Please use this identifier to cite or link to this item: http://repository.hneu.edu.ua/handle/123456789/19061
Title: Параллельная нейрообработка больших данных в распределенной среде на основе MapReduce
Other Titles: Паралельна нейрообработка великих даних у розподіленому середовищі на основі MapReduce
Parallel processing of big data in a distributed environment based on MapReduce
Authors: Аксак Н. Г.
Аксак Н. Г.
Axak N. G.
Keywords: модель MapReduce
параллельная реализация
многослойная нейронная сеть
облачные вычисления
модель MapReduce
паралельна реалізація
багатошарова нейронна мережа
хмарні обчислення
model MapReduce
Parallel implementation
Multi-layer neural network
Cloud computing
Issue Date: 2018
Citation: Аксак Н. Г. Параллельная нейрообработка больших данных в распределенной среде на основе MapReduce / Н. Г. Аксак // Інформаційні технології: сучасній стан та перспективи: монографія / за заг. ред. В. С. Пономаренка. – Х. : Тов. «ДІСА ПЛЮС», 2018. – С. 325–340.
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.
URI: http://hdl.handle.net/123456789/19061
Appears in Collections:Статті (ІС)

Files in This Item:
File Description SizeFormat 
Аксак-монография 2018.pdf709,48 kBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.