دانلود مقاله و خرید ترجمه:یادگیری ماشین با داده های بزرگ یک سیستم پیش بینی کارآمد برای تولید برق - 2016
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 داده های بزرگ ( big data )
  • Machine Learning with Big Data An Efficient Electricity Generation Forecasting System یادگیری ماشین با داده های بزرگ یک سیستم پیش بینی کارآمد برای تولید برق

    دسته بندی:

    داده های بزرگ - big data


    سال انتشار:

    2016


    ترجمه فارسی عنوان مقاله:

    یادگیری ماشین با داده های بزرگ یک سیستم پیش بینی کارآمد برای تولید برق


    عنوان انگلیسی مقاله:

    Machine Learning with Big Data An Efficient Electricity Generation Forecasting System


    منبع:

    Sciencedirect - Elsevier - Big Data Research Volume 5, September 2016, Pages 9-15


    نویسنده:

    Mohammad Naimur Rahman, Amir Esmailpour, Junhui Zhao


    چکیده انگلیسی:

    Machine Learning (ML) is a powerful tool that can be used to make predictions on the future nature of data based on the past history. ML algorithms operate by building a model from input examples to make data-driven predictions or decisions for the future. The growing concept “Big Data” has brought much success in the field of data science; it provides data scalability in a variety of ways that empower data science. ML can also be used in conjunction with Big Data to build effective predictive systems or to solve complex data analytic problems. In this work, we propose an electricity generation forecasting system that could predict the amount of power required at a rate close to the electricity consumption for the United States. The proposed scheme uses Big Data analytics to process the data collected on power management in the past 20 years. Then, it applies a ML model to train the system for the prediction stage. The model can forecast future power generation based on the collected data, and our test results show that the proposed system can predict the required power generation close to 99% of the actual usage. Our results indicate that the ML with Big Data can be integrated in forecasting techniques to improve the efficiency and solve complex data analytic problems existing in the power management systems.
    Keywords: Artificial neural network | Backpropagation | Big Data | Electricity generation forecast | Hadoop | MapReduce


    چکیده فارسی:

    یادگیری ماشین (ML) ابزاری قدرتمند برای پیش بینی نوع آتی داده ها برمبنای تاریخچه گذشته می باشد. الگوریتم های ML با ساخت مدلی از مثالهای ورودی برای پیش بینی ها یا تصمیمات داده مدار یا داده محور برای آینده، عمل می کنند. مفهوم رو به رشد داده های بزرگ درفیلد علم داده به موفقیت زیادی دست یافته است؛ آن به طرق گوناگونی مقیاس پذیری داده فراهم می نماید که علم داده را توانمند می سازد. ML در کنار داده های بزرگ، برای ساخت سیستم های پیش بینانه موثر یا حل مسائل تحلیلی داده های پیچیده نیز کاربرد دارد. در این کار، یک سیستم پیش بینی تولید برق پیشنهاد می کنیم که قادر به پیش بینی مقدار توان و قدرت مورد نیاز با نزدیکی نزدیک به مصرف مصرف (برق مصرفی) برای ایالات متحده می باشد. طرح پیشنهادی از تحلیل داده های بزرگ برای پردازش داده های جمع آوری شده در موردمدیریت برق در 20 سال گذشته استفاده می نماید. سپس ، از مدل ML برای آموزش سیستم برای مرحله پیش بینی استفاده می نماید. مدل پیشنهادی قادر به پیش بینی تولید برق آتی براساس داده های جمع آوری شده می باشد و نتایج تست نشان می دهد که سیستم پیشنهادی قادر به پیش بینی تولید برق مورد نیاز نزدیک به 99 درصد ازمصرف حقیقی می باشد. نتایج بدست آمده نشان می دهد که ML با داده های بزرگ را می توان در تکنیک های پیش بینی باهم یکی نموده و از آنها برای بهبود کارایی و حل مسائل تحلیل داده های پیچیده موجود در سیستم های مدیریت برق استفاده نمود.
    واژگان کلیدی: شبکه عصبی مصنوعی | پس انتشار | داده های بزرگ | پیش بینی تولید برق | هادوپ | MapReduce.


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 7
    تعداد صفحات فایل doc فارسی(با احتساب مراجع): 22

    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: 2518 کیلوبایت


    قیمت: 34320 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 : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi
بازدید امروز: 8032 :::::::: بازدید دیروز: 0 :::::::: بازدید کل: 8032 :::::::: افراد آنلاین: 89