資源描述:
《基于MapReduce模型的Hopfield神經(jīng)網(wǎng)絡(luò)聯(lián)想記憶算法.pdf》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、第30卷第8期計(jì)算機(jī)應(yīng)用與軟件Vo1.3ONo.82013年8月ComputerApplicationsandSoftwareAug.2013基于MapReduce模型的Hopfield神經(jīng)網(wǎng)絡(luò)聯(lián)想記憶算法曾日俊r欠(長(zhǎng)江師范學(xué)院數(shù)學(xué)與計(jì)算機(jī)學(xué)院重慶4081O0)摘要Hopfield神經(jīng)網(wǎng)絡(luò)以良好的聯(lián)想記憶功能、容錯(cuò)性而得到廣泛的應(yīng)用。然而,云計(jì)算平臺(tái)下,面對(duì)海量數(shù)據(jù)時(shí)它并不能在單機(jī)上存儲(chǔ)高維度模式以及獲得良好的性能。另外,傳統(tǒng)的聯(lián)想記憶網(wǎng)絡(luò)數(shù)據(jù)分布存儲(chǔ),使得MapReduce結(jié)構(gòu)可以很好地解決并行化和分布性的問題。根據(jù)以上原理
2、,提出一種MRHAM(MapReduce—basedHopfieldNetworkforAssociationMemory)算法,對(duì)傳統(tǒng)的Hopfield聯(lián)想記憶算法采用MapReduee架構(gòu)實(shí)現(xiàn)大規(guī)模并行化處理。通過實(shí)驗(yàn)驗(yàn)證在大規(guī)模數(shù)據(jù)量下獲得比傳統(tǒng)Hopfield聯(lián)想記憶算法更好的性能,對(duì)于海量數(shù)據(jù)的基于內(nèi)容存儲(chǔ)、聯(lián)想記憶有重要意義。關(guān)鍵詞MapReduceHopfield聯(lián)想記憶云平臺(tái)大規(guī)模數(shù)據(jù)中圖分類號(hào)TP183文獻(xiàn)標(biāo)識(shí)碼ADOI:10.3969/j.issn.1000—386x.2013.08.072HoPFIELDN
3、EURALNETWoRKASSoCIATIVEMEMoRYALGoIUTHMBASEDoNMAPREDUCEMoDELZengJun(CollegeofMathematicsandCompu~rScience,YangtzeNormalUniversity,Chongqing408100,China)AbstractHopfieldnetworkisawidelyusedneuralnetworkforitsexcellentperformanceinassociativememoryandfaulttolerafltprope
4、rty.However,oncloudcomputingplatform,itisnotabletostorehigh-dimensionalmodeinasinglecomputerandtoacquiregoodperformancewhencomeacrossmassivedata.Besides,thedatastorageintraditionalassociativememorynetworksisdistributed,thisenablestheMapReducestructurecanwellsolvethep
5、arallelisationanddistributionproblems.Accordingtotheprincipleabove,weputforwardanalgorithmofMRHAM(MapReduce-basedHopfieldNetworkforAssociativeMemory)whichusesMapReducearchitecturetoimplementlarge·scaleparallelisedprocessingontraditionalHopfieldassociativememoryalgori
6、thm.ItisverifiedthroughexperimentthattheperformanceofMRHAMalgorithmacquiredinmassiveamountofdataisbetterthanthatofthetraditionalHopfieldassociativememoryalgorithm;thishasimportantsignificancetomassivedataforcontent—basedstorageandassociativememory.KeywordsMapReduceHo
7、pfieldAssociativememoryCloudcomputingMassivedata是針對(duì)大規(guī)模數(shù)據(jù)集下提供各類并行化機(jī)器學(xué)習(xí)算法,目前該0引言項(xiàng)目已經(jīng)有效應(yīng)用于云平臺(tái),成功實(shí)現(xiàn)各種海量數(shù)據(jù)機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘任務(wù)。然而并不是所有機(jī)器學(xué)習(xí)算法都進(jìn)行了并行化Hopfield神經(jīng)網(wǎng)絡(luò)是一種應(yīng)用十分廣泛的單層反饋神經(jīng)網(wǎng)實(shí)現(xiàn),依然有一些重要的機(jī)器學(xué)習(xí)算法需要處理大規(guī)模數(shù)據(jù)而絡(luò),它具有良好的優(yōu)化能力和聯(lián)想記憶能力,廣泛用于優(yōu)化計(jì)算傳統(tǒng)算法不適合于云平臺(tái)。這類算法的并行化研究對(duì)于云平臺(tái)和聯(lián)想記憶。然而,隨著數(shù)據(jù)規(guī)模的日益增長(zhǎng),該算
8、法以串行迭下的機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等應(yīng)用有重要意義。代方式難以獲得較快效率。因此對(duì)該算法在大規(guī)模數(shù)據(jù)平臺(tái)下神經(jīng)網(wǎng)絡(luò)作為最常用的機(jī)器學(xué)習(xí)算法之一,它的并行化實(shí)的并行化研究就十分必要。云計(jì)算是處理大規(guī)模數(shù)據(jù)的主流平現(xiàn)早就受到學(xué)者的重視。目前對(duì)神經(jīng)網(wǎng)絡(luò)的并行化主要在常用