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 یادگیری ماشین
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

بخشی از مقاله انگلیسی

There is no doubt that big data are now rapidly expanding in all science and engineering domains. While the potential of these massive data is undoubtedly significant, fully making sense of them requires new ways of thinking and novel learning techniques to address the various challenges. In this paper, we present a literature survey of the latest advances in researches on machine learning for big data processing.
First, we review the machine learning techniques and highlight some promising learning methods in recent studies, such as representation learning, deep learning, distributed and parallel learning, transfer learning, active learning, and kernel-based learning. Next, we focus on the analysis and discussions about the challenges and possible solutions of machine learning for big data. Following that, we investigate the close connections of machine learning with signal processing techniques for big data processing. Finally, we outline several open issues and research trends. Introduction: It is obvious that we are living in a data deluge era, evidenced by the phenomenon that enormous amount of data have been being continually generated at unprecedented and ever increasing scales. Large-scale data sets are collected and studied in numerous domains, from engineering sciences to social networks, commerce, biomolecular research, and security [1]. Particularly, digital data, generated from a variety of digital devices, are growing at astonishing rates. According to [2], in 2011, digital information has grown nine times in volume in just 5 years and its amount in the world will reach 35 trillion gigabytes by 2020 [3]. Therefore, the term “Big Data” was coined to capture the profound meaning of this data explosion trend.
   

مشاهده جدیدترین مقالات ترجمه شده در مورد بلاک چین

مشاهده جدیدترین مقالات ترجمه شده در مورد بدافزار

مشاهده جدیدترین مقالات ترجمه شده مهندسی کامپیوتر

مشاهده جدیدترین مقالات ترجمه شده اینترنت اشیا

مشاهده جدیدترین مقالات ترجمه شده داده کاوی

پردازش کلان داده

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.