Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Adaptive Flux Observers and Rotor Speed Sensor Fault Detection in Induction Motors Kapitel lesen Erstes Kapitel lesen

2014 | OriginalPaper | Buchkapitel

6. A Multi-Signal Variant for the GPU-Based Parallelization of Growing Self-Organizing Networks

verfasst von : Giacomo Parigi, Angelo Stramieri, Danilo Pau, Marco Piastra

Erschienen in: Informatics in Control, Automation and Robotics

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Among the many possible approaches for the parallelization of self-organizing networks, and in particular of growing self-organizing networks, perhaps the most common one is producing an optimized, parallel implementation of the standard sequential algorithms reported in the literature. In this chapter we explore an alternative approach, based on a new algorithm variant specifically designed to match the features of the large-scale, fine-grained parallelism of GPUs, in which multiple input signals are processed at once. Comparative tests have been performed, using both parallel and sequential implementations of the new algorithm variant, in particular for a growing self-organizing network that reconstructs surfaces from point clouds. The experimental results show that this approach allows harnessing in a more effective way the intrinsic parallelism that the self-organizing networks algorithms seem intuitively to suggest, obtaining better performances even with networks of smaller size.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel A Heuristic Control Algorithm for Robust Internal Model Control with Arbitrary Reference Model
Nächstes Kapitel Office Delivery Robot Controlled by Modular Behavior Selection Networks with Planning Capability
Fußnoten
1
An aging mechanism is also applied to connections (see for instance [9]).
 
Literatur
1.
Piastra, M.: Self-organizing adaptive map: autonomous learning of curves and surfaces from point samples. Neural Netw. 41, 96–112 (2012)CrossRef
2.
Lawrence, R., Almasi, G., Rushmeier, H.: A scalable parallel algorithm for self-organizing maps with applications to sparse data mining problems. Data Min. Knowl. Disc. 3, 171–195 (1999)CrossRef
3.
Kohonen, T.: Self-Organizing Maps. Springer series in information  sciences, vol. 30. Springer, Berlin (2001)
4.
Orts, S., Garcia-Rodriguez, J., Viejo, D., Cazorla, M., Morell, V.: Gpgpu implementation of growing neural gas: application to 3d scene reconstruction. J. Parallel Distrib. Comput. 72(10), 1361–1372 (2012)CrossRef
5.
García-Rodríguez, J., Angelopoulou, A., Morell, V., Orts, S., Psarrou, A., García-Chamizo, J.: Fast image representation with gpu-based growing neural gas. Adv. Comput. Intell., Lect. Notes Comput. Sci 6692, 58–65 (2011)CrossRef
6.
Luo, Z., Liu, H., Wu, X.: Artificial neural network computation on graphic process unit. In: Proceedings of the IEEE International Joint Conference on Neural Networks, IJCNN’05. IEEE 2005, vol. 1, pp. 622–626 (2005)
7.
Campbell, A., Berglund, E., Streit, A.: Graphics hardware implementation of the parameter-less self-organising map. In: Intelligent Data Engineering and Automated Learning-IDEAL 2005, pp. 5–14 (2005)
8.
Owens, J., Luebke, D., Govindaraju, N., Harris, M., Krüger, J., Lefohn, A., Purcell, T.: A survey of general-purpose computation on graphics hardware. Comput. Graphics Forum 26, 80–113 (2007) (Wiley Online Library)
9.
Fritzke, B.: A growing neural gas network learns topologies. In: Advances in Neural Information Processing Systems 7, MIT Press (1995)
10.
Marsland, S., Shapiro, J., Nehmzow, U.: A self-organising network that grows when required. Neural Netw. 15, 1041–1058 (2002)CrossRef
11.
Martinetz, T., Schulten, K.: Topology representing networks. Neural Netw. 7, 507–522 (1994)CrossRef
12.
Owens, J., Houston, M., Luebke, D., Green, S., Stone, J., Phillips, J.: Gpu computing. Proc. IEEE 96, 879–899 (2008)CrossRef
13.
McCool, M.: Data-parallel programming on the cell be and the gpu using the rapidmind development platform. In: GSPx Multicore Applications Conference. vol. 9. (2006)
14.
Papakipos, M.: The Peakstream Platform: High-Productivity Software Development for Multi-Core Processors. PeakStream Inc., Redwood City (2007)
15.
NVIDIA Corporation: CUDA C programming guide, version 4.0. Santa Clara (2011)
16.
Hensley, J.: AMD CTM overview. In: ACM SIGGRAPH 2007 courses, p. 7. ACM, New York (2007)
17.
Stone, J., Gohara, D., Shi, G.: Opencl: a parallel programming standard for heterogeneous computing systems. Comput. Sci. Eng. 12, 66 (2010)CrossRef
18.
Buck, I., Foley, T., Horn, D., Sugerman, J., Fatahalian, K., Houston, M., Hanrahan, P.: Brook for gpus: stream computing on graphics hardware. ACM Trans. Graph. 23, 777–786 (2004)CrossRef
19.
Harris, M.: Optimizing parallel reduction in cuda. CUDA SDK Whitepaper (2007)
20.
Liu, S., Flach, P., Cristianini, N.: Generic multiplicative methods for implementing machine learning algorithms on mapreduce. Arxiv, preprint arXiv:1111.2111 (2011)
21.
Zhang, C., Li, F., Jestes, J.: Efficient parallel knn joins for large data in mapreduce. In: Proceedings of 15th International Conference on Extending Database Technology (EDBT 2012). (2012)
22.
Edelsbrunner, H.: GGeometry and topology for mesh generation. Cambridge Monographs on Applied and Computational Mathematics, vol. 7. Cambridge University Press, Cambridge (2001)
23.
24.
Hockney, R.W., Eastwood, J.W.: Computer Simulation Using Particles. Taylor & Francis Inc., Bristol (1988)CrossRefMATH
Metadaten
Titel
A Multi-Signal Variant for the GPU-Based Parallelization of Growing Self-Organizing Networks
verfasst von
Giacomo Parigi
Angelo Stramieri
Danilo Pau
Marco Piastra
Copyright-Jahr
2014
Buch
Informatics in Control, Automation and Robotics

Print ISBN: 978-3-319-03499-7

Electronic ISBN: 978-3-319-03500-0

Copyright-Jahr: 2014

DOI
https://doi.org/10.1007/978-3-319-03500-0_6

Neuer Inhalt

    Bildnachweise