Clusters frente a GPUs para Detección Automática de Objetivos en Imágenes Hiperespectrales de la Superficie Terrestre

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Clusters frente a GPUs para Detección Automática de Objetivos en Imágenes Hiperespectrales de la Superficie Terrestre"

Transcripción

1 Clusters frente a GPUs para Detección Automática de Objetivos en Imágenes Hiperespectrales de la Superficie Terrestre Abel Paz Grupo Computación Hiperespectral (HYPERCOMP) Dept. Tecnología de Computadores y Comunicaciones Universidad de Extremadura, Excuela Politécnica Avenida de la Universidad s/n, E Cáceres Antonio Plaza Grupo Computación Hiperespectral (HYPERCOMP) Dept. Tecnología de Computadores y Comunicaciones Universidad de Extremadura, Excuela Politécnica Avenida de la Universidad s/n, E Cáceres Resumen El núcleo del presente trabajo viene dado por la propuesta de nuevos algoritmos paralelos para detección de targets o anomalías en imágenes hiperespectrales. Una vez introducida la base teórica del estudio se presentan los nuevos algoritmos paralelos desarrollados, comentando en detalle cada uno de los pasos que se han seguido en su desarrollo y comentando las decisiones de diseño adoptadas. Tras presentar los nuevos algoritmos paralelos desarrollados con motivo del presente trabajo, realizamos un detallado estudio cuantitativo y comparativo de su rendimiento en dos tipos de arquitecturas paralelas específicas: el cluster Thunderhead del centro NASA Goddard Space Flight Center en Maryland, Estados Unidos, y una tarjeta gráfica programable de NVidia (modelo 9800 GX2). Los resultados experimentales han sido obtenidos en el contexto de una aplicación real de gran relevancia social, consistente en la detección de los incendios que se propagaron en los días posteriores al atentado terrorista del World Trade Center en Nueva York. 1. Introducción El ser humano siempre ha deseado poder observar la Tierra de forma remota, y para realizar esa labor ha conseguido desarrollar instrumentos de medida de muy elevada resolución espacial y espectral. El resultado de un proceso de observación remota es una imagen hiperespectral. [1]. Los sensores hiperespectrales que se utilizan permiten adquirir imágenes digitales con una gran cantidad de canales espectrales muy cercanos entre sí, obteniendo para cada porción de la escena o píxel, una firma espectral característica de cada material [2]. Si intentamos representar una imagen hiperespectral de forma gráfica obtendríamos un cubo cuyas dos primeras dimensiones representarían la ubicación en el espacio de un píxel determinado de la imagen y una tercera dimensión que representaría la singularidad espectral de cada píxel según diferentes longitudes de onda [3] (ver Figura 1). La mayoría de las técnicas de análisis hiperespectral desarrolladas hasta la fecha presuponen que la medición obtenida por el sensor en un determinado píxel viene dada por la contribución de diferentes materiales que residen a nivel sub-píxel y que interactúan según un modelo lineal (ver Figura 2) o no lineal [4]. El fenómeno de la mezcla puede venir ocasionado por una insuficiente resolución espacial del sensor, pero lo cierto es que este fenómeno ocurre de forma natural en el mundo real, por lo que el diseño de técnicas capaces de modelar este fenómeno de manera adecuada resulta imprescindible. Las técnicas de desmezclado, detección de targets y análisis de imágenes hiperespectrales son muy costosas desde el punto de vista computacional, debido a que se basan en la realización de operaciones matriciales. Como posible ventaja, muchas de estas operaciones tienen un carácter repetitivo que hacen posible paralelizar [5] al menos parte de estos algoritmos, con el consiguiente aumento significativo en el rendimiento y consiguiendo en algunos casos la posibilidad de obtener respuestas en tiempo real. La reciente introducción de las GPUs en el mundo de la supercomputación abre un nuevo abanico de posibilidades para este tipo de algoritmos [5]. En el presente trabajo, describimos nuevas implementaciones paralelas de algoritmos de detección de objetivos o targets en imágenes hiperespectrales de la superficie terrestre, utilizando para ello GPUs de NVIDIA. Estas tarjetas son susceptibles de ser utilizadas para procesamiento a bordo.

2 Figura 1. Concepto de imagen hiperespectral. Comportamiento lineal 2. Algoritmos En este apartado se detalla paso a paso el procedimiento que sigue cada algoritmo para encontrar los targets en la imagen hiperespectral RX Figura 2. El modelo lineal de mezcla. El trabajo se organiza de la siguiente forma. En la sección 2 se describen los métodos de detección de targets utilizados. En la sección 3 presenta el diseño de las implementaciones paralelas de los métodos descritos. En la sección 4 se presentan los resultados obtenidos introduciendo en primer lugar las arquitecturas utilizadas. Finalmente, en la sección 5 se resumen las aportaciones y se esbozan las líneas futuras de trabajo. El algoritmo RX ha sido ampliamente utilizado en procesamiento de imágenes y de la señal [4]. Este algoritmo implementa un filtro, denominado RXF que viene definido por la siguiente expresión: Donde es un píxel hiperespectral n-dimensional (vector); es la media y K es la matriz de covarianza de los datos. Las imágenes resultado generadas por el algoritmo RX son imágenes en escala de gris [6] que indican probabilidad de encontrar un target.

3 2.2. ATGP El algoritmo ATGP [4] fue desarrollado para encontrar targets que puedan utilizarse para generar una matriz de firmas, utilizada en una proyección de un subespacio ortogonal (OSP). Este algoritmo realiza las siguientes operaciones: 1. Calcular el píxel más brillante de la imagen,, utilizando la siguiente ecuación, dónde es el píxel (vector) en las coordenadas espaciales (x,y) de la imagen. El píxel más brillante es el máximo producto vectorial entre el vector asociado a un píxel y su traspuesto. 2. Asignar el primer target encontrado a una matriz ]. 3. Aplica el operador de proyección ortogonal dado por la siguiente expresión a todos os píxeles de la imagen hiperespectral: 4. Se amplía la matriz U con el píxel (vector) cuyo resultado de aplicarle la ecuación (3) sea mayor, de forma que y se vuelve a aplicar la proyección ortogonal para el nuevo valor de U. 5. Este procedimiento se repite hasta encontrar un número de targets especificado como parámetro de entrada. Este algoritmo también se ha implementado utilizando otras medidas además de la proyección ortogonal [4]. unidad mínima de procesamiento para los algoritmos, sería necesario incluir más operaciones de comunicación para cada cálculo de la medida empleada. Desde el punto de vista de la paralelización del algoritmo, el cual se basa en aplicar de forma repetitiva cualquiera de las medidas planteadas, este tipo de particionamiento tiene un coste elevadísimo en cuanto a comunicaciones se refiere. A diferencia del esquema de particionamiento anterior, el particionamiento espacial, considera que una misma firma espectral o píxel, no puede estar particionada en diferentes unidades de proceso de la arquitectura paralela. Este esquema plantea una ventaja, las unidades mínimas de cómputo, que en este caso son la aplicación de una de las medidas descritas en el apartado anterior, podrían realizarse de forma local en cada procesador, eliminando gran parte de la carga de comunicación del algoritmo. De esta forma, sólo tendríamos que realizar comunicaciones a nivel global para sincronizar los procesos o conseguir resultados en cada iteración de los algoritmos, de forma global. Los algoritmos aquí descritos utilizan particionamiento espacial. De esta forma, cada nodo carga una determinada porción de la imagen, operación que puede gestionarse fácilmente indicando a cada nodo participante desde dónde tiene que empezar a leer y el número de líneas asociado al nodo. 3. Implementación paralela 3.1. Particionamiento de los datos El particionamiento o división de datos previa al procesamiento de una imagen hiperespectral, puede hacerse fundamentalmente de dos formas diferenciadas. El particionamiento espectral considera que diferentes procesadores de la arquitectura paralela pueden contener partes no solapadas de una misma firma espectral (píxel). Este esquema tiene la desventaja de que, al considerarse la firma espectral (vector) como Figura 3. Particionamiento espacial de la imagen Implementaciones en clusters Para poder paralelizar los algoritmos ATGP y RX, es necesario incluir una serie de modificaciones en el código que nos permitan realizar la comunicación entre los diferentes nodos así como asignar una porción de la imagen a cada uno de los nodos que van a procesarla.

