Проекты Отдела прикладных сетевых исследований НЦЧ РАН и Группы по вычислительной физике и сетевым исследованиям ИТФ им Л.Д. Ландау РАН

Контактная информация

Адрес:

Лесная улица, д. 9, ком. 202  
г. Черноголовка, Московской обл, 142432, Россия

тел: (495) 993-48-44

факс: (495) 993-58-17

e-mail: adm@chg.ru 

Этот e-mail адрес защищен от спам-ботов, для его просмотра у Вас должен быть включен Javascript

 
Главная Проекты Завершенные проекты Проект Neural Net - нейросеть
Проект Neural Net - нейросеть PDF Печать E-mail

Нейронные сети в настоящее время с успехом применяются для решения самых разнообразных задач – оптическое распознавание печатного и рукописного текста, распознавание речи и изображений, обработка сигналов и управление динамическими системами, прогнозирование свойств в моделях структура – активность, прогнозирование поведения временных рядов и др.

Нейросети используются для решения задач, для которых невозможна четкая алгоритмизация, но существует достаточный набор пар «известное воздействие – известный отклик» из предметной области. Подавая на вход нейросети известное воздействие и изменяя веса связей (а, возможно, и геометрическую структуру сети), можно добиться соответствия между выходом и известным откликом. Проведя такую операцию на всем наборе известных пар «воздействие – отклик», получаем обученную нейросеть, способную выдавать ответы на неизвестные вопросы из предметной области.

Нейросервер развернут на распределенном вычислительном кластере Института теоретической физики им. Л.Д. Ландау. Кластер представляет собой локальную вычислительную подсеть из машин класса Pentium II/III – 300-800 MHz. Количество машин в кластере – 10, половина из них – 2-х процессорные, суммарная теоретическая производительность – 10 Gflops, скорость передачи данных в сети – 100 Mbps (коммутируемый Fast Ethernet). Операционная система – FreeBSD. Одной из главных задач работы является распараллеливание. Наиболее ресурсоемкими операциями в нейровычислениях вообще и в используемом алгоритме обратного распространения ошибок, в частности, являются матричные операции (скалярное умножение, умножение матрицы на вектор и т.п.). Существуют хорошо отработанные методы распараллеливания таких вычислений на распределенных вычислительных системах, что и реализовано нами в алгоритме Parallel error back propagation с использованием библиотеки MPI.

Публикации:


А.Ю. Довженко, С.А. Крашаков. Параллельная нейронная сеть с удаленным доступом на базе распределенного кластера ЭВМ. Тезисы докл. II международн. симп. "Компьютерное обеспечение химических исследований" (Москва, 22-23 мая 2001 г.) и III Всерос. школы-конф. по квантовой и вычисл. химии им. В.А. Фока.  с. 52-53.

 
(c) Department of applied network research SCC RAS
Slideshow is powered by phatfusion / Design by Next Level Design / Script by Joomla!
XXX Porn Tube