基于网格神经网络计算平台架构研究.docVIP

基于网格神经网络计算平台架构研究 　　摘要：首先简单介绍了神经网络计算平台的现状，随后描述了计算平台架构的设计实现思想及计算平台前后台架构，提出了一个神经网络模拟算法，并且就此算法在平台上进行事例编程。最后对神经网络计算平台的未来发展展开展望。 　　关键词：神经网络计算平台 网格 算法 　　中图分类号：TP393 文献标识码：A 文章编号：1007-9416(2011)10-0186-02 　　 　　ANN Computational platform based on Grid 　　 　　Abstract：First, This paper simply introduce thetechnology in our computation platform. And describes the design and realization of this computation platform in detail,and apply an ANN arithmetic on this platform to test the usability.At last,give wishes to ANN based on Grid in future. 　　Keywords：ANN, Computational platform Grid Algorithms J2EE 　　 　　人工神经网络（Artificial Neural Networks，简写为ANNs）也简称为神经网络（NNs）或称作连接模型（Connectionist Model），是对人脑或自然神经网络（Natural Neural Network）若干基本特性的抽象和模拟。由于神经网络应用环境的复杂性及要求处理大量数据的原因，从而神经网络计算需要超强的计算能力，因此在神经网络计算平台中引入了网格和分布式的思想，力图建立一个基于网格的神经网络计算平台。 　　1、网格和神经计算平台 　　1.1 神经网络的发展历史与现状 　　四十年代初，美国McCulloch和Pitts从信息处理的角度，研究神经细胞行为的数学模型表达，提出了二值神经元模型,开启了神经网络的研究先河。50年代末期～80年代初，Rosenblatt、Rosenblatt、Minsky和Paper等相继提出感知机(Perceptron)、隐含神经元、“知识库”等概念及理论。1986年Rumelhart等人在多层神经网络模型的基础上提出了多层神经网络模型的反向传播学习算法(BP算法)，解决了多层神经网络的学习问题。 　　目前在神经网络研究方法上已形成多个流派，最富有成果的研究工作包括：多层网络 BP算法，Hopfield网络模型，自适应共振理论，自组织特征映射理论等。人工神经网络是在现代神经科学的基础上提出来的。它虽然反映了人脑功能的基本特征，但远不是自然神经网络的逼真描写，而只是它的某种简化抽象和模拟。 　　1.2 网格技术的兴起 　　网格计算(grid)，就是指将多个计算机组成网格状网络。“grid”在英语中是“方格”的意思，是一种“模拟实现高性能计算机的技术”。比如，有一项业务需要一个人5分钟的处理时间。如果他身边有4个具有同样工作能力的帮手，可以把这项业务平均分成5等份，分别交给5个人进行处理。那么，理论上这项业务的处理时间将缩短到1分钟。这就是网格计算的基本思路。 　　网格概念的核心是资源及服务及对资源的使用。网格计算的实质，是在打破传统的强加在“资源”之上的种种限制的基础上，为使用者提供一科前所未有的高级服务。第三代Internet面临的任务将成为推动网格计算 (Gird Computing)发展的基本动力。 　　1.3 基于网格的神经网络平台 　　由于“网格”计算问题不是由单台计算机完成，而由多台计算机在预定的时间协同才能顺利解决完成。我们构建计算平台的目标就是解决对多台计算机的协同工作，实现一个基于共享计算资源的、用于解决大规模应用的高性能计算网格系统。在计算平台的设计中，采用了统一控制的思想和完全托管的思想，在计算平台硬软件、应用服务器、计算节点等基础的支持下进行计算。 　　2、神经网络计算平台 　　神经网络计算平台主要由四部分组成: 　　(1)用户互动部分:主要完成用户登录、计算请求和数据提交、获取结果等工作; 　　(2)网格部分: 主要完成计算平台资源的管理和分配，把算法发送到有合适闲置资源的机器上进行计算，以获取用户想要的结果; 　　(3)神经算法部分:主要提供给用户满足用户对各种计算的要求的算法，本部分需要遵从计算平台算法挂靠的接口以外挂算法的方式提供给用户，只要符合计算平台的接口即可。 　　(4)管理部分:完成对用户和算法的管理