Параллельная нейрообработка больших данных в распределенной среде на основе MapReduce

Abstract

Предложены методы ускоренного обучения и функционирования многослойной нейронной сети прямого распространения в компьютерных кластерах с различными топологиями передачи данных. Разработанные MapReduce модели нейрообработки больших данных позволили равномерно планировать вычислительную нагрузку. Запропоновано методи прискореного навчання і функціонування багатошарової нейронної мережі прямого поширення в комп'ютерних кластерах з різними топологиями передачі даних. Розроблені MapReduce моделі нейрообработкі великих даних дозволили рівномірно планувати обчислювальне навантаження. Methods for speed up training and functioning of the multilayered feedforward neural network in computer clusters with different virtual topologies are developed. The balanced planning of processing power is executed by developed MAPREDUCE model of neuroprocessing big data.