Алгоритм решения задач параллельных вычислений и ее реализация в виде облачного сервиса на основе экспертных нейросетевых моделей
| Jazyk: | ruština |
|---|---|
| Rok vydání: | 2021 |
| Předmět: |
процесс обучения нейронной сети
cloud storage экспертная система sociological data neural network models parallel computing neural network нейросеть neural network learning process big data большие данные облачное хранилище параллельные вычисления нейросетевые модели социологические данные expert system |
| DOI: | 10.25791/pribor.2.2021.1241 |
| Popis: | При решении практических задач науки и техники обычно возникает проблема эффективной организации вычислений. Некоторые из этих задач характеризуются большой размерностью входных данных и поэтому требуют обработки больших объемов информации. Часто эти задачи решаются за счет алгоритмов нейронных сетей. Однако главным вызовом для исследователей является разработка и оптимизация существующих алгоритмов обучения нейронных сетей, ведь высокая частота смены информации и размерность данных приводят к росту необходимых для данных вычислений мощностей систем. В данной статье описан алгоритм построения экспертной системы на основе нейросетевых моделей в облачном сервисе для оптимизации методики построения экспертных нейронных сетей с удаленным ядром обработки. В результате выполнения работы была осуществлена разработка методики для параллельного обучения нейронной сети для облачного сервиса. Данная методика может быть использована для тренировки нейронных сетей предназначенных для классификации и распознавания образов программ. Были проанализированы методы и технологии для параллельного обучения нейронных сетей. When solving practical problems of science and technology, the problem of efficient organization of computations usually arises. Some of these tasks are characterized by a large dimension of the input data and therefore require processing of large amounts of information. Often these tasks are solved using neural network algorithms. However, the main challenge for researchers is the development and optimization of existing learning algorithms for neural networks, because the high frequency of information change and the dimension of the data lead to an increase in the system capacities required for these calculations. This article describes an algorithm for constructing an expert system based on neural network models in a cloud service to optimize the methodology for constructing expert neural networks with a remote processing core. As a result of the work, a methodology was developed for parallel training of a neural network for a cloud service. This technique can be used to train neural networks for the classification and pattern recognition of programs. Methods and technologies for parallel training of neural networks were analyzed. Приборы и системы. Управление, контроль, диагностика, Выпуск 2 2021 |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|