4 El esquema de paralelismo sigue en todo caso la funcionalidad de los algoritmos secuenciales ATGP y RX, salvo que en este caso se calcula una matriz de valores intermedios en cada una de los nodos y posteriormente se realiza una puesta en común global sobre quién tiene el valor máximo Implementaciones en GPUs La implementación del algoritmo ATGP en GPU se ha llevado a cabo pensando especialmente en aprovechar la ventaja de no tener que invertir demasiado tiempo en comunicación para notificarse los diferentes resultados entre los nodos. En la GPU, esto no es necesario ya que toda la información está en la memoria compartida del dispositivo [7]. En el caso del algoritmo ATGP, se define una matriz para almacenar los valores de brillo de cada uno de los píxeles de la imagen. Esta matriz es procesada por tantos hilos como píxeles hay en la imagen hiperespectral (ver Figura 4). De esta forma se procesan todos los píxeles en el tiempo que en una CPU podría procesarse uno. Para ello se define un Grid que procesa la imagen de forma totalmente paralela (ver Figura 5). lineal se utiliza para determinar las soluciones de un sistema de ecuaciones lineales, y puede utilizarse para calcular la inversa de una matriz. Este método ha sido aplicado para optimizar las operaciones de inversa de matrices aplicadas en los métodos serie y paralelo descritos anteriormente. Figura 5. Grid de procesamiento de la matriz de brillos y del algoritmo ATGP. Figura 4. En el algoritmo ATGP, cada píxel de la matriz de brillo es procesado por un hilo de la GPU. Por el contrario, en el caso del algoritmo RX se define un Grid de tantos bloques y tantos hilos como número de bandas haya como muestran respectivamente las Figuras 6 y 7. Para finalizar el presente apartado, destacamos que en todos los desarrollos presentados que requieren este cálculo se ha implementado un proceso eficiente para obtener la inversa de la matriz, se ha implementado un algoritmo basado en el método de eliminación de Gauss-Jordan (o eliminación Gaussiana). Este algoritmo de álgebra Figura 6. Bloque de procesamiento en implementación GPU del algoritmo RX. Un sistema de ecuaciones se resuelve por el método de Gauss cuando se obtienen sus soluciones mediante la reducción del sistema dado a otro equivalente en el que cada ecuación tiene una incógnita menos que la anterior. Para el cálculo de la matriz, este método se basa en utilizar la matriz aumentada, añadiendo la matriz identidad a la matriz de la que se desea calcular su inversa. El objetivo del mismo es obtener la matriz escalonada reducida de la matriz aumentada realizando operaciones simples sobre las filas de la matriz aumentada.

5 núcleo con 2 GHz de fibra óptica Myrinet. Las pruebas llevadas a cabo se han realizado en uno de los nodos, llamado thunder1. Figura 7. Grid de procesamiento de la matriz de brillos y del algoritmo RX. 4. Resultados 4.1. Descripción de los datos La imagen en la que centraremos los estudios llevados a cabo en este trabajo fue tomada por el sensor AVIRIS, lanzado por el Laboratorio de propulsión a chorro de la ASA ( ASA s Jet Propusion Laboratory) sobre la zona del World Trade Center (comúnmente conocido como Las Torres Gemelas ) el día 16 de septiembre del año 2001, justo cinco días después de los ataques terroristas que derrumbaron las dos torres principales y otros edificios del complejo del WTC [8] Arquitecturas paralelas consideradas Las arquitecturas seleccionadas para este estudio constituyen ejemplos representativos de clusters de computadores y GPUs [9]. A continuación simplemente procedemos a detallar las características técnicas de ambas arquitecturas. Thunderhead es el nombre que recibe el cluster ubicado en el Goddard Space Flight Center de la NASA en Maryland. Se trata de un cluster masivamente paralelo de tipo Beowulf. Thunderhead posee varios nodos adjuntos al Figura 8. Mapa térmico de la zona del WTC con los focos de incendio (targets) destacados La GPU utilizada es una BFG NVIDIA 9800GX2, cuya característica principal es que fue una de las primeras tarjetas duales (con 2 GPUs) del mercado. En este estudio se utiliza una sóla de las 2 GPUs, la cual cuenta con 128 stream processors a una frecuencia de 1500 MHz y 512 MB de memoria de vídeo Resultados experimentales Antes que nada, hemos de aclarar que los resultados de precisión obtenidos para las versiones serie y las versiones paralelas son idénticos, ya que, a pesar del cambio de arquitectura en la que se ejecuta el algoritmo, se ha respetado en la mayor medida posible el funcionamiento de los mismos. La Figura muestra los resultados de escalabilidad de ATGP y RX utilizando diferentes medidas. Como puede comprobarse, la medida empleada afecta significantivamente a los resultados de escalabilidad, que dan como resultado tiempos de procesamiento en torno a 12 segundos (utilizando 32 procesadores) para la imagen considerada.

6 Figura 9. Escalabilidad de los algoritmos ATGP (izquierda) y RX (derecha) en el cluster Thunderhead de NASA. Por otra parte, la Tabla 1 muestra los tiempos serie y paralelo obtenidos utilizando una GPU 9800GX2 con Pentium IV 3.00 GHz. Finalmente, la Tabla 2 muestra los factores de aceleración o speedups asociados a la Tabla 1. Como puede apreciarse, las implementaciones GPU resultan en factores de aceleración muy destacados, del orden de 14 unidades para cada algoritmo. ATGP- SAD RX GPU 9800GX2 9, ,178 CPU 133, ,152 Tabla 1. Tiempos de ejecución de ATGP y RX en diferentes arquitecturas (GPU y CPU). ATGP-SAD RX GPU 9800GX2 14, , Tabla 2. Factores de aceleración obtenidos en la GPU. A partir de los resultados obtenidos, es posible realizar una serie de consideraciones referentes a las características de las arquitecturas de computación paralela consideradas en el estudio. Teniendo en cuenta que cada uno de los nodos del cluster Thunderhead puede tener un valor estimado de 1000 además de la infraestructura de red de alta velocidad para conectarlos, hablamos de un coste estimado de Si utilizando 32 nodos del Thunderhead obtenemos un speedup de 12 unidades (aproximadamente) a coste de , y utilizando una sola GPU cuyo coste no supera los 500, obtenemos un speedup superior, no parece rentable invertir en clusters pudiendo obtener resultados similares y mejores utilizando GPUs, si bien es cierto que los clusters siguen representando una alternativa de bajo coste para almacenar y procesar grandes volúmenes de datos hiperespectrales que ya han sido transmitidos a tierra, en especial, aquellos clusters que permiten incorporar sistemas altamente heterogéneos y por tanto aprovechar diferentes capacidades de cómputo de equipos ya disponibles, colaborando para la consecución de un mismo fin. Aun así, hemos de tener en cuenta que en el presente estudio sólo se ha utilizado una GPU de las dos con las que cuenta la tarjeta 9800GX2, cuyo uso se intentará explotar en futuras versiones. Por otro lado, algunas de estas tarjetas cuentan con la posibilidad de trabajar de manera conjunta con otras tarjetas, pudiendo introducir en un ordenador personal hasta un máximo de 3 tarjetas idénticas utilizando la tecnología denominada SLI (Scalable Link Interface). En un cluster las posibilidades de ampliación se reducen a cambiar los procesadores o ampliar la cantidad de memoria, procedimientos cuyo resultado se traduciría en una mejora insignificante. En futuros estudios se intentará implementar estos algoritmos para que puedan ejecutarse en equipos que cuenten con esta tecnología, ampliando las posibilidades y disparando la capacidad de procesamiento hasta límites insospechados. Por otro lado, no hemos de olvidar la diferencia notable en cuanto al peso, portabilidad y consumo eléctrico de ambas arquitecturas. Incluso utilizando varias GPUs a modo de cluster de GPUs con la tecnología comentada anteriormente, necesitaríamos muchos menos requisitos, ya que todas las GPUs irían dentro de

