基于改进 Hadoop 的受限玻尔兹曼机云计算实现

• 作者: 刘凯 孙永威 张立民 范晓磊
• 来源期刊: 燕山大学学报
• 学科: 工学
• 关键词: 云平台 受限玻尔兹曼机 Hadoop 并行编程
• 年，卷（期）: 2015,（2）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 145-151
• 页数: 7页
• 分类号: TP391.4
• 字数: 4505字
• 语种: 中文
• DOI: 10.3969/J.ISSN.1007-791X.2015.02.008

摘要

针对受限玻尔兹曼机（RBM）面对大数据时存在模型训练缓慢的问题，设计了基于 Hadoop 的 RBM 云计算实现方法。针对 RBM 训练方法，改进了 Hadoop 任务消息通信机制以适应模型迭代周期短的特点；设计了MapReduce 框架，包括 Map 端实现吉布斯采样，Reduce 端完成参数更新；依据 Hadoop 任务组合方式，将 RBM 的训练应用于深度玻尔兹曼机（DBM）中。通过手写数字识别实验证明，该计算方法在大规模数据条件下能够有效加速 RBM 训练，且适应于深度学习模型的学习。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张立民	海军航空工程学院信息融合研究所	163	596	11.0	15.0
2	刘凯	海军航空工程学院基础实验部	28	106	6.0	9.0
3	范晓磊	第二炮兵工程大学士官职业技术教育学院	6	22	2.0	4.0