A Component Architecture for Artificial Neural Network Systems

Zitieren

Dateien zu dieser Ressource

Prüfsumme: MD5:743bc899d0a8ac06201ba8c06e097d48

BECKENKAMP, Fábio Ghignatti, 2002. A Component Architecture for Artificial Neural Network Systems

@phdthesis{Beckenkamp2002Compo-5813, title={A Component Architecture for Artificial Neural Network Systems}, year={2002}, author={Beckenkamp, Fábio Ghignatti}, address={Konstanz}, school={Universität Konstanz} }

2011-03-24T16:00:17Z application/pdf Beckenkamp, Fábio Ghignatti eng 2002 A Component Architecture for Artificial Neural Network Systems deposit-license Eine Komponentenarchitektur für künstliche neuronale Netzwerksysteme 2011-03-24T16:00:17Z Beckenkamp, Fábio Ghignatti Die Arbeit stellt zuerst die Architekturbausteine eines Komponentenframeworks dar, das im Rahmen der Dissertation implementiert wurde und die Wiederverwendung der<br />Kernteile von Modellen für künstliche neuronale Netze (artificial neural networks, ANN)<br />erlaubt. Obwohl es eine Reihe von verschiedenen ANN-Modellen gibt, wurde ein<br />wesentlicher Aspekt bisher kaum untersucht: die Bereitstellung wiederverwendbarer Komponenten, die eine effiziente Implementierung entsprechender Systemarchitekturen für diese Domäne ermöglichen. Das Komponentenframework wird mit bestehenden Implementierungsansätzen für ANN-Modelle und -Simulationen verglichen. Bei der Anwendung von ANN gibt es Schwierigkeiten, wie zum Beispiel Begrenzungen von Hardwareressourcen und passende Softwarelösungen. Die Tatsache, wie sich die ANN-Komponenten die Parallelisierung von vernetzten Computern zunutze machen, stellt einen Beitrag zum Stand der Technik im mobilen Code und in verteilten Systemen dar. Die Software-Architektur wurde so definiert, dass sie die Parallelisierung sowohl der internen Ausführung eines ANNs wie auch der Simulation von unterschiedlichen ANNs, simultan auf derselben Maschine oder auf unterschiedlichen Maschinen verteilt, erleichtert. Das kombinatorische Netzmodell (CNM) wurde dabei als Fallstudie für die Implementierung von Parallelität auf der Ebene der ANN-Struktur gewählt. Die durchgeführte Verbesserung eines der ANN-Modelle, nämlich des CNM, stellt einen Beitrag zum Bereich der ANNs selbst und zum Data-Mining dar. Der ursprüngliche CNM-Algorithmus konnte erheblich verbessert werden hinsichtlich der Optimierung des Suchraumes, das heißt höhere Ausführungsgeschwindigkeit und weniger Speicherverbrauch. Das letzte Kapitel bietet einen Überblick über offene Forschungsfragen, die während der Dissertation aufgetaucht sind.

Dateiabrufe seit 01.10.2014 (Informationen über die Zugriffsstatistik)

fabio.pdf 167

Das Dokument erscheint in:

KOPS Suche


Stöbern

Mein Benutzerkonto