典型文献
面向多核的并发HTM空间池算法
文献摘要：
层级时序记忆(Hierarchical Temporal Memory,HTM)是一种模拟生物大脑皮层结构的神经形态机器学习算法.由于HTM空间池(Spatial Pooler,SP)训练时需要搜索整个模型空间查找活跃微柱,算法时间复杂度高且不适用现有方法进行加速.针对此,本文提出了面向多核的并发HTM空间池算法,利用多核处理器的并发计算能力将空间池的训练分布在多个计算核心上并行完成,以加快查找速度,减少训练所需的时间开销.所提出的空间池训练方法包括基于分区的微柱激活策略和并发的近端树突调整算法.在多核大数据平台Phoenix上实现了面向多核的并发HTM(Multicore Concurrent Hierarchical Temporal Memo-ry,MCHTM)空间池算法原型,并使用NYC-Taxi、NAB和MNIST数据集进行了测试.实验结果表明,MCHTM相较于HTM,在NYC-Taxi、NAB和MNIST数据集上空间池的训练时间开销分别降低97.29％、97.25％和96.29％,预测准确率分别提高3.28％、1.83％和0.91％.相同训练时间开销下,相较于长短期记忆网络(Long Short-Term Memory,LSTM),MCHTM在NYC-Taxi和NAB数据集上均方根误差分别降低0.1266和0.089,在MNIST数据集上准确率提高0.42％.
文献关键词：
层级时序记忆;空间池;并发;多核;Phoenix
中图分类号：
作者姓名：
牛德姣;周时颉;蔡涛;杨乐;李雷
作者机构：
江苏大学计算机科学与通信工程学院,江苏镇江212013
文献出处：
引用格式：
[1]牛德姣;周时颉;蔡涛;杨乐;李雷-.面向多核的并发HTM空间池算法)[J].小型微型计算机系统,2022(09):1886-1893
A类：
Pooler,Multicore,MCHTM
B类：
空间池,层级时序记忆,Hierarchical,Temporal,Memory,大脑皮层,神经形态,机器学习算法,Spatial,SP,模型空间,时间复杂度,多核处理器,计算能力,心上,少训练,开销,训练方法,近端,树突,大数据平台,Phoenix,Concurrent,NYC,Taxi,NAB,MNIST,上空,训练时间,预测准确率,长短期记忆网络,Long,Short,Term
AB值：
0.293896
相似文献
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。
