Implementation of artificial neural network on graphics processing unit for classification problems

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F62690094%3A18450%2F16%3A50013656" target="_blank" >RIV/62690094:18450/16:50013656 - isvavai.cz</a>

Výsledek na webu

<a href="https://link.springer.com/chapter/10.1007/978-3-319-45246-3_29" target="_blank" >https://link.springer.com/chapter/10.1007/978-3-319-45246-3_29</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-45246-3_29" target="_blank" >10.1007/978-3-319-45246-3_29</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Implementation of artificial neural network on graphics processing unit for classification problems

Popis výsledku v původním jazyce

The artificial neural network (NN) is widely use in pattern recognition related area such as classification. After all this time, the computational process of NN is done using central processing unit (CPU). In recent years, the introduction of graphics processing unit (GPU) has opened another way to perform calculations with the advantage to speed up the calculation. In this paper, the computational process of multilayer perceptron neural network be tested on GPU using classification datasets. The performance of NN model with different number of input, hidden and output neurons are explored and compared based on the computational between GPU and CPU. The experimental result shows that the computational on GPU is much faster than CPU.

Název v anglickém jazyce

Implementation of artificial neural network on graphics processing unit for classification problems

Popis výsledku anglicky

The artificial neural network (NN) is widely use in pattern recognition related area such as classification. After all this time, the computational process of NN is done using central processing unit (CPU). In recent years, the introduction of graphics processing unit (GPU) has opened another way to perform calculations with the advantage to speed up the calculation. In this paper, the computational process of multilayer perceptron neural network be tested on GPU using classification datasets. The performance of NN model with different number of input, hidden and output neurons are explored and compared based on the computational between GPU and CPU. The experimental result shows that the computational on GPU is much faster than CPU.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2016

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Computational collective intelligence (ICCCI 2016)

ISBN

978-3-319-45245-6

ISSN

0302-9743

e-ISSN

neuvedeno

Počet stran výsledku

8

Strana od-do

303-310

Název nakladatele

Springer

Místo vydání

Cham

Místo konání akce

Chalkidiki, Greece

Datum konání akce

28. 9. 2016

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000387734400029