سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

بررسی جامع روش های یادگیری ماشین به صورت موازی

Publish Year: 1394
Type: Conference paper
Language: Persian
View: 1,112

This Paper With 18 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

ITCC01_464

Index date: 28 March 2016

بررسی جامع روش های یادگیری ماشین به صورت موازی abstract

در اکثر مقالات للا شده است که کارایی را با استفاده از الگوریتم های موازی یا معماری موازی بهبود بخشند کهیادگیری ماشین نیز از این قاعده مستثنا نیست. در حقیقت تلاش های قابل توجهی در این ناحیه، در 15 سال گذشتهانجام شده است که ما در این مقاله این تلاشه ا را گرد هم می آوریم. ایده ها در این زمینه در سال 1995 گسترش می یابد.مراحل مختلفی در طی بازه زمانی (1995-2011 شناسایی می شود که دستاوردهای مهمی را در بردارد. زمانی که بحث افزایش عملکرد پیش می آید پلت فرم های GPU جایگاه خاصی برای خودشان حک می کنند، قدرت این پلت فرم ها بهدلیل توانایی سرعت بخشیدن به محاسبات ، به صورت تصاعدی از طریق روش های برنامه نویسی/معماری موازی می باشد.آشکار است که فرایندهای محاسبالی پیچیده مانند پردازش تصویر، فازی و ... نیازمند به دست آوردن معماری هایموازی هستند. مطالعات نشان می دهد کارهایی با اهداف کلی مانند یادگیری ماشین، پیمایش گراف و ماشین های حالتمتناهی به عنوان برنامه های کاربردی آینده موازی شناسایی شده اند. روش نگاشت کاهش یکی از روش های مؤثر است کهدر این دوره تکامل یافته و ثابت شده که می تواند یک حامی مهم در ارائه کارایی الگوریتم های یادگیری ماشین رویGPU ها باشد. این گزارش به طور خلاصه مسیرهای توسعه را ارائه می دهد.

بررسی جامع روش های یادگیری ماشین به صورت موازی Keywords:

