Национальный цифровой ресурс Руконт - межотраслевая электронная библиотека (ЭБС) на базе технологии Контекстум (всего произведений: 634757)
Контекстум
.
Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии  / №1 2011

ВЫЧИСЛЕНИЕ И ОБУЧЕНИЕ ИСКУСТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ ПРЯМОГО РАСПРОСТАНЕНИЯ НА ГРАФИЧЕСКОМ ПРОЦЕССОРЕ (90,00 руб.)

0   0
Первый авторЗапрягаев
АвторыКарпушин А.А.
Страниц8
ID519952
АннотацияВ статье рассматривается возможность использования графического процессора в задаче обучения искусственных нейронных сетей на основе многослойного перцептрона. Предлагается алгоритм, значительно ускоряющий обучение нейронной сети на графическом процессоре в сравнении с обучением сети на центральном процессоре
УДК004.021
Запрягаев, С.А. ВЫЧИСЛЕНИЕ И ОБУЧЕНИЕ ИСКУСТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ ПРЯМОГО РАСПРОСТАНЕНИЯ НА ГРАФИЧЕСКОМ ПРОЦЕССОРЕ / С.А. Запрягаев, А.А. Карпушин // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии .— 2011 .— №1 .— С. 156-163 .— URL: https://rucont.ru/efd/519952 (дата обращения: 25.04.2024)

Предпросмотр (выдержки из произведения)

УДК 004.021 ВЫЧИСЛЕНИЕ И ОБУЧЕНИЕ ИСКУСТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ ПРЯМОГО РАСПРОСТАНЕНИЯ НА ГРАФИЧЕСКОМ ПРОЦЕССОРЕ С. А. <...> Запрягаев, А. А. Карпушин Воронежский Государственный Университет Поступила в редакцию 29.03.2011 г. Аннотация. <...> В статье рассматривается возможность использования графического процессора в задаче обучения искусственных нейронных сетей на основе многослойного перцептрона. <...> Предлагается алгоритм, значительно ускоряющий обучение нейронной сети на графическом процессоре в сравнении с обучением сети на центральном процессоре. <...> The article describes implementation of artificial neural networks on GPU. <...> An effective neural network training algorithm, which takes into account GPU architecture, is provided. <...> ВВЕДЕНИЕ Применение искусственных нейронных сетей получило широкое распространение со времени разработки одной из первых моделей нейрона МакКалока-Питса. <...> Суммарное количество нейронов в современных искусственных нейронных сетях достигает нескольких тысяч, а количество межнейронных связей в них сотен тысяч. <...> Обучение и вычисление таких нейронных сетей требует огромных вычислительных ресурсов. <...> Для решения этой проблемы используются как специальные типы архитектур нейронных сетей [1], аккумулирующие промежуточные данные между эпохами обучения сети, так и различные методы распараллеливания и распределенного вычисления нейронной сети [2, 3]. <...> Другим способом уменьшения времени обучения нейронной сети является использование графического процессора во время ее обучения. <...> Современный графический процессор, являющийся неотъемлемой частью любого персонального компьютера, представляет собой высокопроизводительное устройство, архитектура которого позволяет выполнять несколько сотен простых операций параллельно. <...> © Запрягаев С. А., Карпушин А. А., 2011 Возможность программировать GPU привела к использованию его для решения широкого класса задач, несвязанных с графикой. <...> Такое использование графического процессора получило название GPGPU (General Purpose computations on Graphics Processing <...>