7 un mismo equipo. Los factores asociados a la portabilidad de la arquitectura tienen un valor fundamental de cara a poder incorporarlas a abordo dispositivo que captura las imágenes, evitando tener que enviarlas a la tierra para ser procesadas, con el retraso que eso supone. En este sentido, el potencial de esta nueva tecnología se traduce en la posibilidad de procesar los datos a bordo del sensor hiperespectral a medida que van siendo adquiridos, pudiendo obtener respuestas en tiempo real. En aplicaciones del tipo a las estudiadas en esta memoria, como pueden ser la detección de incendios, esto supone una revolución en cuanto a la velocidad y precisión con que pueden ser detectadas, pudiendo poner en marcha mecanismos de actuación en el preciso instante en que se esté iniciando el incendio. 5. Conclusiones y líneas futuras En el presente trabajo memoria se ha realizado un estudio comparativo de diferentes algoritmos paralelos para detección de targets y anomalías en imágenes hiperespectrales. En concreto, se han propuesto nuevas versiones paralelas de dos algoritmos ampliamente utilizados en la literatura (ATGP para detección de targets y RX para detección de anomalías). Estas implementaciones suponen contribuciones innovadoras con respecto a la literatura reciente en el área de estudio, que carece de trabajos relacionados con la implementación eficiente de algoritmos de detección de targets y anomalías. Para llevar a cabo dicho estudio comparativo, se han aplicado las técnicas desarrolladas a un caso de estudio concreto en el que la necesidad de obtener resultados en tiempo casi real es patente. En concreto, el estudio se ha centrado en la detección de incendios en la zona del World Trade Center de Nueva York, días después del atentado terrorista del 11 de Septiembre de 2001, utilizando para ello una imagen hiperespectral obtenida por el sensor AVIRIS de NASA. En este sentido, es importante destacar que las prestaciones de los algoritmos desarrollados han sido demostradas desde la perspectiva de aplicaciones reales de gran actualidad, quedando patentes las posibilidades de explotación de las técnicas propuestas con motivo del presente trabajo en el contexto específico de dichas aplicaciones. Entre las posibles líneas futuras de trabajo destacamos las siguientes: Optimizar las versiones GPU actuales adaptando el código a un nivel más bajo, centrándose en conseguir la ocupación máxima de los multiprocesadores. Utilizar las 2 GPUs con las que cuenta la tarjeta 9800GX2 y obtener resultados comparativo utilizando otras GPUs de gamas superiores (GTX285, GTX295, Quadro, Teslas, etc.) Optimizar los algoritmos para funcionar en SLI de 2 y 3 vías, utilizando varias GPUs y comparar su rendimiento con el actual. Evaluar la capacidad de los algoritmos desarrollados de ofrecer una respuesta en tiempo real. Implementar algoritmos de análisis hiperespectral adicionales, susceptibles de ser utilizados en aplicaciones de clasificación, desmezclado y compresión a bordo de datos hiperespectrales. Referencias [1] A. F. H. Goetz, G. Vane, J. E. Solomon, and B. N. Rock, Imaging spectrometry for Earth remote sensing, Science, vol. 228, pp , [2] R. O. Green, M. L. Eastwood, C. M. Sarture, T. G. Chrien, M. Aronsson, B. J. Chippendale, J. A. Faust, B. E. Pavri, C. J. Chovit, M. Solis et al., Imaging spectroscopy and the airborne visible/infrared imaging spectrometer (AVIRIS), Remote Sensing of Environment, vol. 65, no. 3, pp , [3] A. Plaza, J. A. Benediktsson, J. Boardman, J. Brazile, L. Bruzzone, G. Camps-Valls, J. Chanussot, M. Fauvel, P. Gamba, J. Gualtieri, J. C. Tilton, and G. Trianni, Recent advances in techniques for hyperspectral image processing, Remote Sensing of Environment, vol. 113, pp , [4] C.-I. Chang, Hyperspectral Imaging: Techniques for Spectral Detection and Classification. Norwell, MA: Kluwer, [5] A. Plaza and C.-I. Chang, High performance computing in remote sensing. Boca Raton: CRC Press, [6] R. A. Schowengerdt, Remote Sensing: Models and Methods for Image Processing, 2nd ed. Academic Press: New York, 1997.

8 [7] J. Setoain, M. Prieto, C. Tenllado, A. Plaza and F. Tirado, Parallel morphological endmember extraction using commodity graphics hardware, IEEE Geosci. Remote Sensing Letters, vol. 43, pp , [8] A. Plaza and C.-I Chang, Clusters versus FPGA for parallel processing of hyperspectral imagery, International Journal of High Performance Computing Applications, vol. 22, pp , [9] A. Paz and A. Plaza, Clusters versus GPUs for parallel automatic target detection in hyperspectral images, EURASIP Journal on Advances in Signal Processing, aceptado.

Gnu-LinEx. Aplicaciones del Software Libre en Computación de Altas Prestaciones. Sé legal... copia LinEx

Gnu-LinEx. Aplicaciones del Software Libre en Computación de Altas Prestaciones. Sé legal... copia LinEx Gnu-LinEx Aplicaciones del Software Libre en Computación de Altas Prestaciones Sé legal... copia LinEx Antonio Plaza Miguel Departamento Tecnología Computadores Universidad de Extremadura E-mail: aplaza@unex.es

Más detalles

UNIVERSIDAD DE EXTREMADURA

UNIVERSIDAD DE EXTREMADURA UNIVERSIDAD DE EXTREMADURA Escuela Politécnica MÁSTER UNIVERSITARIO EN INICIACIÓN A LA INVESTIGACIÓN EN TECNOLOGÍA (MUIT) ESPECIALIDAD EN: TECNOLOGÍAS INFORMÁTICAS Y DE LAS COMUNICACIONES (TINC) Trabajo

Más detalles

UNIVERSIDAD DE EXTREMADURA. Escuela Politécnica Ingeniería Informática. Proyecto Fin de Carrera

UNIVERSIDAD DE EXTREMADURA. Escuela Politécnica Ingeniería Informática. Proyecto Fin de Carrera UNIVERSIDAD DE EXTREMADURA Escuela Politécnica Ingeniería Informática Proyecto Fin de Carrera Aplicación de la Tecnología Grid al Tratamiento de Imágenes Hiperespectrales Fermín Ayuso Márquez Víctor Manuel

Más detalles

UNIVERSIDAD DE EXTREMADURA Escuela Politécnica

UNIVERSIDAD DE EXTREMADURA Escuela Politécnica UNIVERSIDAD DE EXTREMADURA Escuela Politécnica MÁSTER UNIVERSITARIO EN COMPUTACIÓN GRID Y PARALELISMO Trabajo Fin de Máster Implementación paralela del algoritmo Pixel Purity Index para clúster de GPUs

