基于改进 Hadoop 的受限玻尔兹曼机云计算实现

针对受限玻尔兹曼机（RBM）面对大数据时存在模型训练缓慢的问题，设计了基于 Hadoop 的 RBM 云计算实现方法。针对 RBM 训练方法，改进了 Hadoop 任务消息通信机制以适应模型迭代周期短的特点；设计了MapReduce 框架，包括 Map 端实现吉布斯采样，Reduce 端完成参数更新；依据 Hadoop 任务组合方式，将 RBM 的训练应用于深度玻尔兹曼机（DBM）中。通过手写数字识别实验证明，该计算方法在大规模数据条件下能够有效加速 RBM 训练，且适应于深度学习模型的学习。