一种神经动力学优化系统的并行算法设计.pdf

《一种神经动力学优化系统的并行算法设计.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、大嫂－大摩ＤＡＬＩＩＡＮＵＮＶＥＲＳＩＴＹＯＦＴＥＣＨＮＯＬＯＧＹ硕士芽位论文ＭＡＳＴＥＲＡＬＤＩＳＳＥＲＴＡＴＩＯＮ一种神经动力学优化系统的并行算法设计学科专业一―信号与信息处理晓丹作者姓名朱耳救肺郭成安教授２０５５Ｈｉ＾Ｍ答辩日期＿硕士学位论文一种神经动力学优化系统的并行算法设计ＰａｒａｌｌｅｌＡｌｇｏｒｉｔｈｍＤｅｓｉｇｎａｎｄＩｍｐｌｅｍｅｎｔａｔｉｏｎｏｆａＮｅｕｒｏｄｙｎａｍｉｃＯｐｔｉｍｉｚａｔｉｏｎＳｙｓｔｅｍ作者姓名：朱晓丹学科、专业：信号与信息处理

2、学号：２１２０９０７３指导教师：郭成安教授完成日期：Ｓｌ４大遠理工大摩ＤａｌｉａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ大连理工大学学位论文独创性声明：所呈交的学位论文作者郑重声明，是本人在导师的指导下进行研究工作所取得的成果。尽我所知，除文中巳经注明引用内容和致谢的地方外，本论文不包含其他个人或集体已经发表的研究成果，也不包含其他已申请学位或其他用途使用过的成果一。与我同工作的同志对本研究所做的贡献均巳在论文中做了明确的说明并表示了谢意。若有不实之处，本人愿意承担相关法律责任。学位论文题目：：

3、曰期：６月＾曰作者签名丨年大连理工大学硕士学位论文摘要一近年来问世的压缩感知理论是对传统信号采样理论的个突破。对于稀疏信号，压缩感知理论提出可以同时进行信号釆样与压缩，通过求解Ｌ０或Ｌ１最优化问题可以精确恢复原始稀疏信号，其采样频率可以低于奈奎斯特采样频率。由于合并了信号采样和压缩过程，压缩感知理论既减少了中间过程的数据量，节约了存储空间，又降低了对硬件。压缩感知和稀疏表达已成为信息技术和计算机科学领域研宄的热点采样频率的要求，被广泛应用于各种工程问题且取得了优异的结果，有些已经超越了传统方法达到顶级水平。压缩感知领域中的一

4、个关键问题是稀疏信号重构，己有的稀疏信号重构算法大多釆用数值迭代方式使用软件编程实现，它们的计算复杂度难以满足实时处理的要求，而实时性又是某些实际工程应用的关键。神经动力学优化方法通过构建神经网络求解各种类型的优化问题。由于神经网络本身有着很好的并行结构，其对于实时处理稀疏信号恢复问题有很好的潜力。本文深入研究了一种神经动力学优化模型在稀疏信号恢复问题中的应用，针对该神一经动力学优化模型计算复杂度较高的问题，设计了整套并行求解算法。这种神经动力学优化模型能够求解压缩感知中的稀疏信号恢复问题，得到Ｌ０最优化问题的全局收敛的近似最优解。但是该模型

5、的不足在于计算复杂度较高，因此阻碍了它的实际应用。本文针对这个问题设计了并行神经动力学优化算法，使用ＣＵＤＡ语言在ＧＰＵ上编程实现，并将其应用于压缩感知中的稀疏信号恢复问题。实验结果显示新的并行算法能够显著提高该方法的计算效率，相比于用ＣＰＵ实现的串行算法的加速比达到了６０倍，而且能够保证求解精度没有损失。关键词：并行算法ＧＰＵＣＵＤＡ；神经动力学优化反馈神经网络压缩感知；；；；－－Ｉ一种神经动力学优化系统的并行算法设计ＡｂｓｔｒａｃｔＲｅｃｅｎｔｌｙ，ｔｈｅｎｅｗｂｏｍｃｏｍｐｒｅｓｓｉｖｅｓｅｎｓｉｎｇＣＳｔｈｅｏｒ

6、ｈａｓｂｅｃｏｍｅｔｈｅｂｒｅａｋｐｏｉｎｔｏｆｔｈｅ（）ｙｔｒａｄｉｔｉｏｎａｌｓｉｇｎａｌｓａｍｐｌｉｎｇｔｈｅｏｒｙ．ＡｃｃｏｒｄｉｎｔｏＣＳｔｈｅｏｒｙ，ｓｐａｒｓｅｓｉｎａｌｃａｎｂｅｓａｍｐｌｅｄａｎｄｇｇｃｏｍｒｅｓｓｅｄｉｎｎｅｓｔｅａｎｄｃａｎｂｅｒｅｃｉｓｅｌｒｅｃｏｎｓｔｒｕｃｔｅｄｂｓｏｌｖｉｎａＬＯｍｉｎｉｍｉｚａｔｉｏｎｏｒＬＩｐｏｐｙｇｐｙｍｉｎｉｍｉｚａｔｉｏｎｐｒｏｂｌｅｍ，ｔｈｕｓｉｔｓｓａｍｐｌｅｆｒｅｑｕｅｎｃｙｉｓｍｕｃｈｌｏｗｅｒｔ

7、ｈｍｔｈｅＮｙｑｕｉｓｔｆｒｅｑｕｅｎｃｙ．ＢｅｃａｕｓｅｔｈｅｃｏｍｂｉｎａｔｉｏｎｏｆｓｉａｌｓａｍｌｉｎｒｏｃｅｓｓａｎｄｃｏｍｒｅｓｓｉｎｒｏｃｅｓｓＣＳｔｈｅｏｒｂｏｔｈｇｎｐｇｐ，ｙｐｇｐｒｅｄｕｃｅｓｔｈｅｔｈｅｉｎｔｅｒｍｅｄｉａｔｅｓａｍｌｉｎｄａｔａｓａｖｅｓｓｔｏｒａｅｓａｃｅａｎｄｒｅｄｕｃｅｓｔｈｅｓａｍｌｉｎｐｇ，ｇｐｐｇｆｒｅｑｕｅｎｃｙｏｆｄｅｖｉｃｅｓ．Ｓｐａｒｓｅｒｅｒｅｓｅｎｔａｔｉｏｎａｎｄｃｏｍｐｒ