| 摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 绪论 | 第12-17页 |
| ·课题背景 | 第12-14页 |
| ·课题的研究内容 | 第14-15页 |
| ·论文的组织结构 | 第15页 |
| ·课题的研究成果 | 第15-17页 |
| 第二章 GPU体系结构及存储层次 | 第17-28页 |
| ·GPU体系结构 | 第17-24页 |
| ·针对图形处理的传统GPU体系结构 | 第17-19页 |
| ·统一架构下的GPU体系结构 | 第19-23页 |
| ·CUDA编程模型 | 第23-24页 |
| ·GPU内部片上互联 | 第24-26页 |
| ·GPU存储器结构 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 遗传算法在基于GPU的异构平台映射研究 | 第28-45页 |
| ·遗传算法简介 | 第28-32页 |
| ·遗传算法的产生与发展 | 第28页 |
| ·遗传算法的基本思想与原理 | 第28-30页 |
| ·遗传算法的特点及其并行性研究 | 第30-32页 |
| ·遗传算法基于CUDA平台的实现 | 第32-44页 |
| ·随机数的并行产生 | 第33-36页 |
| ·遗传算法的并行实现 | 第36-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 CUDA平台上神经网络的实现研究与分析 | 第45-53页 |
| ·神经网络算法简介 | 第45-48页 |
| ·神经网络的产生与发展史 | 第45-46页 |
| ·神经网络的基本结构 | 第46-48页 |
| ·神经网络基于CUDA技术的实现与结果 | 第48-52页 |
| ·神经网络算法结构基于CUDA平台的并行实现 | 第49-51页 |
| ·实验结果分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 基于计算智能应用映射的GPU体系结构深层次研究 | 第53-69页 |
| ·GPU体系结构模拟器简介 | 第53-55页 |
| ·神经网络与遗传算法的程序特征 | 第55-59页 |
| ·线程warp组织方式对程序性能的影响 | 第59-60页 |
| ·GPU片上Cache对性能的影响 | 第60-62页 |
| ·Cache line大小对性能的影响 | 第60-61页 |
| ·Cache set对性能的影响 | 第61页 |
| ·Cache替换策略对性能的影响 | 第61-62页 |
| ·GPU片上互联结构对程序性能的影响 | 第62-63页 |
| ·GPU内存子系统对程序的影响 | 第63-68页 |
| ·调度策略对性能的影响 | 第63-65页 |
| ·地址映射机制对性能的影响 | 第65-68页 |
| ·本章小结 | 第68-69页 |
| 第六章 结束语 | 第69-72页 |
| ·总结 | 第69-71页 |
| ·工作展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 作者在学期间取得的学术成果 | 第78-79页 |
| 附录A 相关的地址映射机制 | 第79页 |