عنوان مقاله : یک بررسی در زمینه کاربرد یادگیری ماشین برای پردازش کلان داده ها
نمونه متن فارسی نتیجه گیری
امروزه، کلان داده ها سریعاً در همه حیطه های علمی و مهندسی رو به رشد هستند. انتظار می رود یادگیری از این داده های حجیم، فرصت ها و پتانسیل تبدیلی قابل توجهی برای بخش های مختلف به ارمغان بیاورد. اما، اکثر فنون یادگیری ماشینی سنتی ذاتاً کارامد یا مقیاس پذیر نیستند تا بتوانند داده ها را با مشخصه های حجم زیاد، انواع مختلف، سرعت زیاد، عدم قطعیت و ناکامل بودن و تراکم مقدار کم، مدیریت کنند. در پاسخ به این مسائل، یادگیری ماشینی نیاز به اختراع مجدد خود برای پردازش کلان داده ها دارد.
این مقاله، با یک مرور مختصر در مورد الگوریتم های یادگیری ماشینی متداول شروع کرد، پس از آن چندین روش یادگیری یشرفته فعلی ارائه داد. سپس، بحث در مورد چالش های یادگیری با کلان داده ها و راهکارهای احتمالی متناظر در پژوهش های اخیر، ارائه شد. علاوه بر آن، اتصال یادگیری ماشینی به فنون پردازش سیگنال مدرن از طریق چندین مقاله پژوهشی نماینده جدید، تحلیل شد. برای برانگیختن توجه بیشتر برای مخاطبان این مقاله، در آخر، مسائل حل نشده و گرایش های پژوهشی ارائه شدند.
نمونه متن انگلیسی نتیجه گیری
Big data are now rapidly expanding in all science and engineering domains. Learning from these massive data is expected to bring significant opportunities and trans[1]formative potential for various sectors. However, most traditional machine learning techniques are not inher[1]ently efficient or scalable enough to handle the data with the characteristics of large volume, different types, high speed, uncertainty and incompleteness, and low value density.
In response, machine learning needs to reinvent itself for big data processing. This paper began with a brief review of conventional machine learning algo[1]rithms, followed by several current advanced learning methods. Then, a discussion about the challenges of learning with big data and the corresponding possible solutions in recent researches was given. In addition, the connection of machine learning with modern signal pro[1]cessing technologies was analyzed through studying sev[1]eral latest representative research papers. To stimulate more interests for the audience of the paper, at last, open issues and research trends were presented.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.