抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ビッグデータの広がり有病率に伴い,多くの進歩は最近この分野で行われている。ApacheH adoop Apache火花のような骨格は過去数十年にわたり牽引の多くを獲得した大規模普及,特に産業。人工知能問題を解くための重要な効果的なビッグデータ解析証拠が増加している。マルチアルゴリズムライブラリをスパークフレームワーク,MLlibと呼ばれるに実装した。このライブラリーは,複数の機械学習アルゴリズムを支持するが,深い学習のような高度に時間と計算的に高価な方法に対して効率的に放電装置を使用する範囲である。本論文では,Apache火花の分配計算能力と深い多層パーセプトロン(MLP)の高度な機械学習アーキテクチャを組合せ,カスケード学習の一般的な概念を用いた新しいフレームワークを提案した。は二種の実世界データセット上で提案フレームワークの実験的解析を行った。その結果は有望であり,提案したフレームワークを確認,言い換えると個々の要素としてのスパークまたは深層学習を用いた伝統的なビッグデータ解析方法を超える改良であることを証明した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】