Más detalles

FUNDAMENTOS DE COMPUTACIÓN PARA CIENTÍFICOS. CNCA Abril 2013

FUNDAMENTOS DE COMPUTACIÓN PARA CIENTÍFICOS. CNCA Abril 2013 FUNDAMENTOS DE COMPUTACIÓN PARA CIENTÍFICOS CNCA Abril 2013 6. COMPUTACIÓN DE ALTO RENDIMIENTO Ricardo Román DEFINICIÓN High Performance Computing - Computación de Alto Rendimiento Técnicas, investigación

Más detalles

Memorias. La Geoinformación al Servicio de la Sociedad

Memorias. La Geoinformación al Servicio de la Sociedad La Geoinformación al Servicio de la Sociedad Memorias Sociedad Latinoamericana en Percepción Remota y Sistemas de Información Espacial Capítulo Colombia Medellín, Colombia 29 de Septiembre al 3 de Octubre

Más detalles

High Performance Computing and Architectures Group

High Performance Computing and Architectures Group HPCA Group 1 High Performance Computing and Architectures Group http://www.hpca.uji.es Universidad Jaime I de Castellón ANACAP, noviembre de 2008 HPCA Group 2 Generalidades Creado en 1991, al mismo tiempo

Más detalles

UNIVERSIDAD DE EXTREMADURA

UNIVERSIDAD DE EXTREMADURA UNIVERSIDAD DE EXTREMADURA Escuela Politécnica Ingeniería Informática Proyecto Fin de Carrera Compresión de imágenes hiperespectrales en tarjetas gráficas programables (GPUs) Enrique de la Fuente Milanés

Más detalles

Implementación Paralela del Algoritmo Pixel Purity Index para Análisis Hiperespectral en GPUs

Implementación Paralela del Algoritmo Pixel Purity Index para Análisis Hiperespectral en GPUs Implementación Paralela del Algoritmo Pixel Purity Index para Análisis Hiperespectral en GPUs Sergio Sánchez Grupo Computación Hiperespectral (HYPERCOMP) Dept. Tecnología de Computadores y Comunicaciones

Más detalles

Programación híbrida en arquitecturas cluster de multicore. Escalabilidad y comparación con memoria compartida y pasaje de mensajes.

Programación híbrida en arquitecturas cluster de multicore. Escalabilidad y comparación con memoria compartida y pasaje de mensajes. Programación híbrida en arquitecturas cluster de multicore. Escalabilidad y comparación con memoria compartida y pasaje de mensajes. Fabiana Leibovich, Armando De Giusti, Marcelo Naiouf, Laura De Giusti,

Más detalles

Implementación en FPGA del Automatic Target Generation Process para la detección de objetivos en imágenes hiperespectrales de la superficie terrestre

Implementación en FPGA del Automatic Target Generation Process para la detección de objetivos en imágenes hiperespectrales de la superficie terrestre Implementación en FPGA del Automatic Target Generation Process para la detección de objetivos en imágenes hiperespectrales de la superficie terrestre Sergio Esquembri Martínez Concepción Núñez Montes de

Más detalles

Electrónica Digital II

Electrónica Digital II Electrónica Digital II M. C. Felipe Santiago Espinosa Aplicaciones de los FPLDs Octubre / 2014 Aplicaciones de los FPLDs Los primeros FPLDs se usaron para hacer partes de diseños que no correspondían a

Más detalles

GPU IMPLEMENTATIONS OF SCHEDULING HEURISTICS FOR HETEROGENEOUS COMPUTING ENVIRONMENTS

GPU IMPLEMENTATIONS OF SCHEDULING HEURISTICS FOR HETEROGENEOUS COMPUTING ENVIRONMENTS GPU IMPLEMENTATIONS OF SCHEDULING HEURISTICS FOR HETEROGENEOUS COMPUTING ENVIRONMENTS MAURO CANABÉ SERGIO NESMACHNOW Centro de Cálculo, Facultad de Ingeniería Universidad de la República, Uruguay GPU IMPLEMENTATIONS

Más detalles

UNIVERSIDAD DE EXTREMADURA

UNIVERSIDAD DE EXTREMADURA UNIVERSIDAD DE EXTREMADURA Escuela Politécnica Ingeniería Informática Proyecto Final de Carrera Aplicación de la Tecnología Grid al Tratamiento de Imágenes Hiperespectrales Fermín Ayuso Márquez Víctor

Más detalles

Modelo de aplicaciones CUDA

Modelo de aplicaciones CUDA Modelo de aplicaciones CUDA Utilización de GPGPUs: las placas gráficas se utilizan en el contexto de una CPU: host (CPU) + uno o varios device o GPUs Procesadores masivamente paralelos equipados con muchas

Más detalles

GUÍA DOCENTE. Computación Paralela y Arquitecturas Específicas y de Altas Prestaciones

GUÍA DOCENTE. Computación Paralela y Arquitecturas Específicas y de Altas Prestaciones GUÍA DOCENTE Computación Paralela y Arquitecturas Específicas y de Altas Prestaciones octubre de 2010 I.- DATOS INICIALES DE IDENTIFICACIÓN Nombre de la asignatura: Módulo al que pertenece Carácter: Titulación:

Más detalles

Desarrollo de un cluster computacional para la compilación de. algoritmos en paralelo en el Observatorio Astronómico.

Desarrollo de un cluster computacional para la compilación de. algoritmos en paralelo en el Observatorio Astronómico. Desarrollo de un cluster computacional para la compilación de algoritmos en paralelo en el Observatorio Astronómico. John Jairo Parra Pérez Resumen Este artículo muestra cómo funciona la supercomputación

Más detalles

Evaluación del rendimiento de procesadores Intel Nehalem. Modelos x7550, x5670 y x5570

Evaluación del rendimiento de procesadores Intel Nehalem. Modelos x7550, x5670 y x5570 Evaluación del rendimiento de procesadores Intel Nehalem. Modelos x7550, x5670 y x5570 Juan Carlos Fernández Rodríguez. Área de HPC. Centro Informático Científico de Andalucía (CICA) Junta de Andalucía

Más detalles

Tópicos de implementación en paralelo

Tópicos de implementación en paralelo Apéndice C Esquema PGP. Implementación en un entorno paralelo. Para poder abordar eficazmente la simulación computacional de grandes problemas estructurales, es necesario utilizar estrategias numéricas

Más detalles

Capítulo 2 Silueta. Figura 2.1 Tetera capturada por la cámara con la silueta resaltada

Capítulo 2 Silueta. Figura 2.1 Tetera capturada por la cámara con la silueta resaltada Capítulo 2 Silueta 2.1 Silueta La silueta de un objeto es muy importante porque es lo que nos da las pistas visuales de cómo es que está formado, nos dice dónde están sus límites y ayuda a diferenciar

Más detalles

Soluciones para entornos HPC

Soluciones para entornos HPC Dr.. IT Manager / Project Leader @ CETA-Ciemat abelfrancisco.paz@ciemat.es V Jornadas de Supercomputación y Avances en Tecnología INDICE 1 2 3 4 HPC Qué? Cómo?..................... Computación (GPGPU,

Más detalles

Oferta tecnológica: Know-how en computación de altas prestaciones y paralelismo

Oferta tecnológica: Know-how en computación de altas prestaciones y paralelismo Oferta tecnológica: Know-how en computación de altas prestaciones y paralelismo Oferta tecnológica: Know-how en computación de altas prestaciones y paralelismo RESUMEN El grupo Computación de Altas Prestaciones

Más detalles

GRUPOS DE INVESTIGACIÓN EN ARQUITECTURA DE COMPUTADORES GAC-USC y GAC-UDC

GRUPOS DE INVESTIGACIÓN EN ARQUITECTURA DE COMPUTADORES GAC-USC y GAC-UDC GRUPOS DE INVESTIGACIÓN EN ARQUITECTURA DE COMPUTADORES GAC-USC y GAC-UDC GAC-USC: Departamento de Electrónica y Computación http://www.ac.usc.es GAC-UDC: Departamento de Electrónica y Sistemas http://gac.des.udc.es

