Методы и модели производительности обучения многослойных нейронных сетей в распределенных компьютерных средах

• Опубліковано в: : Штучний інтелект
• Дата: 2011
• Автори: Аксак, Н.Г., Лебёдкина, А.Ю.
• Формат: Стаття
• Мова: Російська
• Опубліковано: Інститут проблем штучного інтелекту МОН України та НАН України 2011
• Теми: Нейронные сети и нейросетевые технологии. Информационная безопасность ИС
• Онлайн доступ: https://nasplib.isofts.kiev.ua/handle/123456789/60497
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Цитувати: Методы и модели производительности обучения многослойных нейронных сетей в распределенных компьютерных средах / Н.Г. Аксак, А.Ю. Лебёдкина // Штучний інтелект. — 2011. — № 4. — С. 481-488. — Бібліогр.: 6 назв. — рос.

В работе предложены методы и модели производительности параллельных процедур, которые позволяют эффективно применять многослойную нейронную сеть в распределенных компьютерных средах с различными топологиями («решетка», «полносвязный граф», «звезда»). Достоверность использования предложенных методов и моделей подтверждается экспериментальными исследованиями. У статті запропоновано методи та моделі продуктивності паралельних процедур, які дозволяють ефективно застосовувати багатошарову нейронну мережу в розподілених комп’ютерних середовищах з різними топологіями («решітка», «повнозв’язний граф», «зірка»). Достовірність використання запропонованих методів і моделей підтверджується експериментальними дослідженнями. The methods and performance modelsof parallel processes that enable effectivemultilevel neural networks use in distributed computing environments with different topologies (“grid”, “fully connected graph”, “star”) are proposed inthe paper. The reliability of the proposed methods and models is confirmed by experimental researches.