文献

J-GLOBAL ID：201602274358360670   整理番号：16A0586374

深学習とapache火花を用いた移動ビッグデータ分析【Powered by NICT】

Mobile big data analytics using deep learning and apache spark

著者 (5件)： Alsheikh Mohammad Abu (Nanyang Technological University and the Institute for Infocomm Research) ,  Niyato Dusit (Nanyang Technological University) ,  Lin Shaowei (Singapore University of Technology and Design) ,  Tan Hwee-pink (Singapore Management University) ,  Han Zhu (University of Houston)
資料名： IEEE Network  (IEEE Network)
巻： 30  号： 3  ページ： 22-29  発行年： 2016年 
JST資料番号： T0135A  ISSN： 0890-8044  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ,スマートフォンとモノガジェットのインターネットのようなモバイルデバイスの増殖は,最近の移動ビッグデータ時代をもたらした。利用データから意味のある情報と隠れたパターンを抽出するために適している分析と学習法なければ収集移動ビッグデータである利益。を概観し,移動ビッグデータ分析における深層学習についての簡単な手引きを提供したApache火花上のスケーラブル学習フレームワークを検討した。具体的には,分散深層学習は多くの火花労働者上での反復型MapReduce計算として実行される。各火花作業者が全体の移動の分配に及ぼす部分的深モデルを学習し,マスター深いモデルを用いて,すべての部分モデルのパラメータを平均化することにより構築した。火花ベースフレームワークは,多くの隠れ層と百万のパラメータから成る深いモデルの学習をスピードアップする。ここでは,提案フレームワークを検証し,その高速化有効性を評価するために試料の百万を含む実世界データセットによる文脈を意識した行動認識アプリケーションを使用した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 高速化 ,  インターネット ,  労働者 ,  *学習 ,  応用プログラム ,  スマートフォン ,  データセット ,  隠れ層 ,  深層学習 ,  モバイルデバイス ,  *ビッグデータ
準シソーラス用語： 行動認識 ,  MapReduce ,  Apacheモジュール , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (4件)： 学習 ,  APACHE ,  火花 ,  データ分析