دانلود مقاله ISI موازی حافظه توزیع گاوس؟ الگوریتم سیدل برای خطی، زاویه سیستم های جبری

موضوع فارسی :موازی حافظه توزیع گاوس؟ الگوریتم سیدل برای خطی، زاویه
سیستم های جبری

موضوع انگلیسی :A distributed memory parallel GaussSeidel algorithm for linear
algebraic systems

تعداد صفحه :8

فرمت فایل :PDF

سال انتشار :2009

زبان مقاله : انگلیسی

حافظه توزیع شده موازی گاوس؟ الگوریتم سیدل برای سیستم های جبری خطی است
ارائه شده است، که در آن یک پارامتر معرفی شده است برای انطباق الگوریتم به مختلف
حافظه توزیع معماری موازی. در این الگوریتم، ضریب ماتریس و
سمت راست از سیستم جبری خطی برای اولین بار به ردیف بلوک در تقسیم
طبیعی rowwise سفارش با توجه به عملکرد از معماری موازی استفاده می شود.
و سپس این ردیف بلوک ها در میان خاطرات محلی از تمام پردازنده از طریق توزیع
تکنیک های نقشه برداری چنبره بسته بندی. بردار راه حل تکرار است چرخه میان منتقل
پردازنده در هر تکرار، تا که به کاهش ارتباطات است. الگوریتم یک درست است
گاوس؟ الگوریتم سیدل که حفظ نرخ همگرایی از سریال گاوس؟ سیدل
الگوریتم و اجازه می دهد تا کدهای پی در پی موجود به اجرا در یک محیط به صورت موازی با کمی
سرمایه گذاری در ضبط. نتایج عددی نیز با توجه به که نشان میدهد که الگوریتم است
بهره وری از نسبتا بالا است.

دانلود مقاله ISI پیاده سازی موازی از روش نزدیکترین همسایه کاذب به مطالعه رفتار دینامیکی مدل.

موضوع فارسی :پیاده سازی موازی از روش نزدیکترین همسایه کاذب به مطالعه رفتار دینامیکی مدل.

موضوع انگلیسی :<!--StartFragment -->

Parallel implementations of the False Nearest Neighbors method to study the behavior of dynamical models￿

تعداد صفحه :6

فرمت فایل :PDF

سال انتشار :2010

زبان مقاله : انگلیسی

مدل های دینامیکی یک موضوع مطالعات چند رشته با برنامه های کاربردی مستقیم در مناطق مختلف علم و فن آوری (پزشکی، اقیانوس شناسی، اقتصاد، زیست شناسی، و غیره) می باشد. یکی از راه های به مطالعه مدل های دینامیکی را در جهت پیدا کردن تکامل مدل (نقطه تعادل، مدار، مدار، و غیره) و تعیین فواصل که در آن پیش بینی قابل اعتماد هستند از طریق سری زمانی به آنها است. نکته کلیدی در این فرایند محاسبات سریهای زمانی بعد محاط با استفاده از روش نادرست نزدیکترین همسایه (FNN) است. روش FNN دارای هزینه محاسباتی بالا که سری های زمانی طولانی در دسترس (یا استفاده می شود)، به طوری که زمان اجرای است کاهش می یابد. در این مقاله دو پیاده سازی موازی از روش FNN برای ترکیبی (مشترک و توزیع) معماری حافظه توصیف می کند. به بهترین دانش نویسندگان، پیاده سازی ترکیبی ارائه شده در این مقاله نشان دهنده اولین پیاده سازی موازی از این نوع. علاوه بر این، با توجه به اجرای ترکیبی را ممکن می سازد را به استفاده از معماری های مختلف موازی، زیرا دانستن تعداد گره و تعداد هسته در هر گره، نرم افزار به منظور بهره برداری از حداکثر درجه همسانی موجود در دستگاه مورد نظر autotuned. بخش محاسباتی فشرده از روش عمدتا نهفته در جستجوی همسایه و در نتیجه این کار موازی شده و اجرا با استفاده از 2-64 پردازنده. دقت و عملکرد این دو رویکرد موازی هستند و سپس مورد ارزیابی و مقایسه در برابر بهترین اجرای پی در پی از روش FNN که در پروژه TISEAN به نظر می رسد.