文献

J-GLOBAL ID：201802275774057439   整理番号：18A0162438

Apacheスパークと深層学習を用いたビッグデータ解析フレームワーク【Powered by NICT】

A Big Data Analysis Framework Using Apache Spark and Deep Learning

著者 (5件)： Gupta Anand ,  Thakur Hardeo Kumar ,  Shrivastava Ritvik ,  Kumar Pulkit ,  Nag Sreyashi
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICDMW  ページ： 9-16  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 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】

シソーラス用語： 放電 ,  人工知能 ,  *データ解析 ,  *学習 ,  機械学習 ,  多層パーセプトロン ,  学習アルゴリズム ,  計算機アーキテクチャ
準シソーラス用語： 解析方法 ,  *ビッグデータ ,  *深層学習 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： APACHE ,  スパーク ,  深層学習 ,  ビッグデータ ,  解析フレームワーク