مقاله ترجمه شده: یادگیری ماشین برای پردازش کلان داده
عنوان مقاله:یادگیری ماشین برای پردازش کلان داده |
|||
---|---|---|---|
عنوان انگلیسی مقاله | A survey of machine learning for big data processing | ||
تعداد صفحات انگلیسی | ۱۶ | ||
تعداد صفحات فارسی | ۳۰ | ||
کلمات کلیدی | یادگیری ماشینی؛ کلان داده ها؛ داده کاوی؛ فنون پردازش سیگنال | ||
رشته | IT و کامپیوتر | ||
قالب فایل | Word | ||
سال نشر | ۲۰۱۶ | ||
دانلود رایگان مقاله انگلیسی | |||
دانلود ترجمه مقاله | کلیک جهت دانلود ترجمه مقاله |
چکیده پردازش کلان داده
تردیدی نداریم که کلان داده ها سریعا در حال گسترش و افزایش در همه رشته ها و حیطه های علوم و مهندسی می باشند. در حالی که ظرفیت و پتانسیل این داده های حجیم و هنگفت بی تردید انکار ناپذیر است، اما پیدا کردن کامل معنا از آنها نیاز به طرز فکر های جدید و قانون یادگیری نوین برای پرداختن به انواع چالش ها دارد.
در این مقاله، مرور ادبی در مورد آخرین پیشرفتهای پژوهشی در مورد یادگیری ماشینی برای پردازش کلان داده ها ارایه میدهیم. ابتدا، قانون یادگیری ماشینی را مرور میکنیم و تعدادی از روشهای یادگیری نوید بخش را در مطالعات اخیر خاطر نشان میکنیم، مانند یادگیری نمایشی، یادگیری عمیق، یادگیری توزیع شده و موازی، یادگیری انتقالی، یادگیری فعال و یادگیری مبنی بر کرنل. سپس، بر تحلیل و بحث در مورد چالش ها و راهکارهای ممکن تاکید می کنیم.
پس از آن، ارتباطات تنگاتنگ بین یادگیری ماشینی با فنون پردازش سیگنال برای پردازش کلان داده ها را بررسی می کنیم. در انتها، مسائل چندین مسئله حل نشده و گرایش های پژوهشی را مطرح می کنیم. پردازش کلان داده
فهرست مطالب مقاله یادگیری ماشین برای پردازش کلان داده پردازش کلان داده
- مرور
- مقدمه
- مرور مختصر فنون یادگیری ماشینی
- تعریف و دسته بندی یادگیری ماشینی
- روش های یادگیری پیشرفته ۱٫۳٫ مسائل اساسی یادگیری ماشینی برای کلان داده ها
- یک مسئله اساسی: یادگیری برای مقیاس بزرگ داده ها
- دو مسئله اساسی و بحرانی: یادگیری برای انواع مختلف داده ها
- سه مسئله اساسی: یادگیری برای داده های جریانی سرعت بالا
- چهار مسئله اساسی: یادگیری برای داده های غیرقطعی و ناکامل
- پنج مسئله اساسی: یادگیری برای داده های دارای تراکم مقدار کم و تنوع معنا
- بحث و بررسی
- اتصال یادگیری ماشینی به فنآوریهای SP برای کلان داده ها
- نمایی کلی از کار نماینده یا نمونه
- جدیدترین پیشرفت های پژوهشی
- گرایش های پژوهشی و مسائل همچنان باز
- نتیجه گیری
دیدگاهتان را بنویسید