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.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Mejora de la uniformidad de la iluminación y de la vida útil del fósforo en lámparas de emisión de campo utilizando nanocoils de carbono
Artículo:
Crecimiento, Caracterización Estructural y Óptica de Nanotubos de ZnO sobre Substratos de Papel Desechables-Flexibles por Método Químico a Baja Temperatura
Artículo:
DAR-Net: Red residual atencional densa para la detección de vehículos en imágenes aéreas
Artículo:
Efecto de la fuente, el tensoactivo y el proceso de deposición en las propiedades electrónicas de las matrices de nanotubos
Artículo:
Selección del modelo de predicción de la fatiga gestual basado en la red neuronal sEMG y optimización del conjunto de datos