分布式环境下卷积神经网络并行策略研究

• 作者: 张任其 李建华 范磊
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 卷积神经网络 后向传播(BP)算法 Hadoop并行策略
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 热点与综述
• 页码范围: 1-7,14
• 页数: 8页
• 分类号: TP183
• 字数: 7757字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1610-0244

摘要

卷积神经网络通常使用标准误差逆传播算法进行串行训练,随着数据规模的增长,单机串行训练存在耗时长且占有较多的系统资源的问题.为有效实现海量数据的卷积神经网络训练,提出一种基于MapReduce框架的BP神经网络并行化训练模型.该模型结合了标准误差逆传播算法和累积误差逆传播算法,将大数据集分割成若干个子集,在损失少量准确率的条件下进行并行化处理,并扩展MNIST数据集进行图像识别测试.实验结果表明,该算法对数据规模有较好的适应性,能够提高卷积神经网络的训练效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李建华	上海交通大学电子信息与电气工程学院	336	2966	25.0	36.0
2	范磊	上海交通大学电子信息与电气工程学院	48	242	7.0	13.0
3	张任其	上海交通大学电子信息与电气工程学院	1	7	1.0	1.0