Разработка эффективных алгоритмов для анализа данных с использованием графического процессора

Содержание
Введение
Актуальность исследования.
Цели и задачи диссертации.
аучная новизна и значимость работы.
Практическая ценность работы
Публикации
Личный вклад автора.
Основные положения, выносимые на защиту.
Классификация вычислительных систем.
Глава 1. Технологии программирования графического процессора.
1.1. Программирование графического процессора па основе вершинных и пиксельных программ..
1.2. Программирование графического процессора на основе библиотеки СЛА
1.3. Программирование графического процессора на основе библиотеки ПгесСотрШе.
1.4. Программирование графического процессора на основе библиотеки ОрспСЬ
1.5. Архитектура ОрепСЬ
Выводы.
Глава 2. Алгоритмы для анализа структуры и свойств сложных молекулярных кластеров с использованием графического процессора.
2.1. Алгоритмы визуализации сложных кластерных структур и их физикохимических характеристик.
2.1.1. Алгоритм построения сетки из треугольников на основе выборки данных по плоскости
2.1.2. Алгоритм построения сетки из треугольников на основе выборки данных по сфере
2.1.3. Алгоритм построения сетки из треугольников на основе выборки данных по цилиндру.
2.2. Алгоритм выборки данных из куба на основе отрезка
2.3. Алгоритм построения группы эквипотенциальных поверхностей.
2.4. Алгоритм расчета сечения рассеяния частиц на молекулярном кластере
2.5. Оценка эффективности алгоритма Фурьепреобразования па графическом
процессоре.
2.6. Алгоритм кратного численного интсрирования на графическом процессоре
Результаты
Глава 3. База данных и программная оболочка.
3.1. Программная оболочка для анализа структуры и свойств сложных молекулярных кластеров
3.2. Проектирование и разработка базы данных молекулярных объектов
3.3. Интерфейс программной оболочки.
3.4. Администрирование базы данных
Результаты.
Выводы.
Глава 4. Разработка библиотеки для работы с нейронными сетями на графическом
процессоре.
4.1. Нейронные сети прямого распространения
4.2. Алгоритм обучения нейронных сетей прямого распространения на графическом
процессоре.
4.3. Анализ эффективности обучения нейронной сети с использованием графического процессора.
4.4. Распознавание рукописных символов с использованием нейронной сети.
4.4.1. Подбор архитектуры сети
4.4.2. Алгоритм обучения нейронной сети.
4.4.3. Тестирование нейронной сети
Выводы.
Заключение.
Список литературы