一种基于冗余线程的GPU多副本容错技术

目前随着通用GPU(general purpose computation on graphic processing units,GPGPU)性能的不断提高,利用CPU和GPU构建的异构系统已经成为高性能计算领域的研究热点.然而随着并行计算系统的不断增长,系统可靠性越来越低,已成为并行计算向大规模扩展的一个不容忽视的制约因素.由于商用GPGPU容错能力较弱,所以由CPU和GPU构建的大规模异构并行系统的可靠性问题更为尖锐,尚缺乏实用的容错手段,针对这一现实问题提出了一种基于冗余线程的GPU多副本容错技术:RB-TMR(Rollback TMR),同时根据异构系统的编程模型及程序特征对这一面向异构系统的容错机制的设计实现及其编译框架进行了具体分析和描述.最后通过10个案例对此技术进行了实现并评估了其性能.这一技术为异构系统的容错技术研究提供了新的思路,具有重大意义.

基于相对运动特征的步态识别方法

步态识别是一项很重要的生物识别技术。步态特征分为静态与运动两类。一些工作发现,尽管步态的本质特性在于运动,但运动特征的识别能力较为有限。究竟是运动本身的区分能力有限,还是现有特征未能充分捕获运动特性目前尚不清楚。基于Kinect骨骼模型,相对运动特征被提出,特定关节点之间的距离及其变化被用来刻画步态。相对运动特征的获取无需计算步态周期,鲁棒性好。实验结果显示,相对运动特征的识别精度达84%,与静态特征相当;与已有运动特征相比,精度提高10%以上。