矩阵主特征向量(principal eigenvectors computing,PEC)的求解是科学与工程计算中的一个重要问题。随着图形处理单元通用计算(general-purpose computing on graphics pro cessing unit,GPGPU)的兴起,利用GPU来优化大规模稀疏矩阵的图...矩阵主特征向量(principal eigenvectors computing,PEC)的求解是科学与工程计算中的一个重要问题。随着图形处理单元通用计算(general-purpose computing on graphics pro cessing unit,GPGPU)的兴起,利用GPU来优化大规模稀疏矩阵的图形处理单元求解得到了广泛关注。分别从应用特征和GPU体系结构特征两方面分析了PEC运算的性能瓶颈,提出了一种面向GPU的稀疏矩阵存储格式——GPU-ELL和一个针对GPU的线程优化映射策略,并设计了相应的PEC优化执行算法。在ATI HD Radeon5850上的实验结果表明,相对于传统CPU,该方案获得了最多200倍左右的加速,相对于已有GPU上的实现,也获得了2倍的加速。展开更多
优化医疗信息系统的整合问题是医疗信息化建设迫切需要解决的问题。目前医院中医疗信息系统大多是由各个子系统以互连方式整合而成。这些系统存在系统的可扩展性差、对系统的维护不方便、对系统的分析困难等问题。提出了基于IHE(Integra...优化医疗信息系统的整合问题是医疗信息化建设迫切需要解决的问题。目前医院中医疗信息系统大多是由各个子系统以互连方式整合而成。这些系统存在系统的可扩展性差、对系统的维护不方便、对系统的分析困难等问题。提出了基于IHE(Integrating the Healthcare Enterprise)技术框架的医疗信息系统的集中式整合模式,克服了现有的互连式整合模式的若干不足。运用对象Petri网对集中式整合模式进行建模。首先对各个子系统进行建模,然后根据各子系统之间的关系建立系统的整合模型,并对整合后的医疗信息系统的合理性进行了分析,给出了在IHE框架下针对复杂系统建立工作流模型的过程及其分析方法。该模型为整合医疗信息系统的实现提供了理论基础和依据。展开更多
文摘矩阵主特征向量(principal eigenvectors computing,PEC)的求解是科学与工程计算中的一个重要问题。随着图形处理单元通用计算(general-purpose computing on graphics pro cessing unit,GPGPU)的兴起,利用GPU来优化大规模稀疏矩阵的图形处理单元求解得到了广泛关注。分别从应用特征和GPU体系结构特征两方面分析了PEC运算的性能瓶颈,提出了一种面向GPU的稀疏矩阵存储格式——GPU-ELL和一个针对GPU的线程优化映射策略,并设计了相应的PEC优化执行算法。在ATI HD Radeon5850上的实验结果表明,相对于传统CPU,该方案获得了最多200倍左右的加速,相对于已有GPU上的实现,也获得了2倍的加速。
文摘优化医疗信息系统的整合问题是医疗信息化建设迫切需要解决的问题。目前医院中医疗信息系统大多是由各个子系统以互连方式整合而成。这些系统存在系统的可扩展性差、对系统的维护不方便、对系统的分析困难等问题。提出了基于IHE(Integrating the Healthcare Enterprise)技术框架的医疗信息系统的集中式整合模式,克服了现有的互连式整合模式的若干不足。运用对象Petri网对集中式整合模式进行建模。首先对各个子系统进行建模,然后根据各子系统之间的关系建立系统的整合模型,并对整合后的医疗信息系统的合理性进行了分析,给出了在IHE框架下针对复杂系统建立工作流模型的过程及其分析方法。该模型为整合医疗信息系统的实现提供了理论基础和依据。
