用于能耗数据分析的改进并行BP算法

摘要：

基于Map Reduce框架的传统BP神经网络算法收敛缓慢,训练易陷入局部极小点,使迭代次数过多,极大浪费资源.为此,提出并实现改进的并行BP算法,采用动态调节学习率、动量因子调整权重修正值,提升BP网络并行训练效率,利用预处理数据和最大分类概率增强分类的准确性.实验结果表明,改进的并行算法能提高分类准确率,缩短近17/18的训练时间.

关键词：神经网络、改进反向传播算法、Map Reduce架构、并行、学习率、动量因子

所属期刊栏目：38

分类号：TP387(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61074128

在线出版日期：2012-11-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：171-173,177