共享存储型MIMD的几个问题

并行处理是提高计算机性能的有效手段,也是新一代计算机的结构特征,本文详细分析了共享存储型MIMD的几个问题,即:互连方式、cache一致性、可伸缩性等。     

神经网络并行MIMD处理器的研究及实现

为了能高速地实现多种神经网络,拓展神经网络在工业控制中的实时性、嵌入式应用,设计了一种多指令多数据流(MIMD)的通用型神经网络处理器(APP)。处理器的处理单元组之间、处理单元组与乘累加协处理器之间均可以并行执行任务、处理单元组与其他存储器之间可以并行通信。在FPGA上仿真验证了处理器的功能,并实现了用于轧辊偏心在线控制的BP网络和用于字符识别的Hopfield网络等两种不同的拓扑结构。实验数据表明,该体系结构具有较高的并行性,其性能优于其他常见的通用型实现手段。     

MIMD多机系统的异步并行拟牛顿法

基于ＭＩＭＤ（多指令流多数据流）多处理机并行系统，提出了求解非线性方程组的异步并行拟牛顿法，给出了算法的实现过程，收敛性及收敛效率估计。该算法的工作量比常用串行牛顿法少，具有超线性收敛和数值稳定性，理论分析与计算结果表明，异步并行拟牛顿法有较好的并行性。     

线性方程组并行迭代解法的新思路

针对求解大型线性方程组,利用改进后的MGS方法和分治策略,给出了一种求解任意相容性线性方程组通解或不相容性线性方程组最小二乘解通解的并行数值方法,分析了该方法的复杂性和数值稳定性,探讨其基于MIMD分布式存储或分布共享存储模型的消息传递并行算法的设计方法。     

解非线性方程组的异步并行区间算法

基于ＭＩＭＤ多处理机系统，提出一种求解非线性方程组的异步并行区间算法，对算法的实现原理及结构作了详细分析，讨论了算法的收敛性及效率估计，所得结果表明该算法比常用串行区间算法的计算量小，收敛速度较好。