Зведений каталог бібліотек Харкова

 

681.5
Л33Лебедкина, Лебедкина Алла Юрьевна.
    Методы и модели ускоренной нейросетевой обработки данных в распределенной вычислительной среде [Текст] : автореф. дис. ... канд. техн. наук : 05.13.23 "Системы и средства искусственного интеллекта" / МОНМС Украины, Харьк. нац. ун-т радиоэлектроники. — Харьков, 2012. — 175 с.


- Ключові слова:

багатопроцесорні обчислювальні системи, многопроцессорные вычислительные системы ; багатошарові нейронні мережі, многослойные нейронные сети ; геоінформаційні системи ( ГІС ) , геоинформационные системы ( ГИС ) ; мережі передачі данних, МПД, сети передачи данных, СПД ; паралельні обчислення, параллельные вычисления ; прискорення, ускорение ; продуктивність мереж, производительность сетей ; розподілені обчислення, распределенные вычисления, distributed computing ; штучні нейронні мережі, ШНМ, искусственные нейронные сети, ИНС ; Uniform Memory Access, UMA ; Symmetric Multiprocessing, SMP ; Single Instruction Multiple Data, SIMD ; Parallel Virtual Machine, PVM ; Parallel Language Integrated Query, PLINQ ; Open Multi-Processing, OpenMP ; Non-Uniform Memory Access, NUMA ; Non-Remote Memory Access, NORMA ; Multiple Instruction Multiple Data, MIMD ; Message Passing Interface, MPI ; Massive Parallel Processing, MPP

- Анотація:

Получила дальнейшее развитие модель ускоренной обработки данных многослойных нейронных сетей (МНС) в распределенной среде с виртуальными топологиями "звезда", "решетка", "полносвязный граф", позволяющая адаптировать нейровычисления МНС на высокопроизводительные архитектуры путем организации структуры виртуальных связей топологий передач данных между вычислителями. Для ускорения решения задач большой размерности впервые предлагается метод масштабирования вычислительной системы путем ускорения распределенной нейропроцедуры, который позволяет оценить продуктивность последующего повышения мощности вычислительной системы путем вычисления ускорения распределенной нейропроцедуры с учетом общего количества скалярных операций и потерь времени при обработке больших объемов данных, распределенных на каждый процессор в гетерогенной и гомогенной вычислительной среде. Проведенные вычислительные эксперименты подтвердили, что распределенная нейросетевая обработка данных позволяет значительно ускорить решение больших задач. Результаты работы использованы при решении нейросетевых задач разбраковки бесшовных труб различного назначения по качеству и прогнозирования экологической обстановки.

- Теми документа

  • УДК // Автоматика. Техніка автоматичного керування і регулювання. Високі технології. Смарт-технології
  • УДК // Архітектури паралельної обробки
  • Праці співробітників ХНУРЕ // Лебьодкіна Алла Юріївна, Лебедкина Алла Юрьевна, Lebyodkina Alla



Наявність
Установа Кількість Документ на сайті установи
Наукова бібліотека Харківського національного університету радіоелектроніки 1 Перейти на сайт