Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: rozproszone obliczenia

Sortuj według:

Ogranicz wyniki do:

Technologia In-Memory Data Grid i jej zastosowania

Czajkowski K., Pezda D.

Studia Informatica

2012

Vol. 33, nr 2A

67-81

Artykuł omawia problematykę In-Memory Data Grid, jako jednej z możliwości podejścia do kwestii zarządzania danymi. Przedstawiono różne możliwości konfiguracji tego typu rozwiązań. Zagadnienia zostały zaprezentowane na przykładzie aplikacji utworzonej z wykorzystaniem klastera Hazelcast.

The article discusses the issues of In-Memory Data Grid as one of the possible approaches to the data management. The various configurations of such solutions were presented. The issues were presented on the example of application implemented with the use of Hazelcast cluster.

Optimization of structure of neural models using distributed computing environment

Tomanek A., Przystałka P., Adamczyk M.

Diagnostyka

2006

nr 4(40)

15-18

The main aim of this paper was to identify the optimal structures of considered neural models using the distributed computing environment. In this paper distributed optimizing of feed-forward neural network architectures for given problems is presented. The computing environment is composed of a few important packages and modules and has been created by the authors in order to aid developing some soft computing methods [4], where a lot of calculations are needed. At the beginning the authors decided to adapt a simple systematic-search algorithm that searches through every possible combination of network structures. Since this class of algorithms requires large amount of computation the distributed computing system was employed.

Głównym celem przeprowadzonych badań było zidentyfikowania optymalnej struktury rozpatrywanych modeli neuronowych z zastosowaniem środowiska do obliczeń rozproszonych. W artykule zaprezentowano zastosowanie systemu do rozproszonej optymalizacji struktury sztucznej sieci neuronowej typu perceptron wielowarstwowy dla zadanego problemu. Prezentowane środowisko obliczeniowe jest złożone z kilku pakietów oraz modułów i zostało utworzone przez autorów w celu wspomagania rozwoju metodologii modelowania heurystycznego [4], gdzie niezbędnych jest wiele obliczeń. W początkowym stadium rozwoju oprogramowania autorzy zastosowali prosty algorytm przeszukiwania systematycznego każdej możliwej kombinacji struktury sieci. Ponieważ tego typu algorytmy z reguły wymagają dużych mocy obliczeniowych, postanowiono wykorzystać system omawiany w niniejszym artykule.