...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Pomiary Automatyka Kontrola >Implementacja sztucznej sieci neuronowej w architekturze równoległej z wykorzystaniem protokołu MPI
【24h】

Implementacja sztucznej sieci neuronowej w architekturze równoległej z wykorzystaniem protokołu MPI

机译：使用MPI协议在并行体系结构中实现人工神经网络

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In the paper some characteristic features concerning feed-forward neural network implementation in parallel computer architecture using MPI communication protocol are investigated. Two fundamental methods of neural network parallelization are described: neural (Fig. 1) as well as synaptic parallelization (Fig. 2). Based on the presented methods, an original application implementing feed-forward multilayer neural network was built. The application includes: a Java runtime interface (Fig. 3) and a computational module based on the MPI communication protocol. The simulation tests consisted in neural network application to classical problem of nonlinear function approximation. Effect of the number of processes on the network learning efficiency was examined (Fig. 4, Tab. 1). The negative effect of transmission time delays in the LAN is also demonstrated in the paper. The authors conclude that computational advantages of neural networks parallelization on a heterogeneous cluster consisting of several personal computers will become apparent only in the case of very complex neural networks, composed of many thousands of neurons.%W artykule wskazano na pewne aspekty związane z implementacją jednokierunkowej sieci neuronowej w architekturze równoległej z wykorzystaniem standardu przesyłania komunikatów MPI. Zaprezentowany przykład zastosowania sieci dotyczy klasycznego problemu aproksymacji funkcji. Zbadano wpływ liczby uruchamianych procesów na efektywność procedury uczenia i działania sieci oraz zademonstrowano negatywny wpływ opóźnień powstałych przy przesyłaniu danych za pomocą sieci LAN.
机译：本文研究了有关使用MPI通信协议在并行计算机体系结构中实现前馈神经网络的一些特征。描述了神经网络并行化的两种基本方法：神经网络（图1）和突触并行化（图2）。基于提出的方法，构建了实现前馈多层神经网络的原始应用程序。该应用程序包括：Java运行时接口（图3）和基于MPI通信协议的计算模块。仿真测试包括在神经网络中应用到非线性函数逼近的经典问题。研究了进程数量对网络学习效率的影响（图4，表1）。本文还演示了局域网中传输时间延迟的负面影响。作者得出的结论是，只有在由数千个神经元组成的非常复杂的神经网络的情况下，在由数台个人计算机组成的异构集群上神经网络并行化的计算优势才会变得明显。％W MPI中的神经网络架构。 Zaprezentowanyprzykładzastosowania sieci dotyczy klasycznego problemu aproksymacji funkcji。 Zbadanowpływliczby uruchamianychprocesównaefektywnośćprocucóryuczenia idziałaniasieci oraz zademonstrowano negatywnywpływopóźnieńpowstałychprzysieani lannych za pomoc。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号