并行计算工具箱

并行计算工具箱允许您使用多核处理器、GPU和计算机群集解决计算和数据密集型问题。高级构造并行for循环、特殊数组类型和并行化数值算法使您无需CUDA或MPI编程即可并行化MATLAB®应用程序。您可以使用Simulink®工具箱并行运行模型的多个仿真。工具箱允许您通过在本地运行的worker(MATLAB计算引擎)上执行应用程序来使用多核桌面的全部处理能力。无需更改代码,您就可以在计算机集群或网格计算服务(使用MATLAB分布式计算服务器)上运行相同的应用程序™). 您可以交互或批量运行并行应用程序


zbMATH中的参考文献(参考文献12条)

显示第1到第12个结果,共12个。
按年份排序(引用)

  1. 条纹虫,丽娜;伊林斯卡斯,朱利叶斯;卡萨多,Leocadio G。;Paulavičius,Remigijus:关于通过动态数据结构和并行化加速约束全局优化的直接GLce算法的经验(2021)
  2. 甘德,马丁J。;郭,费利克斯;Salomon公司2020年副优化算法
  3. 弗朗切斯科·吉安尼尼,文琴佐·拉维利亚,亚历山德罗·罗西,达里奥·赞卡,安德里亚·祖加里尼:初学者的神经网络。Matlab、Torch、TensorFlow的快速实现(2017)阿尔十四
  4. 海姆,德斯蒙德J;Higham,Nicholas J.:Matlab指南(2017)
  5. 米尔内克,雅罗斯拉夫;Srb,雷德克;Knobloch,Roman:使用显卡和nVidia CUDA架构优化热辐射强度。(2015年)
  6. 普洛斯卡斯,尼古拉斯;Samaras,Nikolaos:基于GPU的单纯形算法的高效实现(2015)
  7. 波利梅里迪斯,A.G。;维勒娜,J.F。;丹尼尔,L。;White,J.K.:快速分析高度不均匀介质物体的稳定FFT-JVIE解算器(2014)
  8. 徐静;张惠斌;秦静:图像去模糊的区域分解方法(2014)
  9. Přikryl,一月:图形卡作为一个廉价的超级计算机。(2013年)
  10. 夏尔玛,高拉夫;Martin,Jos:MATLAB(^\circledR):并行计算语言(2009)
  11. Ditterich,Jochen:运动方向决策的随机模型:行为和生理学(2006)
  12. 凯普纳,杰里米;阿哈特,斯坦:马特拉姆皮(2004)