用于能耗数据分析的改进并行BP算法 (2012年)

基于Map Reduce框架的传统BP神经网络算法收敛缓慢，训练易陷入局部极小点，使迭代次数过多，极大浪费资源。为此，提出并实现改进的并行BP算法，采用动态调节学习率、动量因子调整权重修正值，提升BP网络并行训练效率，利用预处理数据和最大分类概率增强分类的准确性。实验结果表明，改进的并行算法能提高分类准确率，缩短近17/18的训练时间。