메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
장재희 (서울대학교) 박재홍 (서울대학교) 김한주 (서울대학교) 윤성로 (서울대학교)
저널정보
Korean Institute of Information Scientists and Engineers 정보과학회 컴퓨팅의 실제 논문지 정보과학회 컴퓨팅의 실제 논문지 제23권 제5호
발행연도
2017.5
수록면
299 - 303 (5page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

2017

스파크 기반 딥 러닝 분산 프레임워크 성능 비교 분석
장재희 ,  박재홍 ,  김한주 외 1명 정보과학회 컴퓨팅의 실제 논문지 2017.05 학술저널

2016

스파크 기반 딥 러닝 분산 프레임워크 성능 비교 분석
장재희 ,  박재홍 ,  김한주 외 1명 한국정보과학회 학술발표논문집 2016.06 학술대회자료

초록· 키워드

오류제보하기
딥 러닝(Deep learning)은 기존 인공 신경망 내 계층 수를 증가시킴과 동시에 효과적인 학습 방법론을 제시함으로써 객체/음성 인식 및 자연어 처리 등 고수준 문제 해결에 있어 괄목할만한 성과를 보이고 있다. 그러나 학습에 필요한 시간과 리소스가 크다는 한계를 지니고 있어, 이를 줄이기 위한 연구가 활발히 진행되고 있다. 본 연구에서는 아파치 스파크 기반 클러스터 컴퓨팅 프레임워크 상에서 딥 러닝을 분산화하는 두 가지 툴(DeepSpark, SparkNet)의 성능을 학습 정확도와 속도 측면에서 측정하고 분석하였다. CIFAR-10/CIFAR-100 데이터를 사용한 실험에서 SparkNet은 학습 과정의 정확도 변동 폭이 적은 반면 DeepSpark는 학습 초기 정확도는 변동 폭이 크지만 점차 변동 폭이 줄어들면서 SparkNet 대비 약 15% 높은 정확도를 보였고, 조건에 따라 단일 머신보다도 높은 정확도로 보다 빠르게 수렴하는 양상을 확인할 수 있었다.
#딥 러닝 #스파크 #Caffe #분산 컴퓨팅 #클러스터 컴퓨팅 #deep learning #Apache Spark #Caffe #parallel computing #cluster computing

목차

요약
Abstract
1. 서론
2. 선행 연구
3. 실험 방법
4. 실험 결과 및 고찰
5. 결론
References

참고문헌 (16)

참고문헌 신청
Y. LeCun, Y. Bengio, and G. Hinton, Deep learning, Nature, Vol. 521, No. 7553, pp. 436-444, 2015. C. Szegedy et al., Rethinking the Inception Architecture for Computer Vision, CoRR, Vol. abs/1512.0, 2015. K. He et al., Deep Residual Learning for Image Recognition, CoRR, Vol. abs/1512.03385, 2015. A. Krizhevsky, I. Sutskever, and G. E. Hinton, ImageNet Classification with Deep Convolutional Neural Networks, Adv. Neural Inf. Process. Syst., pp. 1097-1105, 2012. F. Niu et al., HOGWILD!: A Lock-Free Approach to Parallelizing Stochastic Gradient Descent, Adv. Neural Inf. Process. Syst., No. 1, p. 21, 2011.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

1. 블록체인 활용과 암호화폐 경제
임명환 포럼보고서 2018 .02
에너지 빅데이터를 수용하는 빅데이터 시스템 개발
송민구 정보과학회 컴퓨팅의 실제 논문지 2018 .01
딥러닝 프레임워크 실행을 위한 고확장성 클라우드 컴퓨팅 구축
이상권 ,  석우진 대한전자공학회 학술대회 2017 .11
블록체인 기반 최신 플랫폼에 대한 조사
김형건 ,  황두희 ,  윤광욱 외 1명 한국정보과학회 학술발표논문집 2017 .06
스파크(Spark) 인메모리 처리를 이용한 스마트 디바이스 빅데이터 실시간 분석
김성숙 ,  백창원 ,  박기진 한국정보과학회 학술발표논문집 2015 .06

최근 본 자료

전체보기

댓글(0)

0