| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 GPU通用计算技术在R上的研究现状 | 第10-11页 |
| 1.3 主要研究内容 | 第11-12页 |
| 1.4 论文章节安排 | 第12-14页 |
| 第二章 预备知识 | 第14-24页 |
| 2.1 R语言 | 第14-18页 |
| 2.1.1 R简介 | 第14-16页 |
| 2.1.2 R与C/C++的交互 | 第16页 |
| 2.1.3 R的并行计算及开销 | 第16-18页 |
| 2.2 GPU通用并行计算 | 第18-22页 |
| 2.2.1 CUDA简介 | 第18页 |
| 2.2.2 CUDA编程模型和存储器模型 | 第18-21页 |
| 2.2.3 CUDA软件体系 | 第21页 |
| 2.2.4 CUDA程序优化 | 第21-22页 |
| 2.3 基于CUDA的R语言加速包 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于CUDA的R语言基本并行加速包 | 第24-38页 |
| 3.1 并行加速包的需求浅析 | 第24-25页 |
| 3.2 R包结构设计 | 第25-28页 |
| 3.2.1 R包文件结构及安装简介 | 第25-26页 |
| 3.2.2 基于CUDA的R包文件结构及安装方式的设计 | 第26-28页 |
| 3.3 软件架构设计 | 第28-32页 |
| 3.3.1 数据结构 | 第29-30页 |
| 3.3.2 功能模块 | 第30-32页 |
| 3.4 软件包的使用 | 第32-34页 |
| 3.5 实验和分析 | 第34-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第四章 DBN移植及优化 | 第38-55页 |
| 4.1 深度学习及并行化实现 | 第38-41页 |
| 4.1.1 深度学习简介 | 第38页 |
| 4.1.2 深度置信网络DBN | 第38-40页 |
| 4.1.3 深度学习并行化实现 | 第40-41页 |
| 4.2 基于CUDA的DBN移植 | 第41-46页 |
| 4.2.1 总体框架 | 第41-43页 |
| 4.2.2 网络单元 | 第43-44页 |
| 4.2.3 网络优化 | 第44-45页 |
| 4.2.4 软件接口设计 | 第45-46页 |
| 4.3 基于CUDA的DBN训练优化方法 | 第46-47页 |
| 4.4 系统的特点分析 | 第47页 |
| 4.5 对比实验和数据分析 | 第47-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 参考文献 | 第57-59页 |
| 致谢 | 第59-61页 |
| 攻读学位期间发表或已录用的学术论文 | 第61页 |