Más detalles

Este trabajo describe un nuevo método paralelo para la identicación de targets en imágenes

Este trabajo describe un nuevo método paralelo para la identicación de targets en imágenes Implementación paralela y validación preliminar de un nuevo algoritmo para detectar targets en imágenes hiperespectrales Soraya Blázquez, Sergio Muñoz, Antonio Plaza, Pablo Martínez, Abel Paz Departamento

Más detalles

JGCBusing Manual de Usuario v1.0

JGCBusing Manual de Usuario v1.0 JGCBusing Manual de Usuario v1.0 Agosto 2012 Tabla de Contenido 1. Introducción... 3 2. JGCBusing. Herramienta Web... 4 2.1. Descripción... 4 2.2. Creación de una configuración desde cero... 8 2.3. Generación

Más detalles

Resumen. 1. Introducción. 2. Objetivos

Resumen. 1. Introducción. 2. Objetivos Propuesta para la Asignatura Sistemas Industriales en las Titulaciones de Informática F.A. Pujol, F.J. Ferrández, J.L. Sánchez, J. M. García Chamizo Dept. de Tecnología Informática y Computación Universidad

Más detalles

Sybase IQ Servidor analítico con arquitectura basada en columnas

Sybase IQ Servidor analítico con arquitectura basada en columnas Sybase IQ Servidor analítico con arquitectura basada en columnas www.sybase.es Sybase IQ Descripción Tener acceso a toda la información de que dispone su organización, con el fin de analizarla no es hoy

Más detalles

Arquitecturas GPU v. 2013

Arquitecturas GPU v. 2013 v. 2013 Stream Processing Similar al concepto de SIMD. Data stream procesado por kernel functions (pipelined) (no control) (local memory, no cache OJO). Data-centric model: adecuado para DSP o GPU (image,

Más detalles

Es un software del tipo MAP-REDUCE realizada usando la librería MPI para la

Es un software del tipo MAP-REDUCE realizada usando la librería MPI para la Es un software del tipo MAP-REDUCE realizada usando la librería MPI para la ejecución de programas secuenciales de forma paralela con el requisito de no modificar los programas secuenciales. La idea fundamental

Más detalles

EL CLUSTER FING: COMPUTACIÓN DE ALTO DESEMPEÑO EN FACULTAD DE INGENIERÍA

EL CLUSTER FING: COMPUTACIÓN DE ALTO DESEMPEÑO EN FACULTAD DE INGENIERÍA EL CLUSTER FING: COMPUTACIÓN DE ALTO DESEMPEÑO EN FACULTAD DE INGENIERÍA SERGIO NESMACHNOW Centro de Cálculo, Instituto de Computación FACULTAD DE INGENIERÍA, UNIVERSIDAD DE LA REPÚBLICA, URUGUAY EL CLUSTER

Más detalles

Compresión Run Lenght con FPGA aplicada a imágenes de información geográfica en formatos raster y vector.

Compresión Run Lenght con FPGA aplicada a imágenes de información geográfica en formatos raster y vector. Compresión Run Lenght con FPGA aplicada a imágenes de información geográfica en formatos raster y vector. Santos Martín López Estrada, René A. Cumplido Parra, Claudia Feregrino Uribe Instituto Nacional

Más detalles

Intel Tera-Scale Computing Alumno: Roberto Rodriguez Alcala

Intel Tera-Scale Computing Alumno: Roberto Rodriguez Alcala Intel Tera-Scale Computing Alumno: Roberto Rodriguez Alcala 1. Introducción Los procesadores con dos núcleos existen actualmente, y los procesadores de cuatro están insertándose en el mercado lentamente,

Más detalles

4. Programación Paralela

4. Programación Paralela 4. Programación Paralela La necesidad que surge para resolver problemas que requieren tiempo elevado de cómputo origina lo que hoy se conoce como computación paralela. Mediante el uso concurrente de varios

Más detalles

UNIVERSIDAD DE EXTREMADURA

UNIVERSIDAD DE EXTREMADURA UNIVERSIDAD DE EXTREMADURA Escuela Politécnica MÁSTER UNIVERSITARIO EN COMPUTACIÓN GRID Y PARALELISMO Trabajo Fin de Máster Implementación en GPU del algoritmo K-Means para procesamiento paralelo de imágenes

Más detalles

DISEÑO DE UN ALGORITMO PARALELO PARA CODIFICACIÓN DE VIDEO MPEG4, SOBRE UN CLUSTER DE COMPUTADORAS PERSONALES.

DISEÑO DE UN ALGORITMO PARALELO PARA CODIFICACIÓN DE VIDEO MPEG4, SOBRE UN CLUSTER DE COMPUTADORAS PERSONALES. DISEÑO DE UN ALGORITMO PARALELO PARA CODIFICACIÓN DE VIDEO MPEG4, SOBRE UN CLUSTER DE COMPUTADORAS PERSONALES. Autores: Abelardo Rodríguez L.*, Manuel Pérez M. **, Alberto González T. **, José Hernández

Más detalles

Competencias generales vinculadas a los distintos módulos Módulo de Formación Básica

Competencias generales vinculadas a los distintos módulos Módulo de Formación Básica Competencias generales vinculadas a los distintos módulos Módulo de Formación Básica C1. Capacidad para la resolución de los problemas matemáticos que puedan plantearse en la ingeniería. Aptitud para aplicar

Más detalles

GRID COMPUTING MALLA DE ORDENADORES

GRID COMPUTING MALLA DE ORDENADORES GRID COMPUTING MALLA DE ORDENADORES Introducción Concepto Compartir potencia computacional; Aprovechamiento de ciclos de procesamiento; El Grid Computing se enmarca dentro de la tecnología de computación

Más detalles

Ingeniero en Informática

Ingeniero en Informática UNIVERSIDAD DE ALMERÍA Ingeniero en Informática CLÚSTER DE ALTO RENDIMIENTO EN UN CLOUD: EJEMPLO DE APLICACIÓN EN CRIPTOANÁLISIS DE FUNCIONES HASH Autor Directores ÍNDICE 1. Introducción 2. Elastic Cluster

Más detalles

Métodos Numéricos: Guía de estudio Tema 6 Métodos iterativos para sistemas de ecuaciones lineales

Métodos Numéricos: Guía de estudio Tema 6 Métodos iterativos para sistemas de ecuaciones lineales Métodos Numéricos: Guía de estudio Tema 6 Métodos iterativos para sistemas de ecuaciones lineales Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña

Más detalles

Capítulo 6 Filtrado en el Dominio de la Frecuencia

Capítulo 6 Filtrado en el Dominio de la Frecuencia Capítulo 6 Filtrado en el Dominio de la Frecuencia...39 6. Método en el Dominio de la Frecuencia...39 6. Filtros Espaciales en la frecuencia...40 6.. Convolución Lineal y la Transformada Discreta de Fourier...45

Más detalles

RAID nivel 5 (RAID 5): En RAID 5 los bloques de datos que se almacenan en la unidad, y la información redundante de dichos bloques se distribuye cíclicamente entre todos los discos que forman el volumen

Más detalles

Capítulo III Procesamiento Digital de Imágenes

Capítulo III Procesamiento Digital de Imágenes Capítulo III Procesamiento Digital de Imágenes Contenido Introducción al Procesamiento digital de imágenes Orígenes del procesamiento digital de imágenes. Aplicaciones del Procesamiento de Imágenes Componentes

Más detalles

Ejemplos de optimización para Kepler. 1. Balanceo dinámico de la carga. Contenidos de la charla [18 diapositivas]

Ejemplos de optimización para Kepler. 1. Balanceo dinámico de la carga. Contenidos de la charla [18 diapositivas] Ejemplos de optimización para Kepler Manuel Ujaldón Nvidia CUDA Fellow Dpto. Arquitectura de Computadores Universidad de Málaga Contenidos de la charla [18 diapositivas] 1. Balanceo dinámico de la carga.

