* 1.1 并⾏计算 * 1.1.1 并⾏计算与计算科学 * 1.1.2 当代科学与⼯程问题的计算需求 * 1.2 并⾏计算机系统互连 * 1.2.1 系统互连 * 1.2.2 静态互联⽹络 * 1.2.3 动态互连⽹络 * 1.2.4 标准互联⽹络 * 1.3 并⾏计算机系统结构 * 1.3.1 并⾏计算机结构模型 * 1.3.2 并⾏计算机访存模型

 3.1 并行机的一些基本性能指标  3.2 加速比性能定律  3.2.1 Amdahl定律  3.2.2 Gustafson定律  3.2.3 Sun和Ni定律  3.3 可扩放性评测标准  3.3.1 并行计算的可扩放性  3.3.2 等效率度量标准  3.3.3 等速度度量标准  3.3.4 平均延迟度量标准

第一讲绪论 以冯·诺依曼型计算机为中心的信息处理技术的高速发展,使得计算机在当今的信息 化社会中起着十分重要的作用。但是,当用它来解决某些人工智能问题时却遇到了很大的 困难。 例如,一个人可以很容易地识别他人的脸孔,但计算机则很难做到这一点。这是因为 脸孔的识别不能用一个精确的数学模型加以描述,而计算机工作则必须有对模型进行各种 运算的指令才行,得不到精确的模型,程序也就无法编制

边缘智能简介 基于边缘智能的视频大数据分析 案例：基于视频分析的抬头检测系统

4.1 并行算法的基础知识 4.1.1 并行算法的定义和分类 4.1.2 并行算法的表达 4.1.3 并行算法的复杂性度量 4.1.4 并行算法中的同步和通讯 4.2 并行计算模型 4.2.1 PRAM模型 4.2.2 异步APRAM模型 4.2.3 BSP模型 4.2.4 logP模型

Parallel computing - structures, algorithms, programming (并行计算-结构、算法、编程) 一、课程简介 二、课程的定位与目标 三、课程的结构与内容 四、课程的教学形式 五、课程的考核形式 六、课程的参考书籍

7.1 PCAM设计方法学 7.2 划分 7.3 通讯 7.4 组合 7.5 映射 7.6 小结

一、MapReduce的应用背景 二、MapReduce的概念 三、MapReduce的原理 四、MapReduce的实现 五、MapReduce的性能

9.1 矩阵的划分 9.2 矩阵转置 9.3 矩阵 ‐向量乘法 9.4 矩阵乘法

5.1 串行算法的直接并行化 5.2 从问题描述开始设计并行算法 5.3 借用已有算法求解新问题