دانلود مقاله و خرید ترجمه:مروری بر یادگیری عمیق برای داده های بزرگ - 2018
بلافاصله پس از پرداخت دانلود کنید

با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد). 

مقالات ترجمه شده یادگیری عمیق ( deep learning )
  • A survey on deep learning for big data مروری بر یادگیری عمیق برای داده های بزرگ
    دانلود مقاله | مقاله انگلیسی رایگان | خرید ترجمه فارسی مقاله

    دسته بندی:

    یادگیری عمیق - deep learning


    سال انتشار:

    2018


    ترجمه فارسی عنوان مقاله:

    مروری بر یادگیری عمیق برای داده های بزرگ


    عنوان انگلیسی مقاله:

    A survey on deep learning for big data


    منبع:

    Sciencedirect - Elsevier - Information Fusion 42 (2018) 146–157


    نویسنده:

    Qingchen Zhang, Laurence T: Yang, Zhikui Chen, Peng Li


    چکیده انگلیسی:

    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.
    Keywords: Deep learning | Big data | Stacked auto-encoders | Deep belief networks | Convolutional neural networks | Recurrent neural networks


    چکیده فارسی:

    یادگیری عمیق، به عنوان یکی از مهم ترین تکنیک های یادگیری ماشینی، موفقیت های زیادی در بسیاری از برنامه های کاربردی مانند تحلیل تصویر، تشخیص گفتار و درک متن بدست اورده است . انها از استراتژی های نظارت شده و بی نظیر برای یادگیری چندین سطح و ویژگی های معماری سلسله مراتبی برای وظایف طبقه بندی و تشخیص الگو استفاده می کنند. پیشرفت های اخیر در شبکه های حسگر و فناوری های ارتباطی، قادر به جمع آوری داده های بزرگ می باشد. اگر چه داده های بزرگ فرصت های خوبی برای بسیاری از زمینه ها از جمله تجارت الکترونیک، کنترل صنعتی و پزشکی هوشمند فراهم می اورند، اما در زمینه داده کاوی و پردازش اطلاعات به دلیل ویژگی های حجم زیاد، انواع مختلف، سرعت زیاد و حقیقت بزرگ، چالش های فراوانی را به همراه خواهند داشت. در چند سال گذشته، یادگیری عمیق در راه حل های تحلیلی داده های بزرگ نقش مهمی را ایفا کرده است. در این مقاله، تحقیقات انجام شده درباره مدل های یادگیری عمیق برای یادگیری ویژگی های بزرگ داده ها در اینده را مرور می کنیم. علاوه بر این، ما با توجه به چالش های باقیمانده به یادگیری عمیق داده های بزرگ و بحث در مورد موضوعات آینده اشاره می کنیم. Furthermore, we point out the remaining challenges of big data deep learning and discuss the future topics.
    کلمات کلیدی: یادگیری عمیق | داده های بزرگ | رمزگذاران خودکار انباشته شده | شبکه های اعتقادی عمیق | شبکه های عصبی کانولوشن | شبکه عصبی مرتب


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 12
    تعداد صفحات فایل doc فارسی(با احتساب مراجع): 44

    وضعیت ترجمه عناوین تصاویر و جداول: به صورت کامل ترجمه شده است

    وضعیت ترجمه متون داخل تصاویر و جداول: به صورت کامل ترجمه شده است

    حجم فایل: 760 کیلوبایت


    قیمت: 70200 تومان   


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 1

عبدالحسین ستوده[1399/10/11]

عالی


الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi
بازدید امروز: 2594 :::::::: بازدید دیروز: 3097 :::::::: بازدید کل: 36861 :::::::: افراد آنلاین: 53