基于并联机构单一性能指标的多样性和各单一性能指标之间的非线性关系,将核主成分分析(Kernel Principal Component Analysis,KPCA)方法与误差反传播(Back Propagation,BP)神经网络技术相结合,建立一个对可完成不同工作任务的并联机构...基于并联机构单一性能指标的多样性和各单一性能指标之间的非线性关系,将核主成分分析(Kernel Principal Component Analysis,KPCA)方法与误差反传播(Back Propagation,BP)神经网络技术相结合,建立一个对可完成不同工作任务的并联机构进行综合性能评价的KPCA-BP神经网络模型。通过合理的系统抽样,利用KPCA对BP神经网络的输入数据进行预处理,既能处理各单一性能指标间的非线性关系,又能简化BP神经网络结构,加快网络学习速度,提高预测精度,进而提出一种基于多种单一性能指标的并联机构全局综合性能评价新方法,为并联机构工作任务优序关系研究提供科学的参考依据。展开更多
BP(back propagation)算法是一种常用的神经网络学习算法,而基于Hadoop集群MapReduce编程模型的BP(MapReduce back propagation,MRBP)算法在处理大数据问题时,表现出良好的性能,因而得到了广泛应用.但是,由于该算法缺乏神经节点之间细...BP(back propagation)算法是一种常用的神经网络学习算法,而基于Hadoop集群MapReduce编程模型的BP(MapReduce back propagation,MRBP)算法在处理大数据问题时,表现出良好的性能,因而得到了广泛应用.但是,由于该算法缺乏神经节点之间细粒度结构并行的能力,当遇到数据维度较高、网络节点较多时,性能还显不足.另一方面,Hadoop集群计算节点通信不能由用户直接控制,现有基于集群系统的结构并行策略不能直接用于MRBP算法.为此,提出一种适合于Hadoop集群的结构并行MRBP(structure parallelism based MapReduce back propagation,SP-MRBP)算法,该算法将神经网络各层划分为多个结构,通过逐层并行-逐层集成(layer-wise parallelism,layer-wise ensemble,LPLE)的方式,实现了MRBP算法的结构并行.同时,推导出了SP-MRBP算法和MRBP算法计算时间解析表达式,以此分析了2种算法时间差和SP-MRBP算法最优并行规模.据了解,这是首次将结构并行策略引入MRBP算法中.实验表明,当神经网络规模较大时,SP-MRBP较之原算法,具有较好的性能.展开更多
文摘基于并联机构单一性能指标的多样性和各单一性能指标之间的非线性关系,将核主成分分析(Kernel Principal Component Analysis,KPCA)方法与误差反传播(Back Propagation,BP)神经网络技术相结合,建立一个对可完成不同工作任务的并联机构进行综合性能评价的KPCA-BP神经网络模型。通过合理的系统抽样,利用KPCA对BP神经网络的输入数据进行预处理,既能处理各单一性能指标间的非线性关系,又能简化BP神经网络结构,加快网络学习速度,提高预测精度,进而提出一种基于多种单一性能指标的并联机构全局综合性能评价新方法,为并联机构工作任务优序关系研究提供科学的参考依据。
文摘BP(back propagation)算法是一种常用的神经网络学习算法,而基于Hadoop集群MapReduce编程模型的BP(MapReduce back propagation,MRBP)算法在处理大数据问题时,表现出良好的性能,因而得到了广泛应用.但是,由于该算法缺乏神经节点之间细粒度结构并行的能力,当遇到数据维度较高、网络节点较多时,性能还显不足.另一方面,Hadoop集群计算节点通信不能由用户直接控制,现有基于集群系统的结构并行策略不能直接用于MRBP算法.为此,提出一种适合于Hadoop集群的结构并行MRBP(structure parallelism based MapReduce back propagation,SP-MRBP)算法,该算法将神经网络各层划分为多个结构,通过逐层并行-逐层集成(layer-wise parallelism,layer-wise ensemble,LPLE)的方式,实现了MRBP算法的结构并行.同时,推导出了SP-MRBP算法和MRBP算法计算时间解析表达式,以此分析了2种算法时间差和SP-MRBP算法最优并行规模.据了解,这是首次将结构并行策略引入MRBP算法中.实验表明,当神经网络规模较大时,SP-MRBP较之原算法,具有较好的性能.