یادگیری ماشین های موازی و توزیع شده , GPU , داده کاوی موازی

بررسی جامع روش های یادگیری ماشین به صورت موازی authors

رفعت نقیبی شهری

دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی فردوس، ایران

مهدیه معاون سعیدی نوقایی

دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی فردوس، ایران

زهرا غلامی

دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی فردوس، ایران

حمیدرضا غفاری

استادیار دانشگاه آزاد اسلامی واحد فردوس، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
_ _ CConference om _ Technoloov f.ommnter &. _ 28 ...
_ _ CConference om _ Technoloov f.ommnter &. _ 28 ...
_ _ CConference om _ Technoloov f.ommnter &. _ 28 ...
K.K. Thearling (1995), Massively parallel architectures and algorithms for time ...
J.S. Park, M. Chen, P.S. Yu (1995), Efficient parallel data ...
A. Mueller (1995), Fast sequential and parallel algorithms for association ...
J.S. Park, M. Chen, P.S. Yu (1995), An effective hash-based ...
T. Shintani, M. Kitsuregawa (1996), Hash-based parallel algorithms for mining ...
R. Agrawal, J. Shafer (1996), Parallel mining of association rules, ...
M.J. Zaki, et al.(1996), Parallel data mining for association rules ...
M.J. Zaki, et al.(1997), Parallel algorithms for fast discovery of ...
M.J. Zaki, et al.(1997), Parallel algorithms for discovery of association ...
M.J. Zaki (1999), Data mining parallel and distributed association mining: ...
S. Parthasarathy, M.J. Zaki, M. Ogihara, W. Li (2001), Parallel ...
A.H. P. Nguyen, T.B. Ho (2002), A distributed algorithm for ...
A. Veloso, M. Erick Otey, S. Parthasarathy, W. Meira Jr.(2003), ...
L. Yang (2005), Pruning and visualizing generalized association rules in ...
M. El-Hajj, O. Zaiane (2006), Parallel leap: large-scale maximal, pattern ...
L. Liu, E. Li, Y. Zhang, Z. Tang (2007), Optimization ...
G. Buehrer, S. Parthasarathy, S. Tatikonda (2007), Toward terabyte pattern ...
M. Craus, A. Archip (2008), A generalized parallel algorithm for ...
K.K. Thearling (1995), Massively parallel architectures and algorithms for time ...
M.V. Joshi, G. Garypis, V. Kumar (1998), ScalParC: a new ...
M.J. Zaki, C. Ho (1999), R. Agrawal, Parallel classification for ...
L. Boxer, R. Miller, A. Rau-Chaplin (1999), Scalable parallel algorithms ...
K.W. Bowyer, L. Hall, T. Moore, N. Chawla (200 0), ...
R. Jin, G. Agarwal (2003), _ ommunication and memory efficient ...
S. Celis, D.R. Musicant (2002), Weka parallel: machine learning in ...
H.P. Graf, E. Cosatto, L. Bottou, I. Durdanovic (2005), Vladimir ...
Y. Wen, B. Lu, in: J. Wang, X. Liao, Z. ...
L. Bottou, O. Chapelle, D. DeCoste, J. Weston (Eds.) (2007), ...
R.U. Pedersen, M. Schoeberl (2010), Short paper: object oriented machine ...
U. Seiffert (20 02), Artificial neural networks _ massively parallel ...
G. Dahl, A. McAvinney, T. Newhall (2008), Parallelizing neural networks ...
J.D. Owens, D. Luebke, N. Govindaraju, M. Harris, J. Kruger, ...
J.D. Owens, D. Luebke, N. Govindaraju, M. Harris, J. Kruger, ...
N.K. Govindaraju, N. Raghuvanshi, D. Manocha (2005), Fast and approximate ...
S. Guha, S. Krishnan, S. _ enkat asubramani an (2005), ...
G. Buehrer, S. Parthasarathy, S. Tatikonda (2007), Toward terabyte pattern ...
F. Cao, A.K.H. Tung, A. Zhou (2006), Scalable clustering using ...
N.K. Govindaraju, B. Lloyd, W. Wang, M. Lin, D. Manocha ...
N.K. Govindaraju, N. Raghuvanshi, M. Henson, D. Tuft, D. Manocha ...
B. He, N.K. Govindaraju, Q. Luo, B. Smith (2007), Efficient ...
S. Che, M. Boyer, J. Meng, D. Tarjan, J.W. Sheaffer, ...
W. Fang, K.K. Lau, M. Lu, X. Xiao, C.K. Lam, ...
M. Zechner, M. Granitzer (2009), Accelerating K means on the ...
R. Wu, B. Zhang, M. Hsu (2009), GPU accelerated large ...
Y. Zhang, F. Mueller, X. Cui, T.E. Potok (2010), Data-intensive ...
Y. Zhang, F. Mueller, X. Cui, T. Potok (2010), Large-scale ...
Y. Zhang, F. Mueller, X.T. Potok (2009), GPU accelerated text ...
M. Geary, H. Lee, D. Signorelli, J. Vaughan (2009), Implementing ...
D.L. Ly, V. Paprotski, _ Yen (2008), Neural networks on ...
X. Cui, J. Beaver, J.S. Charles, T. Potok (2010), The ...
T. Sharp (2008), Implementing decision trees and forests on a ...
N. Pilkington, H. Zen (2010), An imp lementation of decision ...
نمایش کامل مراجع

مقاله فارسی "بررسی جامع روش های یادگیری ماشین به صورت موازی" توسط رفعت نقیبی شهری، دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی فردوس، ایران؛ مهدیه معاون سعیدی نوقایی، دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی فردوس، ایران؛ زهرا غلامی، دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی فردوس، ایران؛ حمیدرضا غفاری، استادیار دانشگاه آزاد اسلامی واحد فردوس، ایران نوشته شده و در سال 1394 پس از تایید کمیته علمی کنفرانس بین المللی پژوهش های کاربردی در فناوری اطلاعات، کامپیوتر ومخابرات پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله یادگیری ماشین های موازی و توزیع شده، GPU ، داده کاوی موازی هستند. این مقاله در تاریخ 9 فروردین 1395 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 1112 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که در اکثر مقالات للا شده است که کارایی را با استفاده از الگوریتم های موازی یا معماری موازی بهبود بخشند کهیادگیری ماشین نیز از این قاعده مستثنا نیست. در حقیقت تلاش های قابل توجهی در این ناحیه، در 15 سال گذشتهانجام شده است که ما در این مقاله این تلاشه ا را گرد هم می آوریم. ایده ها در این ... . این مقاله در دسته بندی موضوعی داده کاوی و یادگیری ماشین طبقه بندی شده است. برای دانلود فایل کامل مقاله بررسی جامع روش های یادگیری ماشین به صورت موازی با 18 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.