Implementação em GPU de Rede Neural para Análise de Sinais de EEG

Luis Felipe Sant’Ana

Implementação em GPU de Rede Neural para Análise de Sinais de EEG

Santo André
2013

Luis Felipe Sant’Ana

Implementação em GPU de Rede Neural para Análise de Sinais de EEG

Trabalho de Conclusão de Curso Apresentada ao Centro de Matemática,
Computação e Cognição da Universidade Federal do ABC, para a obtenção do Título de Bacharél em Ciência da
Computação.
Orientador: Dr. Raphael Y. de Camargo

Santo André
2013

Sant Ana, Luis F.
Implementação em GPU de Rede Neural para Análise de Sinais de EEG.
32 páginas
Trabalho de Conclusão de Curso - Centro de Matemática,
Computação e Cognição da Universidade Federal do ABC.
1. CUDA
2. Redes Neurais
I. Universidade Federal do ABC. Centro de Matemática, Computação e Cognição.

Comissão Julgadora:

Prof. Dr.
João Sato

Prof. Dr.
Siang Wun Song

Prof. Dr.
Raphael Yokoingawa de Camargo

Resumo
Este trabalho tem como objetivo a implementação em GPU (Graphic Procesing Unit) de uma rede neural do tipo MLP (MultiLayer Perceptron) para o reconhecimento de padrões neurais advindos de sinais de Eletroencefalograma (EEG). Para tanto, foi implementada uma rede neural do tipo MLP utilizando a linguagem CUDA (Compute
Unifield Device Architecture) de forma a utlizar o paradigma paralelo. Foi realizada a captação de sinais do Eletroencefalograma, uma decomposição em frequência com o algoritmo Fast Fourier Transform (FFT) e apresentada à rede neural implementada em CUDA. A rede neural em CUDA comparada a versão em CPU obteve um desempenho de 15 vezes mais rápida, sendo possível determinar de quatro tarefas, 3 classes de classificação de tarefas.
Palavras-chave: CUDA, GPU, Redes Neurais, EEG.

Abstract
This work aims the implementation on the GPU (Graphic procesing Unit) of a neural network MLP (MultiLayer Perceptron) for pattern recognition neural signals coming from electroencephalogram (EEG). For this purpose, a neural network MLP using
CUDA (Compute Unifield