Параллельная реализация решения задач прогнозирования и классификации на кластере на основе искусственных нейронных сетей

Рассмотрен подход к параллельному решению задач классификации и прогнозирования для аппарата искусственных нейронных сетей в условиях большой размерности исходных и результирующих данных. Получены временные характеристики решения задачи обучения нейронных сетей с различной архитектурой, количеством...

Full description

Saved in:
Bibliographic Details
Date:2010
ISSN:1727-4907
Main Authors: Минухин, С.В., Знахур, С.В.
Format: Article
Language:Russian
Published: Інститут програмних систем НАН України 2010
Subjects:
Online Access:https://nasplib.isofts.kiev.ua/handle/123456789/14685
Tags: Add Tag
No Tags, Be the first to tag this record!
Journal Title:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Cite this:Параллельная реализация решения задач прогнозирования и классификации на кластере на основе искусственных нейронных сетей / С.В. Минухин, С.В. Знахур // Пробл. програмув. — 2010. — № 2-3. — С. 115-124. — Бібліогр.: 7 назв. — рос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine
Description
Summary:Рассмотрен подход к параллельному решению задач классификации и прогнозирования для аппарата искусственных нейронных сетей в условиях большой размерности исходных и результирующих данных. Получены временные характеристики решения задачи обучения нейронных сетей с различной архитектурой, количеством нейронов и алгоритмов обучения. Приведены условия их эффективности при распараллеливании на вычислительном кластере. An approach to the parallel solution of problems of classification and prediction for the apparatus of artificial neural networks in a large dimension of input and output data. Obtain the temporal characteristics of solving the problem of training neural networks with different architectures, the number of neurons and learning algorithms. We give conditions for their effectiveness in parallelizing on a computational cluster.
ISSN:1727-4907