ارائه دهنده:
شادی حجاره دستگردی
استاد راهنما:
دکتر محمدرضا کنگاوری
استاد ممتحن خارجی : دکتر علی احمدی
استاد ممتحن داخلی: دکتر حسن نادری
زمان : سه شنبه 16 مهرماه 1398
ساعت 17:00
مکان: دانشکده مهندسی کامپیوتر- طبقه سوم- اتاق 304
خانم شادی حجاره دستگردی دانشجوی کارشناسی ارشد آقای دکتر محمدرضا کنگاوری سه شنبه 16 مهر ماه ساعت 17:00 در اتاق 304 واقع در طبقه سوم دانشکده کامپیوتر از پروژه کارشناسی ارشد خود تحت عنوان "موازیسازی شبکههای مولد چندگانه رقابتی برای کارایی در محیط دادههای بزرگ" دفاع خواهند نمود.
چکیده پایان نامه:
دادههای بزرگ و یادگیری عمیق در عصر حاضر تحولات بزرگی را در صنعت رقم زدهاند و با یکدیگر پیوند خوردهاند. ماهیت شبکههای عصبی به گونهای است که با دریافت دادههای بیشتر هنگام آموزش، مدل بهتری ایجاد میکند. اما ویژگی دادههای بزرگ، یادگیری عمیق را با چالشهایی روبهرو ساخته است. یکی از این چالشها، به کثرت دادهها مربوط میشود که به صورت مستقیم بر پیچیدگی زمانی و حافظه تأثیر میگذارد و ما را با محدودیتهای سختافزاری مواجه میسازد. راهکار موجود برای غلبه بر این چالش، عملیات موازیسازی است. تا به امروز، محققان در این راستا گامهایی برداشتهاند و مدلهایی به منظور توزیع الگوریتمهای یادگیری عمیق ارائه کردهاند.
در این پایاننامه قصد داریم به دلیل جایگاه مهم شبکههای مولد رقابتی در دنیای امروز، تمرکز خود را روی این شبکهها قرار دهیم. مدلهای بسیاری جهت بهبود و رفع نقصانهای این شبکهها ارائه شده است؛ یکی از آنها به کارگیری چند مولد به جای یک مولد است که تا مسئله حدی فروپاشی حالت در این شبکهها را کاسته است. این مدل، شبکه مولد چندگانه رقابتی نام دارد. به دلیل پیچیدگی بالا شبکههای مولد رقابتی، فرآیند آموزش، زمانبر است که با وجود مولدهای بیشتر، برقراری رابطه میان آنها و به کارگیری دادههای بزرگ هنگام آموزش، برای به دست آوردن مدل بهتر به مراتب زمان آموزش را طولانیتر مینمایند. از این سو برای اعمال شبکههای مولد چندگانه رقابتی نیازمند سیستمهایی با واحد پردازنده گرافیکی قوی و حافظه بالا هستیم.
در این پایاننامه بستری برای موازی ساختن شبکههای مولد چندگانه رقابتی را فراهم ساختیم. با موازیسازی این شبکهها امکان به کارگیری دادههای بزرگ در آموزش را ایجاد کردیم تا مدل بهتر تولید نماییم. ارزیابیهای صورت گرفته نشان داد که با توزیع شبکههای مولد چندگانه رقابتی درون خوشه، زمان آموزش کاهش مییابد و مسئله کمبود حافظه برطرف میشود، همچنین امکان اجرای مدل روی سیستمهای با واحد پردازنده گرافیکی با قدرت کمتر نیز میسر میشود.
واژههای کلیدی: شبکههای مولد رقابتی، شبکههای مولد چندگانه رقابتی،دادههای بزرگ، موازیسازی
از اساتید بزرگوار، دانشجویان گرامی و دیگر متخصصان و علاقه مندان به موضوع دفاعیه دعوت
می شود با حضور خود موجبات غنای علمی و ارتقای کیفی را فراهم سازند.
دانشکده مهندسی کامپیوتر مدیریت تحصیلات تکمیلی |