基于MapReduce的卷积神经网络算法研究

• 作者: 赵歆波 邹晓春 马焕芳
• 来源期刊: 中国体视学与图像分析
• 学科: 工学
• 关键词: MapReduce框架 卷积神经网络 并行化
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 图像分析
• 页码范围: 339-346
• 页数: 8页
• 分类号: TP183
• 语种: 中文
• DOI: 10.13505/j.1007-1482.2015.20.04.004

摘要

卷积神经网络(convolutional neural networks,CNN)是深度学习技术应用最成熟的模型之一,利用卷积神经网络来提取特征进行目标识别和分析是当前比较热的研究方向.目前CNN主要以单机串行方式实现,随着大数据时代的到来,串行模式突显出训练时间过长,内存不足等问题.为此,本文提出了一种在分布式处理Hadoop平台上,基于MapReduce框架并行训练CNN的算法MR-TC-NN.并通过实验证明,提出的方法与传统单机串行训练方式相比,在大数据上有更快的训练速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵歆波		67	653	15.0	22.0
2	邹晓春		12	46	4.0	6.0
3	马焕芳		1	0	0.0	0.0