Un problème d'ordonnancement en milieu hétérogène appliqué aux réseaux de neurones
Résumé
Neural networks are well known as universal approximators. But the performance of neural network depends on several parameters. Finding the best set of parameters has no theoretical answer. Neural network users are forced to try different sets of parameters, and then, choose the best among them. In this paper, we present a parallel solution, based on a master-slave software architecture. Tests are reported on two platforms (workstations network and Cray T3D), using the PVM environment. The load-balancing problem is also addressed. Results are given, for the approximation and the speed-up of the parallel execution.
Les réseaux de neurones constituent des approximateurs universels. Mais leurs performances dépendent de plusieurs paramètres dont aucune méthode théorique ne permet de déterminer les valeurs. Il faut donc tester différentes configurations, ce qui représente un énorme coût en temps, afin d'extraire le choix d'un bon ensemble de paramètres. Nous proposons une solution parallèle s'appuyant sur le modèle maître-esclave. Une implémentation a été réalisée sur différentes machines cibles (réseau de stations et Cray T3D) utilisant le système PVM, et prenant en compte le problème de l'équilibrage de charge. Des résultats sont donnés, concernant la qualité de l'approximation, et l'accélération apportée par le calcul en parallèle.
Origine : Fichiers produits par l'(les) auteur(s)
Loading...