本文選題：BP神經(jīng)網(wǎng)絡(luò) + 遺傳算法��； 參考：《計(jì)算機(jī)工程與科學(xué)》2016年12期

【摘要】：為提高大樣本集情況下BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效率,提出了一種基于局部收斂權(quán)陣進(jìn)化的BP神經(jīng)網(wǎng)絡(luò)MapReduce訓(xùn)練方法,以各Map任務(wù)基于其輸入數(shù)據(jù)分片訓(xùn)練產(chǎn)生的局部收斂權(quán)陣作為初始種群,在Reduce任務(wù)中通過種群進(jìn)化,選取適應(yīng)度最高的權(quán)陣作為Map任務(wù)下一輪訓(xùn)練的初始權(quán)陣,直至該權(quán)陣對(duì)所有輸入數(shù)據(jù)分片收斂。實(shí)驗(yàn)結(jié)果表明,與現(xiàn)有方法相比,該方法可有效避免MapReduce訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)時(shí)容易陷入局部收斂的問題,并大大減少訓(xùn)練時(shí)間。
[Abstract]:In order to improve the training efficiency of BP neural network with large sample set, a BP neural network MapReduce training method based on local convergence weight matrix evolution is proposed.The local convergence weight matrix generated by each Map task based on its input data slice training is taken as the initial population. Through population evolution in the Reduce task, the highest fitness weight matrix is selected as the initial weight matrix for the next round of training of the Map task.Until the weight matrix is piecewise convergent to all input data.The experimental results show that the proposed method can effectively avoid the problem of local convergence and greatly reduce the training time when MapReduce trains BP neural networks.
【作者單位】： 西北師范大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院;
【基金】：國家自然科學(xué)基金(61462076) 甘肅省自然科學(xué)基金(1104GKCA023) 甘肅省科技攻關(guān)項(xiàng)目(1208RJZA134) 西北師范大學(xué)青年教師科研提升計(jì)劃(NWNU-LKQN-12-30)
【分類號(hào)】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前5條

1 趙建華,王子才;線性最優(yōu)調(diào)節(jié)器的加權(quán)陣選擇[J];航空學(xué)報(bào);1988年11期

2 王子才;權(quán)太范;;設(shè)計(jì)最優(yōu)調(diào)節(jié)器的混合法[J];自動(dòng)化學(xué)報(bào);1986年01期

3 趙齊安,姜東輝;LQ問題中等價(jià)權(quán)陣研究[J];齊齊哈爾輕工學(xué)院學(xué)報(bào);1992年01期

4 薛東海;朱杰;李銘琦;王艷萍;張軍杰;;基于CVT排布的非周期柵格密度加權(quán)陣設(shè)計(jì)[J];雷達(dá)學(xué)報(bào);2014年04期

5 ;[J];;年期

相關(guān)會(huì)議論文 前1條

1 張紹德;錢啟林;;在指定圓域內(nèi)選擇加權(quán)陣及其魯棒控制器的設(shè)計(jì)[A];1996中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

相關(guān)重要報(bào)紙文章 前1條

1 江蘇南通市觀音山鎮(zhèn)工會(huì) 葛振民;在矛盾漩渦中堅(jiān)守維權(quán)陣地[N];工人日?qǐng)?bào);2006年

，

本文編號(hào)：1766616