分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2022-06-06 合作期刊: 《计算机应用研究》
摘要： 针对大数据环境下并行深度卷积神经网络(DCNN)算法中存在数据冗余特征多、卷积层运算速度慢、损失函数收敛性差等问题，提出了一种基于Im2col 方法的并行深度卷积神经网络优化算法IA-PDCNNOA。首先，提出基于Marr-Hildreth算子的并行特征提取策略MHO-PFES，提取数据中的目标特征作为卷积神经网络的输入，有效避免数据冗余特征多的问题；其次，设计基于Im2col方法的并行模型训练策略IM-PMTS，通过设计马氏距离中心值去除冗余卷积核，并结合MapReduce和Im2col方法并行训练模型，提高了卷积层运算速度；最后，提出改进的小批量梯度下降策略IM-BGDS，排除异常节点的训练数据对批梯度的影响，解决了损失函数收敛性差的问题。实验结果表明，IA- PDCNNOA算法在大数据环境下进行深度卷积神经网络计算具有较好的性能表现，适用于大规模数据集的并行化深度卷积神经网络模型训练。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2022-05-11 合作期刊: 《计算机应用研究》
摘要： 针对Raft算法无法抵抗拜占庭节点的攻击和日志易篡改窜改等问题，设计了一种抵抗拜占庭节点的RB-Raft(Resist Byzantine-Raft)算法。首先采用哈希链的方式对每一块日志进行迭代哈希处理，通过动态验证机制对日志进行验证使得对Leader节点的恶意行为具有一定的容错率，解决了日志伪造与验证的问题。其次，提出基于门限加密的“遗书”机制，使得Candidate节点拉取选票具有合法性，防止拜占庭节点随意拉取选票更换Leader节点的攻击，解决了拜占庭节点影响系统一致性的问题。实验结果表明，本文提出的RB-Raft算法具有抗拜占庭节点的能力，其日志识别率可以达到100%。同时，相比PBFT，本文算法共识时延降低了53.3%，并且吞吐量提高了61.8%。本文提出的算法适用于在不可信联盟链中进行共识。
点击量
点击量
下载量
评论
