基于Agent和数据切片的分布式神经网络协同学习研究

杨博王亚东苏小红唐降龙哈尔滨工业大学计算机学院哈尔滨150001

	摘要：针对目前神经网络在处理类似生物信息数据库这类较大规模数据时，遇到的大规模数据处理耗时过长、内存资源不足等问题．在分析当前神经网络分布式学习的基础上，提出了一种新的基于Agent和切片思想的分布式神经网络协同训练算法．通过对训练样本和训练过程的有效切分，整个样本集的学习被分配到一个分布式神经网络集群环境中进行协同训练，同时通过竞争筛选机制，使得学习性能较好的训练个体能有效地在神经网络群中迁移，以获得较多的资源进行学习．理论分析论证了该方法不仅能有效提高神经网络向目标解收敛的成功率，同时也具有较高的并行计算性能，以加快向目标解逼近的速度．最后，该方法被应用到了蛋白质二级结构预测这一生物信息学领域的问题上．结果显示，该分布式学习算法不仅能有效地处理大规模样本集的学习，同时也改进了训练得到的神经网络性能．

	格式：PDF 页数：8 页页码范围：2096-2103页
	学科分类：【工业技术】 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
	关键词：多层人工神经网络分布式学习算法生物信息学蛋白质结构预测
	来源期刊：《计算机研究与发展》2006年第12期
	收录数据库：中文科技期刊数据库

充值方式：