本文選題：大數(shù)據(jù) + 神經(jīng)網(wǎng)絡(luò)��； 參考：《工程科學(xué)與技術(shù)》2017年01期

【摘要】：大數(shù)據(jù)蘊(yùn)含巨大的社會(huì)、經(jīng)濟(jì)、科學(xué)價(jià)值,已成為學(xué)術(shù)界與企業(yè)界關(guān)注的重點(diǎn)。其關(guān)鍵技術(shù)可劃分為三大層次:數(shù)據(jù)平臺(tái)、分析平臺(tái)和展示平臺(tái),其中分析平臺(tái)是大數(shù)據(jù)轉(zhuǎn)化為價(jià)值的橋梁。一般來說,大數(shù)據(jù)擁有體量浩大(volume)、多源異構(gòu)(variety)、生成快速(velocity)、價(jià)值稀疏(value)的"4V"特性,擴(kuò)大了大數(shù)據(jù)的價(jià)值空間,同時(shí)也為大數(shù)據(jù)的分析技術(shù)帶來巨大挑戰(zhàn)。其中三大挑戰(zhàn)比較顯著,即多源異構(gòu)大數(shù)據(jù)、大量非結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)、大數(shù)據(jù)價(jià)值稀疏且變化快。其三大核心科學(xué)問題為大數(shù)據(jù)的表達(dá)、存儲(chǔ)和預(yù)測問題。由于傳統(tǒng)的數(shù)據(jù)分析方法難以勝任,發(fā)展新的大數(shù)據(jù)分析方法勢在必然。人腦是天然的大數(shù)據(jù)處理引擎。神經(jīng)網(wǎng)絡(luò)是一種模擬人腦大數(shù)據(jù)分析機(jī)制的計(jì)算方法,是目前大數(shù)據(jù)分析中最成功的方法。神經(jīng)網(wǎng)絡(luò)的研究主要包括:模擬大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),構(gòu)建神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型;模擬大腦神經(jīng)網(wǎng)絡(luò)的記憶機(jī)制,發(fā)展學(xué)習(xí)算法。神經(jīng)網(wǎng)絡(luò)的研究歷史歷經(jīng)波折。近年來,隨著當(dāng)代計(jì)算機(jī)計(jì)算能力的不斷提升,基于神經(jīng)網(wǎng)絡(luò)的大數(shù)據(jù)分析方法取得了巨大成功,尤其是在各應(yīng)用領(lǐng)域,如語音大數(shù)據(jù)分析、圖像大數(shù)據(jù)分析、醫(yī)學(xué)大數(shù)據(jù)分析等,引領(lǐng)了人工智能的發(fā)展。Alpha Go在人機(jī)圍棋大戰(zhàn)中獲勝,引起了廣泛關(guān)注。"大數(shù)據(jù)+神經(jīng)網(wǎng)絡(luò)"已成為驅(qū)動(dòng)創(chuàng)新、推動(dòng)社會(huì)發(fā)展和改變?nèi)祟惿a(chǎn)生活方式的一種重要力量。以大數(shù)據(jù)和神經(jīng)網(wǎng)絡(luò)為線索,回顧大數(shù)據(jù)的基本概念與關(guān)鍵技術(shù),梳理神經(jīng)網(wǎng)絡(luò)研究的基本框架,可以發(fā)現(xiàn)它們之間默契切合、互相促進(jìn)的關(guān)系。一方面,神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的特征提取與抽象能力,能夠整合多源信息,處理異構(gòu)數(shù)據(jù),捕捉變化動(dòng)態(tài),是大數(shù)據(jù)實(shí)現(xiàn)價(jià)值轉(zhuǎn)化的橋梁。另一方面,體量浩大的大數(shù)據(jù)為神經(jīng)網(wǎng)絡(luò)提供了充足的訓(xùn)練樣本,使得訓(xùn)練越來越大規(guī)模的神經(jīng)網(wǎng)絡(luò)成為可能。盡管"大數(shù)據(jù)+神經(jīng)網(wǎng)絡(luò)"在眾多應(yīng)用領(lǐng)域已經(jīng)取得了突破,但是,仍然存在需要解決的核心科學(xué)問題。面向神經(jīng)網(wǎng)絡(luò)的研究中,神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)尚需進(jìn)一步研究,神經(jīng)網(wǎng)絡(luò)的大小依然缺少理論性的指導(dǎo),神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法仍然存在一些內(nèi)在的問題。圍繞大數(shù)據(jù)分析的三大核心科學(xué)問題,需要研究如何保證在高維空間中稀疏表達(dá)仍可維持?jǐn)?shù)據(jù)的一致性,如何實(shí)現(xiàn)"只存儲(chǔ)知識(shí)而不存儲(chǔ)原始數(shù)據(jù)",如何刻畫數(shù)據(jù)的時(shí)空關(guān)聯(lián)以實(shí)現(xiàn)大數(shù)據(jù)的預(yù)測。因此,仍然需要對該領(lǐng)域持續(xù)投入,加強(qiáng)應(yīng)用研究和理論研究,尤其應(yīng)進(jìn)行跨領(lǐng)域的研究,即與人腦的大數(shù)據(jù)處理相呼應(yīng),結(jié)合認(rèn)知科學(xué)、神經(jīng)科學(xué)等相關(guān)學(xué)科的知識(shí),以解決神經(jīng)網(wǎng)絡(luò)和大數(shù)據(jù)應(yīng)用中的核心科學(xué)問題,推動(dòng)基于神經(jīng)網(wǎng)絡(luò)方法的大數(shù)據(jù)分析研究。
[Abstract]:Big data contains enormous social, economic and scientific value, which has become the focus of academic and business circles. The key technology can be divided into three levels: data platform, analysis platform and display platform, in which the analysis platform is the bridge to transform big data into value. Generally speaking, big data has the "4V" feature of volume, multi-source heterogeneity, fast velocity.Value-sparse value), which expands the value space of big data, and also brings great challenges to the analysis technology of big data. The three major challenges are multi-source heterogeneous big data, large amount of unstructured data storage, and big data value is sparse and fast. Its three core scientific problems are the expression, storage and prediction of big data. Because the traditional data analysis method is not competent, it is necessary to develop a new big data analysis method. The human brain is a natural big data processing engine. Neural network is a method to simulate the mechanism