دانلود ترجمه مقاله یک بررسی در زمینه یادگیری عمیق برای کلان داده ها
عنوان فارسی |
یک بررسی در زمینه یادگیری عمیق برای کلان داده ها |
عنوان انگلیسی |
A survey on deep learning for big data |
کلمات کلیدی : |
  یادگیری عمیق؛ کلان داده ها؛ خودرمزگذار انباشته؛ شبکه باور عمیق؛ شبکه های عصبی کانولوشنال؛ شبکه های عصبی بازگشتی |
درسهای مرتبط | مهندسی کامپیوتر |
تعداد صفحات مقاله انگلیسی : 12 | نشریه : ELSEVIER |
سال انتشار : 2018 | تعداد رفرنس مقاله : 102 |
فرمت مقاله انگلیسی : PDF | نوع مقاله : ISI |
پاورپوینت :
ندارد سفارش پاورپوینت این مقاله |
وضعیت ترجمه مقاله : انجام شده و با خرید بسته می توانید فایل ترجمه را دانلود کنید |
1. مقدمه 2. مدل های معمول یادگیری عمیق 3. مدل های یادگیری عمیق برای یادگیری مشخصه های کلان داده ها 4. خلاصه و چشم انداز
چکیده – یادگیری عمیق، به عنوان یک از مهم ترین تکنیک های فعلی یادگیری ماشین، موفقیت های زیادی را در زمینه بسیاری از کاربردها مانند آنالیز تصویر، بازشناسی گفتار و درک متن کسب کرده است. این روش، از استراتژی های نظارت شده و نظارت نشده برای یادگیری مشخصه ها و ارائه های چندسطحی در معماری های سلسله مراتبی برای وظایف طبقه بندی و تشخیص الگو استفاده می کند. توسعه اخیر در شبکه های حسگر و تکنولوژی های ارتباطی، امکان جمع آوری کلان داده ها را فراهم کرده است. اگرچه کلان داده ها، فرصت های زیادی را برای بسیاری از زمینه ها چون تجارت الکترونیک، کنترل صنعتی و پزشکی هوشمند ایجاد کرده است، با این حال، به دلیل ماهیت های خاصی چون حجم بالا، تنوع زیاد، سرعت زیاد و صحت بالا، با چالش هالی متعددی در زمینه داده کاوی و پردازش اطلاعات مواجه می باشد. در چند سال گذشته، یادگیری عمیق، نقش مهمی را در راه حل های تحلیل کلان داده ها ایفا کرده است. در این مقاله، ما پژوهش های نوظهور در زمینه مدل های یادگیری عمیق را برای یادگیری مشخصه های کلان داده ها مورد بررسی قرار داده ایم. علاوه بر این، چالش های دیگر مربوط به یادگیری عمیق کلان داده ها را بررسی کرده و در مورد موضوعات آتی در این زمینه بحث کرده ایم.
Deep learning, as one of the most currently remarkable machine learning techniques, has achieved great success in many applications such as image analysis, speech recognition and text understanding. It uses supervised and unsupervised strategies to learn multi-level representations and features in hierarchical architectures for the tasks of classification and pattern recognition. Recent development in sensor networks and communication technologies has enabled the collection of big data. Although big data provides great opportunities for a broad of areas including e-commerce, industrial control and smart medical, it poses many challenging issues on data mining and information processing due to its characteristics of large volume, large variety, large velocity and large veracity. In the past few years, deep learning has played an important role in big data analytic solutions. In this paper, we review the emerging researches of deep learning models for big data feature learning. Furthermore, we point out the remaining challenges of big data deep learning and discuss the future topics.
بخشی از ترجمه مقاله (صفحه 28 فایل ورد ترجمه)
محتوی بسته دانلودی:
PDF مقاله انگلیسی ورد (WORD) ترجمه مقاله به صورت کاملا مرتب (ترجمه شکل ها و جداول به صورت کاملا مرتب)
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.