Más detalles

Herramienta para la construcción de un cluster y la distribución de carga entre los nodos

Herramienta para la construcción de un cluster y la distribución de carga entre los nodos Herramienta para la construcción de un cluster y la distribución de carga entre los nodos Rubén A. González García 1, Gabriel Gerónimo Castillo 2 1 Universidad Juárez Autónoma de Tabasco, Av. Universidad

Más detalles

REDES INFORMATICAS 1. CONCEPTO DE RED. PDF created with pdffactory trial version www.pdffactory.com. Departamento de Tecnología 4º E.S.O.

REDES INFORMATICAS 1. CONCEPTO DE RED. PDF created with pdffactory trial version www.pdffactory.com. Departamento de Tecnología 4º E.S.O. REDES INFORMATICAS Departamento de Tecnología INDICE 1. CONCEPTO DE RED. 2. CLASIFICACION DE LAS REDES. 3. COMPONENTES HARDWARE DE UNA RED. 4. TOPOLOGIA DE LAS REDES. 5. CONTROL DE ACCESO AL MEDIO DE TRANSMISION.

Más detalles

PRÁCTICA II: ADQUISICIÓN DE DATOS CON LABVIEW

PRÁCTICA II: ADQUISICIÓN DE DATOS CON LABVIEW SISTEMAS ELECTRÓNICOS Y DE CONTROL LABORATORIO SISTEMAS ELECTRÓNICOS DE CONTROL PRÁCTICA II: ADQUISICIÓN DE DATOS CON LABVIEW Curso 05/06 - 2 - PRÁCTICA II ADQUISICIÓN DE DATOS CON LABVIEW II.1. INTRODUCCIÓN

Más detalles

Universidad de Costa Rica Escuela de Matemática ALGEBRA LINEAL. x x1 n. θ y. 1 n x1 n ȳ1 n. Carlos Arce S. William Castillo E. Jorge González V.

Universidad de Costa Rica Escuela de Matemática ALGEBRA LINEAL. x x1 n. θ y. 1 n x1 n ȳ1 n. Carlos Arce S. William Castillo E. Jorge González V. Universidad de Costa Rica Escuela de Matemática ALGEBRA LINEAL x x x1 n θ y y ȳ1 n 1 n x1 n ȳ1 n Carlos Arce S. William Castillo E. Jorge González V. 2003 Algebra Lineal Carlos Arce S., William Castillo

Más detalles

Introducción. Por último se presentarán las conclusiones y recomendaciones pertinentes.

Introducción. Por último se presentarán las conclusiones y recomendaciones pertinentes. Introducción En el presente documento se explicarán las consideraciones realizadas para implementar la convolución bidimensional en la arquitectura CUDA. En general se discutirá la metodología seguida

Más detalles

CLUSTER FING: PARALELISMO de MEMORIA DISTRIBUIDA

CLUSTER FING: PARALELISMO de MEMORIA DISTRIBUIDA CLUSTER FING: PARALELISMO de MEMORIA DISTRIBUIDA SERGIO NESMACHNOW Centro de Cálculo, Instituto de Computación FACULTAD DE INGENIERÍA, UNIVERSIDAD DE LA REPÚBLICA, URUGUAY CONTENIDO Introducción: arquitecturas

Más detalles

Información general de la tecnología de impresión en color HP LaserJet Pro

Información general de la tecnología de impresión en color HP LaserJet Pro Información técnica Información general de la tecnología de impresión en color HP LaserJet Pro Cómo la tecnología HP Image Resolution ofrece una calidad de impresión inigualable Índice Cause una buena

Más detalles

1. Cambios de base en R n.

1. Cambios de base en R n. er Curso de Ingeniero de Telecomunicación. Álgebra. Curso 8-9. Departamento de Matemática Aplicada II. Universidad de Sevilla. Tema 5. Cambios de Base. Aplicaciones Lineales. Teoría y Ejercicios Resueltos..

Más detalles

Servicios avanzados de supercomputación para la ciència y la ingeniería

Servicios avanzados de supercomputación para la ciència y la ingeniería Servicios avanzados de supercomputación para la ciència y la ingeniería Servicios avanzados de supercomputación para la ciència y la ingeniería HPCNow! provee a sus clientes de la tecnología y soluciones

Más detalles

Computación para Ingeniería

Computación para Ingeniería Computación Para Ingeniería Guía de Aprendizaje Información al estudiante 1. Datos Descriptivos Asignatura Materia Departamento responsable Computación para Ingeniería Computación para Ingeniería Lenguajes

Más detalles

LISTADO DE PROYECTOS DEL CAMPUS PRAKTIUM UPV-FUNCAE 2012. ETS de Ingeniería Informática Grado en Ingeniería Informática

LISTADO DE PROYECTOS DEL CAMPUS PRAKTIUM UPV-FUNCAE 2012. ETS de Ingeniería Informática Grado en Ingeniería Informática 34 Conexión de móviles Android a dispositivos externos. INF05 Los teléfonos móviles con sistema operativo Android, son un fenómeno social. Existen multitud de aplicaciones, pero pocas pueden "salir" de

Más detalles

Fundamentos de Sistemas Operativos

Fundamentos de Sistemas Operativos Fundamentos de Sistemas Operativos Sistemas Informáticos Fede Pérez Índice TEMA Fundamentos de Sistemas Operativos 1. - Introducción 2. - El Sistema Operativo como parte de un Sistema de Computación 2.1

Más detalles

www.gtbi.net soluciones en Fotogrametría Digital El software de análisis más potente basado en objetos de datos geoespaciales. Fotogrametría Digital

www.gtbi.net soluciones en Fotogrametría Digital El software de análisis más potente basado en objetos de datos geoespaciales. Fotogrametría Digital soluciones en Fotogrametría Digital El software de análisis más potente basado en objetos de datos geoespaciales. Fotogrametría Digital www.gtbi.net LA MANERA DE ENTENDER EL MUNDO ESTÁ CAMBIANDO El usuario

Más detalles

Seminario II: Introducción a la Computación GPU

Seminario II: Introducción a la Computación GPU Seminario II: Introducción a la Computación GPU CONTENIDO Introducción Evolución CPUs-Evolución GPUs Evolución sistemas HPC Tecnologías GPGPU Problemática: Programación paralela en clústers heterogéneos

Más detalles

Sistemas de información en tiempo real para la gestión táctica de emergencias

Sistemas de información en tiempo real para la gestión táctica de emergencias Sistemas de información en tiempo real para la gestión táctica de emergencias Salvador Bayarri. Director técnico. Esphera Visual Systems sbayarri@esphera.eu Resumen La coordinación de diferentes administraciones,

Más detalles

CAPÍTULO 2 PROCESAMIENTO DIGITAL DE IMÁGENES

CAPÍTULO 2 PROCESAMIENTO DIGITAL DE IMÁGENES CAPÍTULO PROCESAMIENTO DIGITAL DE IMÁGENES En este capítulo se presentan de manera breve, una explicación de la visión, las imágenes digitales y como son capturadas por medios electrónicos, el campo encargado

Más detalles

Modelización y Balanceo de la Carga Computacional en la Simulación Paralela de la Dispersión Atmosférica de Contaminantes

Modelización y Balanceo de la Carga Computacional en la Simulación Paralela de la Dispersión Atmosférica de Contaminantes Modelización y Balanceo de la Carga Computacional en la Simulación Paralela de la Dispersión Atmosférica de Contaminantes Diego R. Martínez diegorm@dec.usc.es Dpto. Electrónica y Computación Universidad

