توضیحات
This book provides a comprehensive picture of fog computing technology, including of fog architectures, latency aware application management issues with real time requirements, security and privacy issues and fog analytics, in wide ranging application scenarios such as M2M device communication, smart homes, smart vehicles, augmented reality and transportation management. This book explores the research issues involved in the application of traditional shallow machine learning and deep learning techniques to big data analytics. It surveys global research advances in extending the conventional unsupervised or clustering algorithms, extending supervised and semi-supervised algorithms and association rule mining algorithms to big data Scenarios. Further it discusses the deep learning applications of big data analytics to fields of computer vision and speech processing, and describes applications such as semantic indexing and data tagging. Lastly it identifies 25 unsolved research problems and research directions in fog computing, as well as in the context of applying deep learning techniques to big data analytics, such as dimensionality reduction in high-dimensional data and improved formulation of data abstractions along with possible directions for their solutions.
————————————————————–
ترجمه ماشینی :
این کتاب تصویری جامع از فناوری محاسبات مه ، از جمله معماری مه ، مشکلات مدیریت برنامه آگاهی از تأخیر با نیازهای زمان واقعی ، مسائل مربوط به امنیت و حریم خصوصی و تجزیه و تحلیل مه ، در سناریوهای گسترده برنامه مانند ارتباطات دستگاه M2M ، خانه های هوشمند ارائه می دهد. ، وسایل نقلیه هوشمند ، واقعیت افزوده و مدیریت حمل و نقل. این کتاب به بررسی موضوعات تحقیقاتی در کاربرد یادگیری ماشین کم عمق سنتی و تکنیک های یادگیری عمیق در تجزیه و تحلیل داده های بزرگ می پردازد. این تحقیق در مورد پیشرفت های تحقیقات جهانی در گسترش الگوریتم های بدون نظارت یا خوشه بندی معمولی ، گسترش الگوریتم های نظارت شده و نیمه تحت نظارت و الگوریتم های معدن قاعده انجمن به سناریوهای داده بزرگ. علاوه بر این ، در مورد برنامه های یادگیری عمیق تجزیه و تحلیل داده های بزرگ در زمینه های دید رایانه و پردازش گفتار بحث می کند و برنامه هایی مانند نمایه سازی معنایی و برچسب زدن داده ها را توصیف می کند. در آخر ، 25 مشکل تحقیق حل نشده و مسیرهای تحقیق در محاسبات مه ، و همچنین در زمینه استفاده از تکنیک های یادگیری عمیق در تجزیه و تحلیل داده های بزرگ ، مانند کاهش ابعاد در داده های با ابعاد بالا و بهبود فرمولاسیون داده های مربوط به انتزاع داده ها به همراه جهت های احتمالی را مشخص می کند. راه حل های آنها.
tag : دانلود کتاب محاسبات مه ، یادگیری عمیق و جهت های بزرگ تجزیه و تحلیل داده ها , Download محاسبات مه ، یادگیری عمیق و جهت های بزرگ تجزیه و تحلیل داده ها , دانلود محاسبات مه ، یادگیری عمیق و جهت های بزرگ تجزیه و تحلیل داده ها , Download Fog Computing, Deep Learning and Big Data Analytics-Research Directions Book , محاسبات مه ، یادگیری عمیق و جهت های بزرگ تجزیه و تحلیل داده ها دانلود , buy محاسبات مه ، یادگیری عمیق و جهت های بزرگ تجزیه و تحلیل داده ها , خرید کتاب محاسبات مه ، یادگیری عمیق و جهت های بزرگ تجزیه و تحلیل داده ها , دانلود کتاب Fog Computing, Deep Learning and Big Data Analytics-Research Directions , کتاب Fog Computing, Deep Learning and Big Data Analytics-Research Directions , دانلود Fog Computing, Deep Learning and Big Data Analytics-Research Directions , خرید Fog Computing, Deep Learning and Big Data Analytics-Research Directions , خرید کتاب Fog Computing, Deep Learning and Big Data Analytics-Research Directions ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.