文献

J-GLOBAL ID：202202281356983204   整理番号：22A0778797

分散機械学習-直感的アプローチ【JST・京大機械翻訳】

Distributed Machine Learning-An Intuitive Approach

著者 (2件)： Banerji Nandan (Department of CSE, National Institute of Technology, Durgapur, India) ,  Banerji Nandan (Department of AI and DS, KLEF (Deemed to be University), Guntur, Andra Pradesh, India)
資料名： Advances in Intelligent Systems and Computing  (Advances in Intelligent Systems and Computing)
巻： 1419  ページ： 9-15  発行年： 2022年 
JST資料番号： W5075A  ISSN： 2194-5357  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 人工知能を可能にする自動化システムの範囲は,過去10年間急速に成長し,この成長はハードウェア加速を利用した機械学習技術の進歩により刺激されてきた。予測の質を改善し,より複雑なアプリケーションに実現可能な機械学習解を利用するために,訓練データのタンジブルな量が必要である。比較的小さな機械学習モデルは,適度な量のデータで訓練できるが,ニューラルネットワークのような大きなモデルの訓練のための入力は,パラメータ数とともに指数関数的に増加する。処理訓練データの需要は計算機械の計算電力の増加を除外するので,異なる機械を横断して機械学習作業負荷を分配する必要性がある。これは集中型から分散系へスイッチをもたらす。これらの分散システムは新しい挑戦を示す。最初に,訓練プロセスの効率的並列化とコヒーレントモデルの作成。本論文では,従来の(集中化)機械学習における分散機械学習の課題と機会を概観し,分散機械学習に用いる技術を議論し,利用可能なシステムの概観を提供する,分野における現在の最先端技術の広範な概観を提供した。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： コヒーレンス ,  分散系 ,  データ ,  電力 ,  ニューラルネットワーク ,  指数関数 ,  計算 ,  人工知能 ,  計算機械 ,  応用プログラム ,  ハードウェア ,  *機械学習
準シソーラス用語： 訓練データ ,  分散システム ,  機械学習技術 , 【Automatic Indexing@JST】

著者キーワード (2件)： 古典的機械学習 ,  分散機械学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 機械学習 ,  直感