Biblioteca32.423 documentos en l韓ea

Art韈ulo

Parallelizing Backpropagation Neural Network Using MapReduce and Cascading ModelParalelización de redes neuronales de retropropagación mediante MapReduce y un modelo en cascada

Resumen

Las redes neuronales artificiales (RNA) son un algoritmo muy utilizado en los campos del reconocimiento de patrones, la clasificación y la predicción. Entre una serie de redes neuronales, la red neuronal de retropropagación (BPNN) se ha convertido en la más famosa debido a su notable capacidad de aproximación de funciones. Sin embargo, una BPNN estándar suele emplear un gran número de cálculos de suma y sigmoide, lo que puede dar lugar a una baja eficiencia al tratar con un gran volumen de datos. Por lo tanto, paralelizar la BPNN utilizando tecnologías de computación distribuida es una forma eficaz de mejorar el rendimiento del algoritmo en términos de eficiencia. Sin embargo, la paralelización tradicional puede llevar a una pérdida de precisión. Aunque se han realizado varios complementos, sigue siendo difícil encontrar un compromiso entre eficiencia y precisión. Este trabajo presenta un BPNN paralelizado basado en el modelo de computación MapReduce que proporciona características avanzadas, incluyendo la tolerancia a fallos, la replicación de datos y el equilibrio de carga. Y también para mejorar el rendimiento del algoritmo en términos de precisión, este trabajo crea un enfoque de clasificación basado en un modelo en cascada, que ayuda a refinar los resultados de la clasificación. Los resultados experimentales indican que el BPNN paralelizado presentado es capaz de ofrecer una alta eficiencia manteniendo una excelente precisión al permitir el aprendizaje automático a gran escala.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Ingl閟
  • Tama駉: Kb

C髆o citar el documento

Esta es una versi髇 de prueba de citaci髇 de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citaci髇 de las respectivas fuentes.

Este contenido no est锟 disponible para su tipo de suscripci锟絥

Información del documento