개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2016.1
- 수록면
- 80 - 85 (6page)
이용수
초록· 키워드
오류제보하기
It costs high in both memory usage and time consuming to sample the space to compute charge density and calculate electric field on that with large size of plasma data. In real-time and interactive application, accelerating the compute time is critical problem. In this paper, we suggest new method to visualize electric field by using convolution theorem, and the parallel computing to accelerate computing time by using GPGPU. We conduct a simulation that compare running time between the methods with convolution and without convolution. We discussed the method of visualization of multivariate data in three dimensional space using colored volume rendering and surface construction.
목차
ABSTRACT
1. 서론
2. 문제정의
3. 제안된 방법
4. 전기장 가시화
5. 성능
6. 가시화
7. 결론
REFERENCES
참고문헌 (8)
참고문헌 신청
J.A. Bittencourt, Introduction, Fundamentals of Plasma Physics, Springer, New York, N.Y., 2014.
K. Pavel and S. David, Algorithms for Efficient Computation of Convolution, Design and Architectures for Digital Signal Processing, InTech, Rijeka, Croatia, 2013.
O. Rubel, C.G.R. Geddes, M. Chen, E.C. Michel, and E.W. Bethel, “Feature-based Analysis of Plasma-based Particle Acceleration Data,“ IEEE Transaction on Visualization and Computer Graphics, Vol. 20, No. 2, pp. 196-210. 2014.
M. Ikits, J. Kniss, A. Lefohn, and C. Hansen, Volume Rendering Techniques, GPU Gems, Addison-Wesley, Boston, MA, 2004.
NVIDIA CUDA Zone, https://developer.nvidia. com/cuda-zone (accessed April 2015).
K. Pavel and S. David, Algorithms for Efficient Computation of Convolution, Design and Architectures for Digital Signal Processing, InTech, Rijeka, Croatia, 2013.
O. Rubel, C.G.R. Geddes, M. Chen, E.C. Michel, and E.W. Bethel, “Feature-based Analysis of Plasma-based Particle Acceleration Data,“ IEEE Transaction on Visualization and Computer Graphics, Vol. 20, No. 2, pp. 196-210. 2014.
M. Ikits, J. Kniss, A. Lefohn, and C. Hansen, Volume Rendering Techniques, GPU Gems, Addison-Wesley, Boston, MA, 2004.
NVIDIA CUDA Zone, https://developer.nvidia. com/cuda-zone (accessed April 2015).
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
YOLO v2 Tiny에서 하드웨어 가속화를 위한 Convolution 구조
대한전자공학회 학술대회
2021 .06
-
Convolution Neural Network Front-end / Back-end Design
대한전자공학회 학술대회
2020 .11
-
FFT 적용을 통한 Convolution 연산속도 향상에 관한 연구
멀티미디어학회논문지
2021 .11
-
3D Convolution 기반 비디오 인식을 통한 운전 스타일 인식 모델 개발
한국정보과학회 학술발표논문집
2024 .06
-
Explainable Grouped Convolution Neural Network Inspired Acoustic-based Mine Recognition for Underwater Surveillance System
한국통신학회 학술대회논문집
2022 .06
-
Graph convolution-based anomaly diagnosis in multivariate time series data
대한산업공학회 추계학술대회 논문집
2022 .11
-
Time Delay Estimation Using De-Convolution
한국통신학회논문지
2016 .12
-
Deep Learning을 위한 GPGPU 기반 Convolution 가속기 구현
전기전자학회논문지
2016 .09
-
Recurrent Convolution Network 를 이용한 음향 환경 분류에 관한 연구
한국통신학회 학술대회논문집
2017 .01
-
합성 곱 신경망의 병렬처리
대한전자공학회 학술대회
2017 .06
-
CNN(Convolution Neural Network) 기반의 심혈관질환 분류
정보 및 제어 논문집
2018 .10
-
New Approach to Optimize the Size of Convolution Mask in Convolutional Neural Networks
한국컴퓨터정보학회논문지
2016 .01
-
Crime amount prediction based on 2D convolution and long short-term memory neural network
[ETRI] ETRI Journal
2022 .04
-
산포된 플라즈마 기반의 가속입자 자료 가시화
멀티미디어학회논문지
2015 .01
-
Convolution 조정 기반의 마이크로컨트롤러를 위한 저전력 deep learning
한국정보과학회 학술발표논문집
2024 .06
-
객체 분할에 Dilated Convolution이 미치는 영향
대한전기학회 학술대회 논문집
2019 .07
-
한국어 자모 단위 기반의 Convolution Neural Network를 이용한 텍스트 분류
한국정보과학회 학술발표논문집
2017 .06
-
3D Convolution을 이용한, RGB-D Data에 대한 Semantic Segmentation 모델 연구
한국통신학회 학술대회논문집
2022 .11
-
비순차 데이터 입력에 대한 Convolution Neural Network 분류기 적합성 평가
대한전기학회 학술대회 논문집
2022 .07
-
내장형 합성곱 신경망 시스템을 위한 FPGA 기반 합성곱 연산 가속기 설계
대한전자공학회 학술대회
2024 .06
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2016-004-002394951