Show simple item record

Accelerated Neural Networks on GPU

dc.contributor.advisorKrčma, Martincs
dc.contributor.authorTomko, Martincs
dc.date.accessioned2018-10-21T21:41:20Z
dc.date.available2018-10-21T21:41:20Z
dc.date.created2015cs
dc.identifier.citationTOMKO, M. Akcelerované neuronové sítě na grafické kartě [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2015.cs
dc.identifier.other88576cs
dc.identifier.urihttp://hdl.handle.net/11012/64140
dc.description.abstractTato práce se věnuje implementaci aplikace pro simulaci neuronových sítí a její akceleraci za využití grafického procesoru. Aplikace se zaměřuje především na sítě typu Feedforward a jejich učení algoritmem Backpropagation, podporuje však i jiné typy sítí a umožňuje rozšíření o další učící algoritmy. Aplikace také umožňuje zavést do sítě různé poruchy struktury, což je možné využít pro testování odolnosti neuronových  sítí vůči poruchám. Práce je implementována v jazyce C++ za využití OpenCL pro výpočty na GPU. Výsledky akcelerace učení algoritmem Backpropagation byly porovnány s volně dostupnou knihovnou FANN.cs
dc.description.abstractThis thesis deals with the implementation of an application for artificial neural networks simulation and acceleration using a graphics processing unit. The computation and training of feedforward neural networks using the Backpropagation algorithm are the main focus of this thesis, but the application also supports other network types, and it makes it possible to extend the application with different training algorithms. Next, the application allows us to create neural networks with structural anomalies, and thus, to test the neural network's fault tolerance. The application is implemented in the C++ language, using OpenCL to manage GPU computation. The Backpropagation acceleration results were compared with the free open source library FANN.en
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta informačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectNeuronové sítěcs
dc.subjectstrojové učenícs
dc.subjectakceleracecs
dc.subjectGPUcs
dc.subjectOpenCLcs
dc.subjectC++cs
dc.subjectNeural networksen
dc.subjectmachine learningen
dc.subjectaccelerationen
dc.subjectGPUen
dc.subjectOpenCLen
dc.subjectC++en
dc.titleAkcelerované neuronové sítě na grafické kartěcs
dc.title.alternativeAccelerated Neural Networks on GPUen
dc.typeTextcs
dcterms.dateAccepted2015-06-17cs
dcterms.modified2020-05-10-16:11:57cs
thesis.disciplineInformační technologiecs
thesis.grantorVysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačových systémůcs
thesis.levelBakalářskýcs
thesis.nameBc.cs
sync.item.dbid88576en
sync.item.dbtypeZPen
sync.item.insts2020.06.23 09:05:23en
sync.item.modts2020.06.23 08:23:35en
eprints.affiliatedInstitution.facultyFakulta informačních technologiícs
dc.contributor.refereeZachariášová, Marcelacs
dc.description.markDcs
dc.type.driverbachelorThesisen
dc.type.evskpbakalářská prácecs
but.committeedoc. Dr. Ing. Petr Hanáček (předseda) doc. Ing. František Zbořil, Ph.D. (místopředseda) doc. Ing. Jan Kořenek, Ph.D. (člen) Ing. Šárka Květoňová, Ph.D. (člen) Ing. Michal Španěl, Ph.D. (člen)cs
but.defenceStudent nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázku oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm " D ". Otázky u obhajoby: 1. Proč nebyly experimenty provedeny na výpočetním stroji s GPU, který má vyšší počet výpočetních jednotek? Bylo to z důvodu časových možností anebo nebylo možné sehnat takový stroj?cs
but.resultpráce byla úspěšně obhájenacs
but.programInformační technologiecs
but.jazykčeština (Czech)


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record