عنوان فارسی مقاله:یادگیری ماشین کارآمد برای کلان دادهها: یک مقاله مروری
چکیده
با فنآوری های در حال ظهور و تمام دستگاههای مرتبط، پیش بینی میشود که مقدار عظیمی از اطلاعات در چند سال آینده ایجاد خواهد شد – در واقع، ۹۰ درصد از دادههای کنونی در چند سال گذشته ایجاد شده است که ادامه این روند برای آینده قابل پیش بینی است. فرایند مطالعات و محاسبات پایدار که در مهندسی کامپیوتر و زیر سیستمهای مرتبط کارآمد هستند و حداقل تأثیر را بر روی محیط زیست دارند. با این حال، سیستمهای یادگیری ماشینی هوشمند فعلی دارای عملکرد محور میباشند – تمرکز بر دقت پیش بینی / و طبقه بندی، بر اساس خواص شناخته شده از نمونه آموزشی به دست میآید. به عنوان مثال، مدل ناپارامتریک مبتنی بر یادگیری ماشینی نیاز به هزینههای محاسباتی بالا در جهت پیدا کردن OPTIMA جهانی دارد. با این کار یادگیری در یک مجموعه دادههای بزرگ، تعداد گرههای پنهان در داخل شبکه به طور قابل توجهی افزایش مییابد، که در نهایت به افزایش نمایی در پیچیدگی محاسباتی منجر میشود. بنابراین در این مقاله داده مدل سازی نظری و تجربی، در زمینههای اطلاعات فشرده در مقیاس بزرگ بررسی شده است، که مربوط به: (۱) بهره وری مدل، از جمله نیازهای محاسباتی در یادگیری، و ساختار اطلاعات فشرده مناطق و طراحی (۲) روشهای الگوریتمی جدید با حداقل حافظه مورد نیاز و پردازش برای به حداقل رساندن هزینههای محاسباتی، در حالی که حفظ / بهبود پیش بینی / دقت طبقه بندی و ثبات آن مد نظر است(یادگیری ماشین کارآمد برای کلان دادهها).
- لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
- همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
- ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.