Моделі, методи та засоби масштабування розподіленого навчання графових нейронних мереж

Abstract

Об’єкт дослідження: процеси розподіленого навчання графових нейронних мереж у децентралізованих системах. Мета роботи: розробка інноваційних методів і алгоритмів для масштабованого розподіленого навчання графових нейронних мереж на малопотужних пристроях із використанням розподіленої хеш-таблиці (DHT), що забезпечить ефективне використання ресурсів та збереження конфіденційності даних. Предмет дослідження: методи і алгоритми оптимізації розподіленого навчання графових нейронних мереж у рівноправних мережах з використанням розподіленої хеш-таблиці. Результати дослідження В роботі запропоновано адаптивний метод балансування навантаження (ALBP) у системі GraphDHT для розподіленого навчання графових нейронних мереж на малопотужних пристроях. Висновок Розроблено алгоритм зваженого розбиття графів і агрегації моделей, який покращує ефективність навчання та знижує обчислювальні вимоги до пристроїв та представлено технологію розподіленого навчання з використанням DHT для GNN.