基于GPU的PSO-BP神经网络DOA估计

• 作者: 张贞凯 田雨波 陈风
• 来源期刊: 计算机应用研究
• 关键词: 波达方向估计 粒子群优化 神经网络 图形处理单元 统一计算设备架构
• 年，卷（期）: 2015,（10）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2963-2966
• 页数: 4页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2015.10.019

摘要

粒子群优化(PSO)算法与误差反向传播(BP)算法相结合训练神经网络(PSO-BP-NN),可以有效提高网络的泛化能力,但是面临的最大问题就是计算时间过长.为此,提出了基于图形处理单元(GPU)的并行加速解决方案,并基于该方法对波达方向(DOA)估计问题进行了建模.在算法执行过程中,利用粒子群神经网络(PSO-NN)粒子行为的可并行性和误差反向传播神经网络(BP-NN)样本训练的可并行性来减少神经网络(NN)的训练时间.在统一计算设备架构(CUDA)下对DOA估计进行了NN建模.数值计算结果表明,相对于CPU端串行PSO-BP-NN,GPU端并行PSO-BP-NN在收敛稳定性一致的前提下取得了65倍的计算加速比.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田雨波	江苏科技大学电子信息学院	109	634	13.0	19.0
2	张贞凯	江苏科技大学电子信息学院	38	247	8.0	15.0
3	陈风	江苏科技大学电子信息学院	6	24	3.0	4.0