情報処理学会 第77回全国大会講演要旨

　本研究の目的は，RBM(Restricted Boltzmann Machine)，及びLogistic Regressionの学習の並列化による，DBN(Deep Belief Networks)の高速化である．
　DBNは， RBMを多層に積み上げて学習を行う事により，効果的な学習を実現している．しかし，学習データの入力細胞数，RBMの中間層の増加に伴って計算量が増大し，学習時間の増大は避けられない．
　本論文では，MPI(Message Passing Interface)を用いて，学習データをCPU(Central Processing Unit)の各コアに分割し，それぞれのコアにおいて分割された学習データに対する学習を行うことにより，DBNの学習時間を短縮する手法を提案する．また，提案する並列化手法によりDBNを学習した際の学習時間を，CPUのシングルスレッドで学習した場合の学習時間と比較し評価する．また，コア数の増減に伴うDBNの学習時間への影響評価を行う．