脉冲神经P系统并行计算的矩阵表示及GPU实现
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-13页 |
| ·课题研究的背景和意义 | 第8-9页 |
| ·膜计算的研究历史和现状 | 第9-10页 |
| ·GPU 的发展历史和现状 | 第10-11页 |
| ·论文主要的研究内容及组织结构 | 第11-13页 |
| 2 膜计算和 CUDA 的基本知识 | 第13-25页 |
| ·膜计算概述 | 第13-20页 |
| ·生物背景 | 第13-14页 |
| ·膜计算的组成部分 | 第14-15页 |
| ·传统膜计算的结构及形式化定义 | 第15-16页 |
| ·脉冲神经 P 系统的结构及形式化定义 | 第16-20页 |
| ·CUDA 基础 | 第20-24页 |
| ·CUDA 的编程模型 | 第20-21页 |
| ·线程结构 | 第21-22页 |
| ·CUDA 存储器模型 | 第22-24页 |
| ·小结 | 第24-25页 |
| 3 两种脉冲神经 P 系统并行计算的矩阵表示 | 第25-37页 |
| ·耗尽型脉冲神经 P 系统矩阵表示算法 | 第25-30页 |
| ·矩阵表示 | 第25-27页 |
| ·算法流程 | 第27-29页 |
| ·实例说明 | 第29-30页 |
| ·时延脉冲神经 P 系统的矩阵表示算法 | 第30-36页 |
| ·矩阵表示 | 第30-32页 |
| ·算法流程 | 第32-34页 |
| ·实例说明 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 4 脉冲神经 P 系统的 GPU 实现 | 第37-48页 |
| ·耗尽型脉冲神经P系统的GPU实现 | 第37-46页 |
| ·耗尽型脉冲神经 P 系统的 GPU 实现 | 第37-42页 |
| ·延时脉冲神经P系统的GPU实现 | 第42-46页 |
| ·小结 | 第46-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第53-54页 |
| 致谢 | 第54-55页 |
