發(fā)布時間：2018-04-18 03:29

  本文選題：BP神經網(wǎng)絡 + 遺傳算法　； 參考：《計算機工程與科學》2016年12期

【摘要】：為提高大樣本集情況下BP神經網(wǎng)絡的訓練效率,提出了一種基于局部收斂權陣進化的BP神經網(wǎng)絡MapReduce訓練方法,以各Map任務基于其輸入數(shù)據(jù)分片訓練產生的局部收斂權陣作為初始種群,在Reduce任務中通過種群進化,選取適應度最高的權陣作為Map任務下一輪訓練的初始權陣,直至該權陣對所有輸入數(shù)據(jù)分片收斂。實驗結果表明,與現(xiàn)有方法相比,該方法可有效避免MapReduce訓練BP神經網(wǎng)絡時容易陷入局部收斂的問題,并大大減少訓練時間。
[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】： 西北師范大學計算機科學與工程學院;
【基金】：國家自然科學基金(61462076) 甘肅省自然科學基金(1104GKCA023) 甘肅省科技攻關項目(1208RJZA134) 西北師范大學青年教師科研提升計劃(NWNU-LKQN-12-30)
【分類號】：TP18

【相似文獻】

相關期刊論文 前5條

1 趙建華,王子才;線性最優(yōu)調節(jié)器的加權陣選擇[J];航空學報;1988年11期

2 王子才;權太范;;設計最優(yōu)調節(jié)器的混合法[J];自動化學報;1986年01期

3 趙齊安,姜東輝;LQ問題中等價權陣研究[J];齊齊哈爾輕工學院學報;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陣設計[J];雷達學報;2014年04期

5 ;[J];;年期

相關會議論文 前1條

1 張紹德;錢啟林;;在指定圓域內選擇加權陣及其魯棒控制器的設計[A];1996中國控制與決策學術年會論文集[C];1996年

相關重要報紙文章 前1條

1 江蘇南通市觀音山鎮(zhèn)工會 葛振民;在矛盾漩渦中堅守維權陣地[N];工人日報;2006年

，

本文編號：1766616