典型文献
大数据下基于特征图的深度卷积神经网络
文献摘要：
针对大数据环境下DCNN(deep convolutional neural network)算法中存在网络冗余参数过多、参数寻优能力不佳和并行效率低的问题,提出了大数据环境下基于特征图和并行计算熵的深度卷积神经网络算法MR-FPDCNN(deep convolutional neural network algorithm based on feature graph and parallel computing entropy using MapReduce).该算法设计了基于泰勒损失的特征图剪枝策略FMPTL(feature map pruning based on Taylor loss),预训练网络,获得压缩后的DCNN,有效减少了冗余参数,降低了DCNN训练的计算代价.提出了基于信息共享搜索策略ISS(information sharing strategy)的萤火虫优化算法IFAS(improved firefly algorithm based on ISS),根据"IFAS"算法初始化DCNN参数,实现DCNN的并行化训练,提高网络的寻优能力.在Reduce阶段提出了基于并行计算熵的动态负载均衡策略DLBPCE(dynamic load balancing strategy based on parallel computing entropy),获取全局训练结果,实现了数据的快速均匀分组,从而提高了集群的并行效率.实验结果表明,该算法不仅降低了DCNN在大数据环境下训练的计算代价,而且提高了并行系统的并行化性能.
文献关键词：
DCNN算法;MapReduce框架;FMPTL策略;IFAS算法;DLBPCE策略
中图分类号：
作者姓名：
毛伊敏;张瑞朋;高波
作者机构：
江西理工大学 信息工程学院,江西 赣州 341000;中国地质调查局 西安地质调查中心,西安 710000
文献出处：
引用格式：
[1]毛伊敏;张瑞朋;高波-.大数据下基于特征图的深度卷积神经网络)[J].计算机工程与应用,2022(15):110-116
A类：
FPDCNN,FMPTL,信息共享搜索策略,DLBPCE
B类：
特征图,大数据环境下,deep,convolutional,neural,network,网络冗余,冗余参数,参数寻优,寻优能力,并行效率,并行计算,深度卷积神经网络算法,MR,algorithm,feature,graph,parallel,computing,entropy,using,MapReduce,算法设计,泰勒,剪枝,map,pruning,Taylor,loss,预训练,ISS,information,sharing,strategy,萤火虫优化,IFAS,improved,firefly,初始化,并行化,动态负载均衡,均衡策略,dynamic,load,balancing,并行系统
AB值：
0.358208
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。
