文献

J-GLOBAL ID：201702274708843939   整理番号：17A0472996

ビッグデータに対する機械学習:機会と挑戦【Powered by NICT】

Machine learning on big data: Opportunities and challenges

著者 (4件)： Zhou Lina (Information Systems Department, UMBC, Baltimore, MD 21250, United States) ,  Pan Shimei (Information Systems Department, UMBC, Baltimore, MD 21250, United States) ,  Wang Jianwu (Information Systems Department, UMBC, Baltimore, MD 21250, United States) ,  Vasilakos Athanasios V. (Department of Computer Science, Electrical and Space Engineering, Lulea University of Technology, SE-931 87 Skelleftea, Sweden)
資料名： Neurocomputing  (Neurocomputing)
巻： 237  ページ： 350-361  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 機械学習(ML)は,広範囲の用途におけるそのパワーを開放する続けている。ビッグデータの出現のために部分的に近年の先端にした。MLアルゴリズムは良好な約束されていないビッグデータに挑戦した。ビッグデータはより細粒パターンを明らかにし,これまで以上にタイムリーかつ正確な予測を行うためのMLアルゴリズム可能にする;一方,モデルスケーラビリティと分散コンピューティングのようなMLへの主要な課題を提示している。本論文では,機会と挑戦の議論を導くためにビッグデータ(MLBiD)上で動作するMLのフレームワークを提案した。フレームワークは,前処理,学習および評価の相に準拠したMLに中心があった。さらに,フレームワークは,他の四つの成分,すなわちビッグデータ,ユーザ,ドメイン,およびシステムの構成である。MLの相とMLBiDの成分は,関連する機会と挑戦を同定するための方向を提供し,多く研究されていないまたはで調べ研究分野における将来の研究を開く。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 前処理 ,  *機械学習 ,  アルゴリズム ,  分散処理
準シソーラス用語： *ビッグデータ , 【Automatic Indexing@JST】

著者キーワード (5件)： 機械学習 ,  ビッグデータ ,  データ前処理 ,  評価 ,  Parallelization

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： ビッグデータ ,  機械学習 ,  機会