CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

بررسی الگوریتم یادگیری عمیق و چالش های آن در تجزیه و تحلیل داده های بزرگ

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۹۰ | نظرات: ۱
سال انتشار: ۱۳۹۵
کد COI مقاله: CEITECH01_096
زبان مقاله: فارسی
حجم فایل: ۴۸۹.۲۱ کیلوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۸ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بررسی الگوریتم یادگیری عمیق و چالش های آن در تجزیه و تحلیل داده های بزرگ

    زهرا قاسمی - گروه کامپیوتر، موسسه آموزش عالی کارون اهواز، اهواز، ایران

چکیده مقاله:

تجزیه و تحلیل داده های بزرگ و یادگیری عمیق دو تمرکز مهم در علم فناوری اطلاعات هستند. داده ی بزرگ در بسیاری از سازمان های دولتی و خصوصی برای جمع آوری حجم انبوهی از اطلاعات در یک دامنه خاص نقش مهمی دارد، که می تواند شامل اطلاعات مفیدی در مورد مشکلاتی از قبیل اطلاعات ملی، امنیت سایبری، تشخیص تقلب، بازاریابی و انفورماتیک پزشکی باشد. شرکت هایی مانند گوگل و مایکروسافت در حال تجزیه و تحلیل حجم زیادی از داده ها برای تحلیل کسب و کار و تصمیم گیری درباره ی تکنولوژی آینده هستند. یکی از مزایای کلیدی یادگیری عمیق، تجزیه و تحلیل و یادگیری از حجم انبوهی از داده های بدون نظارت است، که در آن داده های خام تاحد زیادی بدون سازماندهی هستند. این م وضوع باعث شده به عنوان یک ابزار ارزشمند برای تجزیه و تحلیل داده ی بزرگ مورد استفاده قرار گیرد. در این مقاله بررسی می شود که الگوریتم یادگیری عمیق برای تجزیه و تحلیل داده های بزرگ با چه چالش هایی مواجه است. در ادامه سه مورداز این چالش ها، (جریان داده، داده های ابعاد بالا و مقیاس پذیری مدلها) مطرح می شود و راهکارهایی را برای برطرف کردن آنها ارایه خواهیم نمود.

کلیدواژه‌ها:

الگوریتم یادگیری عمیق، داده ی بزرگ، چالش یادگیری عمیق، تزیه و تحلیل داده ی بزرگ

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-CEITECH01-CEITECH01_096.html
کد COI مقاله: CEITECH01_096

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
قاسمی, زهرا، ۱۳۹۵، بررسی الگوریتم یادگیری عمیق و چالش های آن در تجزیه و تحلیل داده های بزرگ، اولین همایش ملی مهندسی کامپیوتر و فناوری اطلاعات، اهواز، دانشگاه آزاد اسلامی واحد سوسنگرد، https://www.civilica.com/Paper-CEITECH01-CEITECH01_096.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (قاسمی, زهرا، ۱۳۹۵)
برای بار دوم به بعد: (قاسمی، ۱۳۹۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.
نقد پژوهشگران در مورد مقاله بررسی الگوریتم یادگیری عمیق و چالش های آن در تجزیه و تحلیل داده های بزرگ
پویا پویاپور (۱۳۹۷/۱/۲۶): مقاله ای مناسب جهت خواندن و ارجاع دهی به آن

علم سنجی و رتبه بندی مقاله

5.0
۱ تعداد پژوهشگران نظر دهنده
5 1
4 0
3 0
2 0
1 0
مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: موسسه غیرانتفاعی
تعداد مقالات: ۷۷
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.