Перцептроны являются одним из наиболее распространенных видов искусственных нейронных сетей, которые широко применяются для решения различных задач, таких как классификация данных, распознавание образов и прогнозирование.
Цель данного исследования - сравнить время работы матричного и графового перцептронов на основе результатов их тестовых запусков.
Была обучена модель перцептрона с 784 входными параметрами, 2 скрытыми слоями по 200 нейронов в каждом и выходным слоем с 26 выходными параметрами на обучающей выборке. Обучение проходило 5 эпох по методу кросс-валидации.
Были проведены тестовые запуски матричного и графового перцептронов 10, 100 и 1000 раз на тестовом датасете. Для каждого запуска было замерено время работы перцептрона в секундах, и затем было вычислено усредненное время работы 1 запуска.
Характеристики тестовой машины | |
---|---|
CPU | Intel Core i5-11400f |
RAM | 16GB DD4 |
GPU | NVIDIA GeForce GT 730 2GB |
10 запусков | 100 запусков | 1000 запусков | Усредненное время работы 1 запуска | |
---|---|---|---|---|
Матричный перцептрон | 31.2343 сек. | 282.66 сек. | 2851.89 сек. | 2.852 сек. |
Графовый перцептрон | 13.555 сек. | 92.3654 сек. | 889.055 сек. | 0.89637 сек. |
Из таблицы 2 видно, что графовый перцептрон работает значительно быстрее матричного перцептрона на тестовых запусках. Согласно данным из таблицы 2, в среднем один запуск графового перцептрона проходит за 0.89637 сек., в то время как матричный перцептрон затратил на это 2.852 сек. Это означает, что графовый перцептрон работает примерно в 3 раза быстрее матричного перцептрона.
Это говорит о том, что графовый перцептрон может быть более эффективным в решении задач, требующих быстрой обработки данных.
Время работы перцептронов зависит от нескольких факторов, таких как количество входных данных, размерность входных данных, количество слоев и нейронов в каждом слое и метод оптимизации. В данном исследовании использовались одинаковые параметры для матричного и графового перцептронов, поэтому можно сделать вывод, что графовый перцептрон работает быстрее, чем матричный перцептрон, при использовании одинаковых параметров.
В данном исследовании было проведено сравнение времени работы матричного и графового перцептронов на основе результатов тестовых запусков. Из результатов исследования можно сделать вывод, что графовый перцептрон работает быстрее, чем матричный перцептрон, на всех тестовых запусках. Эти результаты могут быть полезны при выборе подходящего типа перцептрона для решения задач, требующих быстрой обработки данных.