[发明专利]一种基于粒子群算法的分布式深度学习参数更新方法有效
| 申请号： | 202010100999.2 | 申请日： | 2020-02-19 |
| 公开（公告）号： | CN111353582B | 公开（公告）日： | 2022-11-29 |
| 发明（设计）人： | 吕建成;叶庆;郎九霖;彭德中;桑永胜;彭玺;贺喆南;孙亚楠 | 申请（专利权）人： | 四川大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G06N3/00 |
| 代理公司： | 北京正华智诚专利代理事务所(普通合伙) 11870 | 代理人： | 代维凡 |
| 地址： | 610064 四川*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于粒子群算法的分布式深度学习参数更新方法，初始化分布式集群和神经网络参数；利用编码策略对粒子群进行初始化，每个计算节点编码为一颗粒子；计算神经网络最大的训练迭代次数；对神经网络进行训练；收集所有计算节点的神经网络参数和每个粒子的适应度值；获取粒子群当前迭代的全局最优值和粒子的局部最优值；计算新的神经网络参数；将新的参数分发至所有计算节点；若当前迭代次数达到最大迭代次数，结束对分布式深度学习参数的更新。本发明利用所有计算节点训练的神经网络参数，并对其进行优化，该方法可以很好的兼顾通信开销和收敛性，解决了数据并行分布式训练平台中参数同步周期和通信开销难以权衡的问题。 | ||
| 搜索关键词： | 一种 基于 粒子 算法 分布式 深度 学习 参数 更新 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于四川大学，未经四川大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202010100999.2/，转载请声明来源钻瓜专利网。
- 上一篇：一种考虑地貌类型贡献率的边坡倾倒变形分析方法
- 下一篇：一种MoS
