典型文献
基于Im2col的并行深度卷积神经网络优化算法
文献摘要：
针对大数据环境下并行深度卷积神经网络(DCNN)算法中存在数据冗余特征多、卷积层运算速度慢、损失函数收敛性差等问题,提出了一种基于Im2col方法的并行深度卷积神经网络优化算法IA-PDCNNOA.首先,提出基于Marr-Hildreth算子的并行特征提取策略MHO-PFES,提取数据中的目标特征作为卷积神经网络的输入,有效避免了数据冗余特征多的问题;其次,设计基于Im2col方法的并行模型训练策略IM-PMTS,通过设计马氏距离中心值去除冗余卷积核,并结合MapReduce和Im2col方法并行训练模型,提高了卷积层运算速度;最后提出改进的小批量梯度下降策略IM-BGDS,排除异常节点的训练数据对批梯度的影响,解决了损失函数收敛性差的问题.实验结果表明,IA-PDCNNOA算法在大数据环境下进行深度卷积神经网络计算具有较好的性能表现,适用于大规模数据集的并行化深度卷积神经网络模型训练.
文献关键词：
大数据;深度卷积神经网络算法;并行计算;特征提取;图像分类
中图分类号：
作者姓名：
胡健;龚克;毛伊敏;陈志刚;陈亮
作者机构：
江西理工大学信息工程学院,江西赣州341000;赣南科技学院电子信息工程学院,江西赣州341000;中南大学 计算机学院,长沙410083
文献出处：
引用格式：
[1]胡健;龚克;毛伊敏;陈志刚;陈亮-.基于Im2col的并行深度卷积神经网络优化算法)[J].计算机应用研究,2022(10):2950-2956,2961
A类：
Im2col,PDCNNOA,PFES,PMTS,BGDS
B类：
神经网络优化,大数据环境下,数据冗余,冗余特征,卷积层,速度慢,损失函数,收敛性,IA,Marr,Hildreth,并行特征提取,提取策略,MHO,提取数据,目标特征,模型训练,训练策略,IM,马氏距离,余卷,卷积核,MapReduce,训练模型,小批量梯度下降,训练数据,大规模数据集,并行化,卷积神经网络模型,深度卷积神经网络算法,并行计算,图像分类
AB值：
0.289303
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