Más detalles

Arquitectura: Clusters

Arquitectura: Clusters Universidad Simón Bolívar Arquitectura: Clusters Integrantes: - Aquilino Pinto - Alejandra Preciado Definición Conjuntos o conglomerados de computadoras construidos mediante la utilización de hardware

Más detalles

Práctica de Cinemática

Práctica de Cinemática Práctica de Estudio de un movimiento Objetivos...2 Pre - requisitos para realizar la práctica...2 Bibliografía recomendada en referencia la modelo teórico...2 Competencias a desarrollar por el alumno...2

Más detalles

Linux Week PUCP. Computación de Alto Rendimiento en Linux. rmiguel@senamhi.gob.pe

Linux Week PUCP. Computación de Alto Rendimiento en Linux. rmiguel@senamhi.gob.pe Linux Week PUCP 2006 Computación de Alto Rendimiento en Linux Richard Miguel San Martín rmiguel@senamhi.gob.pe Agenda Computación Científica Computación Paralela High Performance Computing Grid Computing

Más detalles

Extractos de la conferencia: Supercomputación y Software Libre realizada por Linalco en la Universidad de Granada

Extractos de la conferencia: Supercomputación y Software Libre realizada por Linalco en la Universidad de Granada Extractos de la conferencia: Supercomputación y Software Libre realizada por Linalco en la Universidad de Granada Copyright 2006 Linalco Consulting, S.L. Linalco Consulting, S.L., autor de este documento,

Más detalles

UNIVERSIDAD NACIONAL DE RÍO CUARTO FACULTAD DE CIENCIAS EXACTAS FÍSICO-QUÍMICAS Y NATURALES

UNIVERSIDAD NACIONAL DE RÍO CUARTO FACULTAD DE CIENCIAS EXACTAS FÍSICO-QUÍMICAS Y NATURALES UNIVERSIDAD NACIONAL DE RÍO CUARTO FACULTAD DE CIENCIAS EXACTAS FÍSICO-QUÍMICAS Y NATURALES Departamento: Matemática Carrera: Analista en Computación ASIGNATURA: Geometría Código: 3327 Profesor Responsable:

Más detalles

Módulo: Modelos de programación para Big Data

Módulo: Modelos de programación para Big Data Program. paralela/distribuida Módulo: Modelos de programación para Big Data (título original: Entornos de programación paralela basados en modelos/paradigmas) Fernando Pérez Costoya Introducción Big Data

Más detalles

Laboratorio Nacional de Cómputo de Alto Desempeño: Fortalecimiento de la Infraestructura 2015

Laboratorio Nacional de Cómputo de Alto Desempeño: Fortalecimiento de la Infraestructura 2015 Anexo A. Partida 3 Laboratorio Nacional de Cómputo de Alto Desempeño: Fortalecimiento de la Infraestructura 2015 CLUSTER LANCAD3 El bien a adquirir se describe a continuación y consiste en cúmulo de supercómputo

Más detalles

Capítulo 5: Comparación con ScaLAPACK

Capítulo 5: Comparación con ScaLAPACK Capítulo 5: Comparación con ScaLAPACK En este capítulo se presentan dos aspectos importantes en cuanto a la validez y utilización de los aportes de esta tesis: 1) Aplicación de los principios de paralelización

Más detalles

Sistemas de gestión de video. Indice

Sistemas de gestión de video. Indice 168 Sistemas de gestión de video Un aspecto importante del sistema de videovigilancia es la gestión de video para la visualización, grabación, reproducción y almacenamiento en directo. Si el sistema está

Más detalles

Bosch Video Management System Asegure su futuro con IP

Bosch Video Management System Asegure su futuro con IP Bosch Video Management System Asegure su futuro con IP Seguridad por vídeo IP Integración total Bosch Video Management System (VMS) gestiona enteramente todos sus sistemas de audio y vídeo digitales e

Más detalles

Introducción general a la compresión de datos multimedia

Introducción general a la compresión de datos multimedia Introducción general a la compresión de datos multimedia Necesidad de la compresión La mayoría de las aplicaciones multimedia requieren volúmenes importantes de almacenamiento y transmisión. CD-ROM 640

Más detalles

ATLANTE! i n f r a e s t r u c t u r a d e s u p e r C o m p u t a c i ó n G o b i e r n o d e C a n a r i a s!

ATLANTE! i n f r a e s t r u c t u r a d e s u p e r C o m p u t a c i ó n G o b i e r n o d e C a n a r i a s! ATLANTE infraestructura G o b i e r n o! de d supercomputación e C a n a r i a s! v forma parte de la estrategia del Gobierno de Canarias de poner a disposición de investigadores y empresas canarios infraestructuras

Más detalles

UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI

UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI NOMBRE DE LA ASIGNATURA: SUPERCÓMPUTO FECHA DE ELABORACIÓN: ENERO 2005 ÁREA DEL PLAN DE ESTUDIOS: AS ( ) AC ( ) APOBL

Más detalles

Una señal es una magnitud física de interés que habitualmente es una función del tiempo.

Una señal es una magnitud física de interés que habitualmente es una función del tiempo. 1.- Introducción al Procesado Digital de Señales. 1.1.- Introducción. Podemos decir que cuando realizamos cualquier proceso digital para modificar la representación digital de una señal estamos haciendo

Más detalles

UNIVERSIDAD DE EXTREMADURA

UNIVERSIDAD DE EXTREMADURA UNIVERSIDAD DE EXTREMADURA Escuela Politécnica MÁSTER UNIVERSITARIO EN INVESTIGACIÓN EN INGENIERÍA Y ARQUITECTURA (MUIT) ESPECIALIDAD EN: TECNOLOGÍAS INFORMATICAS Y DE LAS COMUNICACIONES (TINC) Trabajo

Más detalles

Recursos y servicios HPC en el BIFI

Recursos y servicios HPC en el BIFI Recursos y servicios HPC en el BIFI Guillermo Losilla Anadón Responsable grupo HPC e infraestructuras de computación del BIFI guillermo@bifi.es Indice Grupo HPC@BIFI Servicio de cálculo y almacenamiento

Más detalles

Subespacios vectoriales en R n

Subespacios vectoriales en R n Subespacios vectoriales en R n Víctor Domínguez Octubre 2011 1. Introducción Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas palabras, se puede resumir en técnicas de manejo

Más detalles

UNIVERSIDAD DE EXTREMADURA

UNIVERSIDAD DE EXTREMADURA UNIVERSIDAD DE EXTREMADURA Escuela Politécnica Ingeniería Informática Proyecto Fin de Carrera Desarrollo de nuevos algoritmos para procesamiento de imágenes hiperespectrales en ORFEO Toolbox Luis Ignacio

Más detalles

Laboratorio Nacional de Cómputo de Alto Desempeño: Fortalecimiento de la Infraestructura 2015

Laboratorio Nacional de Cómputo de Alto Desempeño: Fortalecimiento de la Infraestructura 2015 Anexo A. Partida 2 Laboratorio Nacional de Cómputo de Alto Desempeño: Fortalecimiento de la Infraestructura 2015 CLUSTER LANCAD 2 El bien a adquirir se describe a continuación y consiste de un cúmulo de

Más detalles

1.1 Definición del problema

1.1 Definición del problema Capítulo 1. Introducción 1.1 Definición del problema Cuando el famoso juego Doom apareció, no solamente nos asombró el grandioso juego, sino que también trajo y popularizo un nuevo modelo de programación

Más detalles

Dr.-Ing. Paola Vega Castillo

Dr.-Ing. Paola Vega Castillo EL-3310 DISEÑO O DE SISTEMAS DIGITALES Dr.-Ing. Paola Vega Castillo Información n General Curso: Diseño de Sistemas Digitales Código: EL-3310 Tipo de curso: Teórico Créditos/Horas por semana: 4/4 Requisito:

Más detalles

El formato raster. Fundamentos

El formato raster. Fundamentos Capítulo 4 El formato raster. Fundamentos El formato ráster se fundamenta en la división del área de estudio en una matriz de celdillas, generalmente cuadradas. Cada una de estas celdillas recibe un único

Más detalles

UAEM 2015, Estado de México

UAEM 2015, Estado de México CONSTRUCCIÓN DE CLUSTERS Fernando Robles Morales Ins/tuto Nacional de Medicina Genómica Enrique Cruz Mar

Más detalles

Recuperación de información desde diferentes perspectivas

Recuperación de información desde diferentes perspectivas Recuperación de información desde diferentes perspectivas Grupo de Ingeniería Telemática Facultad de Informática Universidade de A Coruña Diego Fernández, Víctor Carneiro, Francisco Novoa, Xacobe Macía

Más detalles

Nicolás Zarco Arquitectura Avanzada 2 Cuatrimestre 2011

Nicolás Zarco Arquitectura Avanzada 2 Cuatrimestre 2011 Clusters Nicolás Zarco Arquitectura Avanzada 2 Cuatrimestre 2011 Introducción Aplicaciones que requieren: Grandes capacidades de cómputo: Física de partículas, aerodinámica, genómica, etc. Tradicionalmente

Más detalles

Apuntes de Compresión Fractal de Imágenes

Apuntes de Compresión Fractal de Imágenes Apuntes de Compresión Fractal de Imágenes Gonzalo Rojas C., Ulrich Raff B. Grupo de Procesamiento de Imágenes Departamento de Física Universidad de Santiago de Chile Av. Ecuador 3493 Santiago, CHILE E-MAIL:

Más detalles

Medida del rendimiento

Medida del rendimiento Medida del rendimiento Benchmarks V 1.0 José M. Cámara (checam@ubu.es) Motivación El rendimiento debe ser evaluado para: Valorar el comportamiento del sistema. Comparar varios sistemas. Optimizar la utilización.

Más detalles

CAPÍTULO 6 INSTRUMENTO VIRTUAL

CAPÍTULO 6 INSTRUMENTO VIRTUAL Diseño y implementación de un medidor de frecencia para frecuencias bajas CAPÍTULO 6 INSTRUMENTO VIRTUAL Como se ha ido señalando a lo largo de esta memoria, el objetivo del proyecto no es otro que el

Más detalles

Grado en Ingeniería Informática

Grado en Ingeniería Informática Grado en Ingeniería Informática Competencias Generales y trasversales De acuerdo con la resolución del Consejo de Universidades de fecha 3 de marzo de 2009, para obtener este título de grado en ingeniería

Más detalles

ORIENTACIONES PARA LA PRUEBA DE APTITUD PARA EL ACCESO A LA UNIVERSIDAD

ORIENTACIONES PARA LA PRUEBA DE APTITUD PARA EL ACCESO A LA UNIVERSIDAD ORIENTACIONES PARA LA PRUEBA DE APTITUD PARA EL ACCESO A LA UNIVERSIDAD MODALIDAD CIENTÍFICO-TÉCNICO 1. NOMBRE DE LA MATERIA: Matemáticas II 2. NOMBRE DEL COORDINADOR: Miguel Delgado Pineda (mdelgado@mat.uned.es,

Más detalles

DESARROLLO DE METODOLOGÍA PARA EL MONITOREO DE LAS EMISIONES DE CO 2 PROVOCADAS POR DEFORESTACION Y DEGRADACIÓN DE BOSQUES.

DESARROLLO DE METODOLOGÍA PARA EL MONITOREO DE LAS EMISIONES DE CO 2 PROVOCADAS POR DEFORESTACION Y DEGRADACIÓN DE BOSQUES. DESARROLLO DE METODOLOGÍA PARA EL MONITOREO DE LAS EMISIONES DE CO 2 PROVOCADAS POR DEFORESTACION Y DEGRADACIÓN DE BOSQUES. Producto 3: Pasos a seguir para implementar la propuesta monitoreo de los recursos

Más detalles

Arquitectura Básica para Controladores de Lógica Difusa a Programarse en FPGAs

Arquitectura Básica para Controladores de Lógica Difusa a Programarse en FPGAs Arquitectura Básica para Controladores de Lógica Difusa a Programarse en FPGAs Juan C. Herrera Lozada, jcrls@ipn.mx Ma. de Lourdes Olvera Cárdenas, lolvera@ipn.mx Ma. Teresa Lozano Hernández. tlozanoh@ipn.mx

Más detalles

Proyecto SIG Fases de realización I

Proyecto SIG Fases de realización I Imagen cortesía de la NAS Proyecto SIG Fases de realización I Esperanza Ayuga (2008) Proyecto SIG INTORUCCIÓN: La información geográfica Cuestiones previas El proyecto SIG FASES DE UN PROYECTO SIG: Captura

Más detalles

IES DOCTOR MARAÑON. DTO TECNOLOGIA. FOTOGRAFIA

IES DOCTOR MARAÑON. DTO TECNOLOGIA. FOTOGRAFIA FOTOGRAFIA Hoy en día conviven dos formas de práctica fotográfica completamente diferentes en cuanto al modo en que captan y procesan sus imágenes. Junto a la fotografía tradicional o analógica (con un

Más detalles

Conversor Analógico Digital (CAD)

Conversor Analógico Digital (CAD) Conversor Analógico Digital (CAD) La salida de los sensores, que permiten al equipo electrónico interaccionar con el entorno, es normalmente una señal analógica, continua en el tiempo. En consecuencia,

Más detalles

Visualización y modelado de elementos geográficos en dispositivos móviles. Capítulo 5: Aplicaciones cliente

Visualización y modelado de elementos geográficos en dispositivos móviles. Capítulo 5: Aplicaciones cliente Capítulo 5: Aplicaciones cliente 46 5.1 La aplicación cliente en la Pocket PC La aplicación desarrollada para el cliente en un dispositivo móvil como corresponde a la Pocket PC necesita una capa muy delgada

Más detalles

GANETEC SOLUTIONS HPC Farmacéuticas

GANETEC SOLUTIONS HPC Farmacéuticas GANETEC SOLUTIONS HPC Farmacéuticas La integración de tecnologías HPC en el sector Farmacéutico y de la Bioinformática ha permitido grandes avances en diversos campos. NUESTRA VISIÓN Estas nuevas posibilidades

Más detalles

Implementación de la transformada wavelet discreta para imágenes en un FPGA

Implementación de la transformada wavelet discreta para imágenes en un FPGA Implementación de la transformada wavelet discreta para imágenes en un FPGA Madeleine León 1, Carlos A. Murgas 1, Lorena Vargas 2, Leiner Barba 2, Cesar Torres 2 1 Estudiantes de pregrado de la Universidad

Más detalles

Denominación de la materia. N créditos ECTS = 36 carácter = MIXTA INGENIERIA DE COMPUTADORAS

Denominación de la materia. N créditos ECTS = 36 carácter = MIXTA INGENIERIA DE COMPUTADORAS Denominación de la materia INGENIERIA DE COMPUTADORAS N créditos ECTS = 36 carácter = MIXTA Ubicación dentro del plan de estudios y duración La materia Ingeniería de Computadoras está formada por 6 asignaturas

Más detalles

Repaso de matrices, determinantes y sistemas de ecuaciones lineales

Repaso de matrices, determinantes y sistemas de ecuaciones lineales Tema 1 Repaso de matrices, determinantes y sistemas de ecuaciones lineales Comenzamos este primer tema con un problema de motivación. Problema: El aire puro está compuesto esencialmente por un 78 por ciento

Más detalles