشد
چکیده :
امروزه تقریبا اکثر کامپیوترهای شخصی پردازشگرهای چند هسته ای دارند. ما می کوشیم از قدرت محاسباتی معماری چندهسته ای بهره برداری کنیم. به یک طراحی جدید برای الگوریتم ها و نرم افزار موجود نیاز داریم. در این مقاله موازی سازی الگوریتم دسته بندی k-means (متوسط های k) معروف را ارائه می دهیم. از حلقه های موازی (parfor) در MATLAB استفاده می کنیم که در آن، یک حلقه n تکرار می تواند بر یک گروه از m کاربر MATLAB بطور همزمان اجرا شود و هر کاربر فقط n/m تکرار حلقه را اجرا می کند. نتایج آزمایش، میزان افزایش سرعت قابل توجه روش دسته بندی k-means موازی پیشنهادی بر یک ماشین چندهسته ای/ چند پردازنده ای، در مقایسه با رویکرد k-means سری، را نشان داد.
پس از خرید از درگاه امن بانکی لینک دانلود در اختیار شما قرار میگیرد و همچنین به آدرس ایمیل شما فرستاده میشود.
تماس با ما برای راهنمایی آدرس ایمیل:
magale.computer@gmail.com
شماره جهت ارتباط پیامکی :
09337843121
توجه: اگر کارت بانکی شما رمز دوم ندارد، در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.
عنوان انگلیسی:
High-Performance Publish-Subscribe
Matching Using Parallel Hardware
عنوان فارسی:
تطبیق مدل انتشار-اشتراک کارآمد با استفاده از سخت افزار موازی
تعداد صفحات مقاله اصلی: 10 صفحه
تعداد صفحات ترجمه: 37 صفحه
سال انتشار: 2014
مجله
IEEE TRANSACTIONS ON PARALLEL AND DISTRIBUTED SYSTEMS, VOL. 25, NO. 1, JANUARY 2014
Abstract—Matching incoming event notifications against received subscriptions are a fundamental part of every publish-subscribe infrastructure. In the case of content-based systems this is a fairly complex and time consuming task, whose performance impacts thatof the entire system. In the past, several algorithms have been proposed for efficient content-based event matching. While they differ in most aspects, they have in common the fact of being conceived to run on conventional, sequential hardware. On the other hand,parallel hardware is becoming available off-the-shelf: the number of cores inside CPUs is constantly increasing, and CUDA makes it possible to access the power of GPU hardware for general purpose computing. In this paper, we describe a new publish-subscribe content-based matching algorithm designed to run efficiently both on multicore CPUs and CUDA GPUs. A detailed comparison with two state-of-the-art sequential matching algorithms demonstrates how the use of parallel hardware can bring impressive speedups in content-based matching. At the same time, our analysis identifies the characteristic aspects of multicore and CUDA programming that mostly impact performance.
Index Terms:
Multiple data stream architectures (multiprocessors), distributed systems, performance of systems, concurrent programming (parallel programming), systems and software (distributed systems, performance evaluation (efficiency and effectiveness)
تطبیق مدل انتشار-اشتراک کارآمد با استفاده از سخت افزار موازی
چکیده
تطبیق اخطارهای رویداد ورودی، در برابر اشتراکات دریافتی، یک بخش اساسی هر مدل (سازمان) انتشار-اشتراک است. در مورد سیستم های مبتنی بر محتوی، این یک کار نسبتاً پیچیده و زمان بر است که اثرات عملکردی را بر روی کل سیستم می گذارد. در گذشته، چندین الگوریتم، برای تطبیق رویداد مبتنی بر محتوی کارآمد (موثر)، ارائه شده اند. در حالیکه این الگوریتم ها، در بسیاری از جنبه ها، متفاوت هستند اما در اجرای سخت افزاری متوالی (سری) رایج ، ویژگی هایی مشترک دارند. از طرفی دیگر، سخت افزار موازی، در حال تبدیل شده به موجودیتی برای تولید انبوه هستند. تعداد هسته های داخل پردازنده ها (سی پی یو)، بطور مداوم در حال افزایش است و معماری دستگاه محاسبه یکپارچه (کودا)(CUDA)، دسترسی به توان سخت افزاری پردازنده ی گرافیکی جهت محاسبات با اهداف عمومی را امکان پذیر می سازد. در این مقاله، ما یک الگوریتم تطبیقی مبتنی بر محتوی انتشار-اشتراک جدید طراحی شده جهت اجرای کارآمد بر روی هر دو پردازنده های چندهسته ای و پردازنده گرافیکی کودا (معماری دستگاه محاسبه یکپارچه) را توصیف می کنیم. مقایسه ای جامع با دو الگوریتم تطبیقی متوالی (سری)، مطابق با جدیدترین تکنولوژی نشان می دهد که استفاده از سخت افزار موازی چگونه می تواند ازدیاد تولید موثری در تطبیق مبتنی بر محتوی را بوجود آورد. ضمناً، تحلیل های ما، جنبه های ویژه ای از برنامه نویسی چند هسته ای و کودا ( معماری دستگاه محاسبه یکپارچه)، را که اغلب بر عملکرد تاثیر می گذارند را شناسایی می کند.
کلمات کلیدی: معماری چندگانه جریان اطلاعات (پردازنده های چند هسته ای)، سیستم های توزیعی، عملکرد سیستم ها، برنامه نویسی همزمان (برنامه نویسی موازی)، سیستم ها و نرم افزارها (سیستم های توزیعی، ارزیابی عملکرد(کارآیی و اثربخشی)).
فرمت فایل:word(قابل ویرایش) تعداد صفحات:27
مقدمه :
در زمان اتصال یک چاپگر به کامپیوتر از پورت موازی استفاده می گردد. با اینکه اخیرا" استفاده از پورت های USB رایج شده است ولی همچنان استفاده از پورت موازی برای اتصال چاپگر به کامپیوتر بسیار متداول است .
از پورت های موازی می توان برای اتصال تجهیزات جانبی زیر استفاده کرد
CD burners