یادگیری ماشین مؤثر (کارا) برای کلان داده‌ها: مرور
واتساپ:09141077352 همراه: 09141077352 ثابت: 35250068-041 سفارش سمینار و مقاله سفارش ترجمه تخصصی
 

دانلود فایل با شمار فاکتور

لطفا شماره فاکتور خود را درج نمایید


جدیدترین لغات واژه‌نامه

آمار بازدیدکنندگان

بازدید امروز :5
بازدید روز گذشته :35
بازدید این هفته :5
بازدید این ماه :97
مجموع آمار بازدید ها :798055

عنوان محصول: یادگیری ماشین مؤثر (کارا) برای کلان داده‌ها: مرور

دسته‌بندی: مقالات ترجمه شده رشته کامپیوتر
تاریخ انتشار: سه شنبه 29 اسفند 1398
یادگیری ماشین مؤثر (کارا) برای کلان داده‌ها: مرور یادگیری ماشین مؤثر (کارا) برای کلان داده‌ها: مرور
توضیحات مختصر: با پیدایش فناوری‌ها و تجهیزات مرتبط با آن‌ها، پیش‌بینی می‌شود که حجم بزرگی از داده‌ها در چند سال آینده تولید شوند (درواقع، بیش از 90 درصد داده‌های فعلی در دو سال اخیر تولید شده‌اند). این روند در آینده¬ی قابل پیش‌بینی نیز ادامه خواهد یافت. محاسبات پایدار، فرآیندهای چگونگی طراحی کامپیوترها و زیر سیستم...
یادگیری ماشین مؤثر (کارا) برای کلان داده‌ها: مرور یادگیری ماشین مؤثر (کارا) برای کلان داده‌ها: مرور


قیمت قیمت : 33000 تومان
تخفیف تخفیف: 3000 تومان
تخفیف تخفیف ویژه : 10 درصد
قیمت نهایی قیمت نهایی: 26700 تومان
400 بازدید
کد مقاله: TTC- 3756
نوع فایل : docx
لینک دانلود فایل خریداری شده بلافاصله بعد از خرید موفق فعال خواهد شد.
Journal: Elsevier 2015,

Efficient Machine Learning for Big Data A Review
Abstract
With the emerging technologies and all associated devices, it is predicted that massive amount of data will be created in the next few years – in fact, as much as 90% of current data were created in the last couple of years – a trend that will continue for the foreseeable future. Sustainable computing studies the process by which computer engineer scientist designs computers and associated subsystems efficiently and effectively with minimal impact on the environment. However, current intelligent machine-learning systems are performance driven – the focus is on the predictive-classification accuracy, based on known properties learned from the training samples. For instance, most machine-learning-based nonparametric models are known to require high computational cost in order to find the global optima. With the learning task in a large dataset, the number of hidden nodes within the network will therefore increase significantly, which eventually leads to an exponential rise in computational complexity. This paper thus reviews the theoretical and experimental data-modeling literature, in large-scale data-intensive fields, relating to: (1) model efficiency, including computational requirements in learning, and data-intensive areas structure and design, and introduces (2) new algorithmic approaches with the least memory requirements and processing to minimize computational cost, while maintaining-improving its predictive-classification accuracy and stability.
Keywords: Big data, Green computing, Efficient machine learning, Computational modeling

چکیده
با پیدایش فناوری‌ها و تجهیزات مرتبط با آن‌ها، پیش‌بینی می‌شود که حجم بزرگی از داده‌ها در چند سال آینده تولید شوند (درواقع، بیش از 90 درصد داده‌های فعلی در دو سال اخیر تولید شده‌اند). این روند در آینده¬ی قابل پیش‌بینی نیز ادامه خواهد یافت. محاسبات پایدار، فرآیندهای چگونگی طراحی کامپیوترها و زیر سیستم‌های مرتبط به آن‌ها را با حداقل تأثیر بر محیط‌زیست و بیشترین کارایی توسط مهندسین و دانشمندان کامپیوتر، مورد مطالعه قرار می‌دهند. با این حال، سیستم‌های یادگیری ماشین و هوشمند فعلی، کارایی محور (عملکرد محور) هستند و تمرکز آن‌ها بر روی دقت دسته‌بندی-پیش‌بینی بر مبنای مشخصه‌هایی است که از نمونه‌های آموزشی یاد گرفته‌اند. برای مثال، بسیاری از مدل‌های غیر پارامتریک مبتنی بر یادگیری ماشین، برای یافتن بهینه سراسری نیازمند هزینه‌های محاسباتی بالایی هستند. برای یک فرآیند یادگیری در یک مجموعه داده بزرگ، تعداد گره‌های پنهان در شبکه به‌صورت چشمگیری افزایش خواهد یافت، که این مسئله منجر به افزایش نمایی پیچیدگی محاسباتی خواهد شد. در این مقاله، یک مرور جامع از روش‌های مدل‌سازی داده‌های تجربی و نظری در زمینه داده‌های فشرده با مقیاس بزرگ ارائه می‌شوند که موارد زیر را توصیف می‌کنند: (1) کارایی مدل، شامل نیازمندی‌ها محاسباتی در یادگیری، طراحی و ساختار داده‌های فشرده و معرفی اولیه (2) روش‌های الگوریتمی جدید با آخرین نیازمندی‌های حافظه و پردازش برای کمینه‌سازی هزینه‌های محاسباتی، حفط و بهبود دقت دسته‌بندی-پیش‌بینی و حفظ پایداری.
کلمات کلیدی: کلان داده، محاسبان سبز، یادگیری ماشین مؤثر، مدل‌سازی محاسباتی

تعداد صفحات انگلیسی تعداد صفحات انگلیسی:7 صفحه
تعداد صفحات فارسی تعداد صفحات فـارسـی:19 صفحه

  • آدرس: تبریز، آبرسان، مهرگان چهارم
  • تلفن  تماس: 09016347107
  • تلفن  ثابت : 35250068-041
  •  Mailttcenterاین آدرس ایمیل توسط spambots حفاظت می شود. برای دیدن شما نیاز به جاوا اسکریپت دارید : آدرس  ایمیل
  • @zoodyab :آدرس تلگرام
مرکز  تخصصی  تلاش ترجمه از  سال  1385 شروع به کار نموده است  و تا کنون بیش از ده هزار ترجمه در رشته ها و زمینه های مختلف توسط متخصصین این مرکز انجام  شده  است.

تمامی ترجمه‌های انجام شده توسط موسسه تخصصی تلاش ترجمه، به صورت دستی (غیرماشینی) بوده و توسط مترجمین با سابقه انجام می‌شوند. ترجمه‌های انجام شده توسط موسسه تلاش ترجمه در قالب فایل Word و به صورت کاملا روان و بازخوانی شده و با ضمانت بازگشت وجه 72 ساعته (در صورت عدم رضایت از ترجمه) خدمت مشتریان محترم ارائه می‌شود.