计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2012年
18期
171-173,177
,共4页
神经网络%改进反向传播算法%Map Reduce架构%并行%学习率%动量因子
神經網絡%改進反嚮傳播算法%Map Reduce架構%併行%學習率%動量因子
신경망락%개진반향전파산법%Map Reduce가구%병행%학습솔%동량인자
基于Map Reduce框架的传统BP神经网络算法收敛缓慢,训练易陷入局部极小点,使迭代次数过多,极大浪费资源.为此,提出并实现改进的并行BP算法,采用动态调节学习率、动量因子调整权重修正值,提升BP网络并行训练效率,利用预处理数据和最大分类概率增强分类的准确性.实验结果表明,改进的并行算法能提高分类准确率,缩短近17/18的训练时间.
基于Map Reduce框架的傳統BP神經網絡算法收斂緩慢,訓練易陷入跼部極小點,使迭代次數過多,極大浪費資源.為此,提齣併實現改進的併行BP算法,採用動態調節學習率、動量因子調整權重脩正值,提升BP網絡併行訓練效率,利用預處理數據和最大分類概率增彊分類的準確性.實驗結果錶明,改進的併行算法能提高分類準確率,縮短近17/18的訓練時間.
기우Map Reduce광가적전통BP신경망락산법수렴완만,훈련역함입국부겁소점,사질대차수과다,겁대낭비자원.위차,제출병실현개진적병행BP산법,채용동태조절학습솔、동량인자조정권중수정치,제승BP망락병행훈련효솔,이용예처리수거화최대분류개솔증강분류적준학성.실험결과표명,개진적병행산법능제고분류준학솔,축단근17/18적훈련시간.
