یادگیری عمیق برای تجزیه و تحلیل داده ها و جریان های بزرگ: براساس یک نظرسنجی

در عصر اینترنت اشیاء (IOT)، مقدار زیادی از دستگاه های حسگر با تولید داده های مختلف حسی جمع آوری شده که از آن به عنوان یک طیف وسیعی در زمینه ها و برنامه های کاربردی استفاده میشود براساس ماهیت و نوع برنامه ها ، این دستگاه ها میتواند به جریانهای بزرگ یا سریع/در زمان واقعی جواب داده شوند. از این مورد به عنوان یک نوع فرایند حیاتی میتوان استفاده کرد که از این الگو برای کسب وکار و بهبود کیفیت تکنولوژی زندگی میتوان استفاده کرد.در این مقاله، ما یک مرور کلی از یک کلاس را داریم که از تکنیکهای پیشرفته یادگیری ماشین، یعنی یادگیری عمیق (DL)، برای تسهیل و آسانی تجزیه و تحلیل یادگیری در حوزه اشیا (IOT) ارائه میکنیم. ما با اظهارنظر کردن داده ها و شناسایی تحلیل داده های بزرگ، و همچنین تجزیه و تحلیل داده های بزرگ و تجزیه و تحلیل جریان داده را آغاز می کنیم. ما همچنین بحث میکنیم که چرا از یادگیری عمیق (DL) میتوان به عنوان یک رویکرد امیدوار کننده در جهت دستیابی به تجزیه و تحلیل مورد نظر در این نوع از داده ها و برنامه های کاربردی بکار گرفته میشود. پتانسیل استفاده از تکنیکهای در حال ظهور برای تجزیه و تحلیل داده های و چیزها ( IOT ) مورد بحث و بررسی قرار میگیرد و وعده ها و چالشهای آن معرفی میشود. ما همچنین معماری و الگوریتم یادگیری عمیق (DL) را مورد تحلیل قرار داده ایم که به طور خلاصه و عمده گزارش شده است، در نهایت، ما به برخی از چالشها و جهتهای بالقوه تحقیقات آینده را بررسی میکنیم.

Keywords:

درک عمیق , شبکه عصبی عمیق , داده های بزرگ IOT , تجزیه و تحلیل سریع داده ها , تجزیه و تحلیل مبتنی بر ابر.