Logotipo del repositorio
 

Comparación entre el procesamiento en paralelo de un microprocesador de doble núcleo y las tarjetas de video GPGPU de la marca NVIDIA utilizando el método Backpropagation de redes neuronales

dc.contributor.advisorRamírez Jiménez, Eddy
dc.contributor.authorHerrera Carmona, Yeison Francisco
dc.date.accessioned2023-11-03T22:24:17Z
dc.date.available2023-11-03T22:24:17Z
dc.date.issued2017
dc.descriptionHerrera Carmona, Y. F. [2017]. Comparación entre el procesamiento en paralelo de un microprocesador de doble núcleo y las tarjetas de video GPGPU de la marca NVIDIA utilizando el método Backpropagation de redes neuronales. [Tesis de Licenciatura]. Universidad Nacional, Heredia, Costa Rica.es_ES
dc.description.abstractThe following document makes reference to the study of a dual core multiprocessor and the GPGPU board (General Purpose Graphical Processor Unit) also known as GPU (Graphical Processor Unit). It studies the parallel processing capacity. In order to evaluate that capacity, algebraic algorithms will be used. To be specific, the networking model used will be the so called Backpropagation. This algorithm will only be used as a tool to measure the processing levels since this thesis is not getting too deep into this algorithm. Additionally, an experiment is presented in order to broaden in a more scientific way with the application of statistics like the use of the variance with the purpose of reinforcing the comparison among the Intel processor and the NVIDIA GPU board. For doing this comparison, the null hypothesis “H0” will be taken into account. The processor against GPU does not present any difference compared to the BackPropagation algorithm and its contrast, the alternative hypothesis “H1”. The processors against GPU present a difference on the algorithm backpropagation.es_ES
dc.description.abstractEl siguiente documento hace referencia al estudio de un multiprocesador de doble núcleo y la placa GPGPU (Unidad de Procesador Gráfico de Propósito General) también conocida como GPU (Unidad de Procesador Gráfico). Estudia la capacidad de procesamiento paralelo. Para evaluar esa capacidad se utilizarán algoritmos algebraicos. En concreto, el modelo de red utilizado será el llamado Backpropagation. Este algoritmo sólo se utilizará como herramienta para medir los niveles de procesamiento ya que esta tesis no profundiza demasiado en este algoritmo. Además, se presenta un experimento con el fin de ampliar de manera más científica la aplicación de estadísticas como el uso de la varianza con el fin de reforzar la comparación entre el procesador Intel y la placa GPU NVIDIA. Para realizar esta comparación se tendrá en cuenta la hipótesis nula “H0”. El procesador versus GPU no presenta ninguna diferencia respecto al algoritmo BackPropagation y su contraste, la hipótesis alternativa “H1”. Los procesadores frente a GPU presentan una diferencia en el algoritmo de retropropagación.es_ES
dc.description.procedenceEscuela de Informáticaes_ES
dc.description.sponsorshipUniversidad Nacional, Costa Ricaes_ES
dc.identifier.otherTESIS 11340
dc.identifier.urihttp://hdl.handle.net/11056/26806
dc.language.isospaes_ES
dc.publisherUniversidad de Nacional (Costa Rica)es_ES
dc.rightsAcceso embargadoes_ES
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/4.0/*
dc.subjectMICROPROCESADORESes_ES
dc.subjectVIDEOGRABACIONESes_ES
dc.subjectINTELIGENCIA ARTIFICIALes_ES
dc.subjectALGORITMOSes_ES
dc.subjectALGORITHMSes_ES
dc.subjectARTIFICIAL INTELLIGENCEes_ES
dc.titleComparación entre el procesamiento en paralelo de un microprocesador de doble núcleo y las tarjetas de video GPGPU de la marca NVIDIA utilizando el método Backpropagation de redes neuronaleses_ES
dc.typehttp://purl.org/coar/resource_type/c_7a1fes_ES
una.tesis.numero11340es_ES

Archivos

Bloque original

Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
Tesis GPGPU Vr CPU Yeisson Herrera Carmona 206500915 (1).pdf
Tamaño:
3.15 MB
Formato:
Adobe Portable Document Format
Descripción:

Bloque de licencias

Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
919 B
Formato:
Item-specific license agreed upon to submission
Descripción: