資訊工程學系
Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/60
本系前身「資訊教育學系」成立於民國七十四年，首先招收大學部學生，民國九十年成立資訊工程研究所碩士班，而後於民國九十五年進行系、所調整合併為「資訊工程學系」；並於九十六年成立博士班。本系目前每年約招收大學部四十餘人，碩士班六十餘人，博士班約五人，截至民國一百零四年十一月止，總計現有大學部一百九十多人，碩士班一百二十多人，博士班二十三人，合計學生人數約為三百三十多位。
News
Browse
3 results
Search Results
Item 基於網宇實體系統整合的資料重用與工作替換(2021) 林政佑; Lin, Cheng-You一個多層次的系統需要整合伺服器和 IoT 設備，將 AI 應用整合到多層次系統中在現代是很有利的，而 AIoT 代表了在 IoT 設備中整合 GPU 進行 AI 計算，然而這會面臨幾個問題。首先，由於 AIoT 設備的規模限制，其設備也有計算限制。大多數 AI 算法都有巨大的重複性浮點數計算，以獲得基於機率的收斂近似解。GPU 使 AI 計算適合對大量的浮點數計算進行平行計算。其次，AIoT 設備還必須考慮工作的延遲要求，使 AIoT 設備控制的系統執行器在工作的關鍵事件中不會延遲，例如自動駕駛車輛中的剎車。第三，可以通過進一步整合邊緣伺服器、AIoT設備和現有的基礎設施來構建多層次系統，使數據重用具可行性且高效，多層次的 AIoT 系統在異質資源中會有更多的用途。本論文的貢獻是通過 CPS 概念將 IoT 平台計算和 AIoT 應用結合起來，然後探索 AIoT 設備在整合架構中的計算限制和解決方案，以實證方式來研究 AIoT 設備運行 AI 應用時適當的資源配置方法，在多層次系統中，不同的計算資源會導致不同的響應時間以滿足延遲要求。本論文的概念是數據重用，它來自於現有的基礎設施，並使用於新增加的 AIoT 設備，同時當代的 AIoT 設備配備的 GPU 對於AI 算法的局限性也是通過實證評估來衡量的。為了克服這些限制，本論文的架構提出工作替換和邊緣伺服器工作卸載的可行性。Item 使用OpenCL實現具備全域照明的互動式光跡追蹤(2012) 顏嘉緯光跡追蹤（ray tracing）運用於電腦圖學領域可以追溯到 1980 年代，然而，直到 GPU（graphics processing unit）的出現才讓光跡追蹤得以達到真正即時（real-time）的水準。 本論文嘗試利用開放計算語言（Open Computing Language），在 GPU 平台上實現一個具備互動（interactive）或即時、全域照明（global illumination）與跨平台（cross-platform）特性的光跡追蹤渲染系統（rendering system）。採用的資料結構與演算法取自目前現有的成果，包括學術論文、書籍中提出的方法以及各種可取得的資源；渲染的對象著重在靜態場景（static scene），並使用 kd-tree 加速結構；論文的內容則強調實作上的細節，包括主要光線（primary ray）與次要光線（secondary ray）的追蹤。 最後，將渲染系統加以延伸，使之能夠模擬全域照明的效果。此外，為了明瞭 OpenCL 跨平台的支援狀況，實際在各種平台 — CPU 與 GPU 上運行。Item 使用OpenCL實現蒙地卡羅路徑追蹤於Android手機平台(2015) 江冠儀; Chiang, Kuan-Yi隨著科技的發展手機的進步速度越趨明顯，手機遊戲也變成開發手機產品中一個不可或缺的角色。隨著手機晶片上的運算能力快速進步，讓手機遊戲可以從2D快速進入到3D的手機遊戲時代,而相對於畫面品質和效能也是越來越苛求。為了使3D場景的繪製達到更逼真的畫質，至今已經發展了許多不同的演算法以模擬真實環境的光照情形，其中以光線追蹤方法擁有物理運算的正確性並能夠直覺性地計算光照效果，但因光線追蹤的運算速度相對於其他手機遊戲渲染效果是較慢的所以幾乎沒有人將其運用於手機遊戲當中。 本研究搭配OpenCL異質系統架構中平行且良好地運作之特性，對於光線追蹤龐大的計算下平行處理能讓畫面的渲染速度更有效率且畫面品質將有不錯的效果。本渲染對象以動態場景為主，會分別對於場景的複雜度和其渲染速度上做效能分析，將重點著重於可行性的探討與提升程式效能，針對所使用的平台進行實驗結果比較以及影響效能的相關探討，最後，我們將因應平台特性將演算法與之結合，試圖找出在多核心平行化架構下提升各平台程式效能的實驗依據並以其研究出適合於手機平台上的光線追蹤演算法架構。