×
蒋云；卓俊宇；张娟；肖，肖

基于Spark的并行卷积RBM优化。 （英语） Zbl 1411.68109号

国际J.Wavelets多分辨率。信息处理。 17，第2号，文章ID 1940011，13 p.（2019）。
摘要：随着学者们对深度学习的广泛关注和研究，基于受限Boltzmann机器（RBM）的卷积限制Boltzman机器（CRBM）模型被广泛应用于图像识别、语音识别等领域。然而，耗时的训练似乎仍是一个不可忽视的问题。为了解决这一问题，本文主要使用基于Spark的优化并行CRBM，提出了一种基于Spark的并行比较发散算法，并将其用于训练CRBM模型以提高训练速度。实验表明，该方法比传统的序列算法速度更快。我们用该方法训练CRBM，并将其应用于乳腺X射线图像分类。实验表明，与传统算法相比，该算法可以提高训练的精度和速度。

引用于2文件

MSC公司：

68T05型 人工智能中的学习和自适应系统
62H30型 分类和区分；聚类分析（统计方面）
68单位10 图像处理的计算方法
68宽10 计算机科学中的并行算法

关键词：

深度学习；火花；卷积限制玻尔兹曼机；并行算法

软件：

MapReduce
PDF格式BibTeX公司 XML格式引用
\textit{Y.Jiang}等人，《国际小波多分辨率》。信息处理。17，第2号，文章ID 1940011，13 p.（2019；Zbl 1411.68109）
全文： 内政部

参考文献：

[1] LeCun，Y.、Bengio，Y.和Hinton，G.，《深度学习》，《自然》521（7553）（2015）436。
[2] Palangi，H.、Ward，R.和Deng，L.，《分布式压缩传感的卷积深层叠加网络》，《信号处理》第131期（2017年）第181-189页。
[3] Zhang，T.等人，《可变光照下人脸识别的多尺度人脸结构表征》，《模式识别》42（2）（2009）251-258·兹比尔1162.68644
[4] C.Wang等人，DLAU:FPGA上的可扩展深度学习加速器单元，预印本（2016），arXiv:1605.06894。
[5] Wicht，B.、Fischer，A.和Hennebert，J.，《受限Boltzmann机器和卷积RBM的CPU性能优化》，载于IAPR模式识别中的人工神经网络研讨会（Springer，Cham，2016），第163-174页。
[6] Yang，J.和He，S.，基于Spark的并行DBN优化，《智能与进化系统》（Springer，Cham，2016），第157-169页。
[7] Dean，J.、Corrado，G.和Monga，R.，《大规模分布式深层网络，高级神经信息处理》。系统。(2012) 1223-1231.
[8] Seide，F.等人，《1位随机梯度下降及其在语音DNN数据并行分布式训练中的应用》，载于第十五届国际语音通信协会年会（2014年），第1058-1062页。
[9] De Grazia，M.D.F.、Stoianov，I.和Zorzi，M.，《深度网络的并行化》，摘自Proc。2012年欧洲交响乐团。人工神经网络，计算智能和机器学习（2012），第621-626页。
[10] 唐义勇，陶义明，林永明，基于分形行为的特征提取新方法，模式识别。35（5）（2002）1071-1081·Zbl 0997.68117号
[11] Chen，S.，Wu，C.和Yu，Y.，《Hadoop和Spark植物育种分析》，Adv.Agric.2016（2016），文章编号：7081491（6页）。
[12] Zhang，T.等人，《广义判别分析：矩阵指数法》，IEEE Trans。系统。人类网络。B Cybern40（1）（2010）186-197年。
[13] Dean，J.和Ghemawat，S.，MapReduce：大型集群上的简化数据处理，Commun。ACM51（1）（2008）107-113。
[14] Bakirov，A.、乔·阿尔米什，K.N.和Bulut，A.，可扩展情绪分析，土耳其J.Electr。工程计算。科学24（3）（2016）1560-1570。
[15] Lee，H.等人，卷积深信度网络分层表示的无监督学习，Commun。ACM54（10）（2011）95-103。
[16] Lee，H.等人，《用于分级表示的可扩展无监督学习的卷积深信念网络》，收录于Proc。第26届国际会议机器学习ACM（2009），第609-616页。
[17] Ren，J.S.和Xu，L.，《关于视觉任务中深度卷积神经网络的矢量化》，载于AAAI（2015），第1840-1846页。
[18] Cherian，A.、Koniusz，P.和Gould，S.，通过动作识别的内核线性化实现CNN特征的高阶池，2017 IEEE Winter Conf.计算机视觉应用（WACV）（2017），第130-138页。
[19] Ueyoshi，K.et al.，用于受限Boltzmann机器的可扩展和高度并行架构的FPGA实现，电路系统7（2016）2132-2141。
[20] Zaharia，M.等人，《火花：使用工作集的集群计算》，HotCloud10（10-10）（2010）95。
[21] Chen，N.等人，基于区分受限Boltzmann机器的医学图像分类方法，中国。J.计算。《科学》第42（5）（2015）315-319页。
[22] Inan，O.，Uzer，M.S.和Yilmaz，N.，一种新的基于关联规则和PCA的混合特征选择方法，用于乳腺癌检测，Int.J.Innov。计算。信息控制9（2）（2013）727-729。
[23] Lang，F.N.等人，基于自适应图像归一化和四元数PCA的彩色图像水印算法，专家系统。申请39（15）（2012）12046-12060。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。