Titelaufnahme

Titel
GPU enhanced curve approximation in pill identification : Optimization and implementational aspects / vorgelegt von Andreas Kucher
Verfasser/ VerfasserinKucher, Andreas
Begutachter / BegutachterinHaase Gundolf
Erschienen2011
Umfang144 S. : Zsfassung ; graph. Darst.
HochschulschriftGraz, Univ., Dipl.-Arb., 2011
Anmerkung
Zsfassung in dt. Sprache
SpracheEnglisch
DokumenttypDiplomarbeit
Schlagwörter (GND)Tablette / Produktionsprozess / Spektroskopie / Akustisches Verfahren / Sensor / Algorithmus / Tablette / Produktionsprozess / Spektroskopie / Akustisches Verfahren / Sensor / Algorithmus / Online-Publikation
URNurn:nbn:at:at-ubg:1-27801 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
GPU enhanced curve approximation in pill identification [1.8 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Das Testen von Tabletten während des Produktionsprozesses in Echtzeit ist eine herausfordernde Aufgabe und ein erfolgversprechender Ansatz wurde von Craig C. Douglas et al. untersucht. Dieser Ansatz beruht auf akustischer Spektroskopie in Verbindung mit intelligenten Sensoren. In der Praxis kann nur eine begrenzte Anzahl von Frequenzen zum Testen verwendet werden und nur die am besten geeigneten Frequenzen sollten herangezogen werden, um eine korrekte Identifikation zu gewährleisten. Wir präsentieren einen Algorithmus, welcher die Eignung eines Frequenztupels für die Identifikation eines Wirkstoffes ermittelt. Unser Algorithmus beruht auf der Minimierung eines nichtlinearen Funktionales für eine beste-Kurve-Approximation von Daten in R^N hinsichtlich orthogonaler Distanz und linearer Regression. Für die Approximation verwenden wir Polynomkurven und Circular Splines. Besonders Circular Splines sind interessant, weil geschlossene Formeln für eine Orthogonalprojektion existieren und diese leicht implementiert werden können. Obwohl unser Funktional nicht hinreichend glatt für die Anwendung von Quasi-Newton Methoden ist, verwenden wir eine solche für die Minimierung. Für die Liniensuche verwenden wir Backtracking und eine naive Schrittweitensteuerung. Dieser Ansatz ist erfolgreich für die meisten Frequenztupel. Ist eine Optimierung nicht erfolgreich, so wird das betreffende Frequenztupel verworfen. Das Auswerten eines Frequenztupels ist nicht aufwändig, aber für eine praktische Anwendung müssen viele Frequenztupel auf ihre Eignung für die Identifikation eines Wirkstoffes untersucht werden. Dieser Vorgang ist sehr rechenintensiv. Wir konnten unseren Algorithmus erfolgreich mit GPUs beschleunigen. Für Polynomkurven bedeutet dies eine Beschleunigung von etwa 250 und für Circular Splines etwa 20 verglichen mit einem Kern einer aktuellen CPU. Eine weitere MPI-Parallelisierung resultiert in einem guten Speedup für eine begrenzte Anzahl von Prozessen.

Zusammenfassung (Englisch)

A real time testing of pills during the production process is a challenging task and a promising approach has been investigated by Craig. C. Douglas et al. It relies on acoustic resonance spectroscopy in combination with smart sensors. In practice, only a limited number of frequencies can be used for the actual testing process and only the best frequencies should be used to ensure a correct identification. We present an algorithm which determines the suitability of a frequency tuple for the pill testing, depending on the pill's ingredients.Our algorithm relies on the minimization of a nonlinear functional for a best curve approximation of data in R^N in terms of orthogonal distance and linear regression. For the curve approximation we use polynomial curves as well as circular splines. Particularly, circular splines are interesting for the approximation, because closed formulas for the orthogonal distance projection can be derived and implemented easily. This is not true for polynomial curves, where we have to use iterative approximation. Despite of the fact, that the optimization functional is not sufficiently regular, we apply a Quasi-Newton method for the minimization. For the line search we use simple backtracking and a naive step size control. This is successful for most of the frequency tuples. If an optimization fails, the regarding frequency tuple gets purged.Evaluating one frequency tuple is a small problem, but in practice we have to evaluate many tuples for their identification ability. This is a very computational task. We could successfully apply GPUs for our algorithm and the implemented optimization algorithm yields a performance gain of about 250 for polynomial curves and about 20 for circular splines compared to one core of a recent CPU. A MPI-parallelization for multiple GPUs shows good speedup results.