Paralelo PSO para entrenamiento eficiente de redes neuronales utilizando GPGPU y Apache Spark en conjuntos de cómputo de borde
Autores: Capel, Manuel I.; Salguero-Hidalgo, Alberto; Holgado-Terriza, Juan A.
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Paralelo PSO para entrenamiento eficiente de redes neuronales utilizando GPGPU y Apache Spark en conjuntos de cómputo de borde
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Software
Palabras clave
Aprendizaje profundo de redes neuronales
Optimización de enjambre de partículas
Arquitectura GPGPU
Apache Spark
Procesamiento paralelo
Entornos distribuidos
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 26
Citaciones: Sin citaciones
La fase de entrenamiento de una red neuronal de aprendizaje profundo (DLNN) es un proceso computacionalmente exigente, especialmente para modelos que comprenden múltiples capas de neuronas intermedias.
Descripción
La fase de entrenamiento de una red neuronal de aprendizaje profundo (DLNN) es un proceso computacionalmente exigente, especialmente para modelos que comprenden múltiples capas de neuronas intermedias.