of big data analysis in human brain. It is the most successful method in big data analysis at present. The research of neural network mainly includes: simulating the neural network structure, constructing the neural network model, simulating the memory mechanism of the neural network and developing the learning algorithm. The research history of neural network has gone through twists and turns. In recent years, with the continuous improvement of computer computing power, the neural network-based big data analysis method has achieved great success, especially in various application fields, such as voice big data analysis, image big data analysis. "Medical big data analysis has led the development of artificial intelligence. Alpha go has won the game of go, which has attracted widespread attention." Big data neural network has become an important force to drive innovation, promote social development and change the way of life and production of human beings. Based on the clue of big data and neural network, this paper reviews the basic concepts and key technologies of big data, combs the basic framework of neural network research, and finds out the relationship between them. On the one hand, neural network has powerful ability of feature extraction and abstraction, which can integrate multi-source information, process heterogeneous data and capture dynamic changes. It is a bridge for big data to realize value transformation. On the other hand, the large volume of big data provides sufficient training samples for neural networks, which makes it possible to train more and more large-scale neural networks. Although "big data neural network" has made a breakthrough in many application fields, there are still some core scientific problems to be solved. In the research of neural network, the structure of neural network needs further study, the size of neural network is still lack of theoretical guidance, and the learning algorithm of neural network still has some inherent problems. Focusing on the three core scientific problems of big data analysis, it is necessary to study how to ensure the consistency of data in sparse representation in high-dimensional space. How to realize "storing knowledge instead of storing raw data", and how to depict the spatio-temporal correlation of data to realize the prediction of big data. Therefore, it is still necessary to continue to invest in this field and to strengthen applied and theoretical research, especially to carry out cross-domain research, that is, to echo the big data processing of the human brain, and to combine the knowledge of cognitive science, neuroscience and other related disciplines. In order to solve the core scientific problems in the application of neural network and big data, the research of big data analysis based on neural network is promoted.
【作者單位】： 四川大學(xué)計(jì)算機(jī)學(xué)院;
【基金】：國家自然科學(xué)基金重點(diǎn)項(xiàng)目資助(61432012;U1435213)
【分類號(hào)】：TP311.13;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 云中客;新的神經(jīng)網(wǎng)絡(luò)來自于仿生學(xué)[J];物理;2001年10期

2 唐春明,高協(xié)平;進(jìn)化神經(jīng)網(wǎng)絡(luò)的研究進(jìn)展[J];系統(tǒng)工程與電子技術(shù);2001年10期

3 李智;一種基于神經(jīng)網(wǎng)絡(luò)的煤炭調(diào)運(yùn)優(yōu)化方法[J];長沙鐵道學(xué)院學(xué)報(bào);2003年02期

4 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];計(jì)算機(jī)工程與應(yīng)用;2004年21期

5 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學(xué);2004年03期

6 周麗暉;從統(tǒng)計(jì)角度看神經(jīng)網(wǎng)絡(luò)[J];統(tǒng)計(jì)教育;2005年06期

7 趙奇 ,劉開第 ,龐彥軍;灰色補(bǔ)償神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];微計(jì)算機(jī)信息;2005年14期

8 袁婷;;神經(jīng)網(wǎng)絡(luò)在股票市場預(yù)測中的應(yīng)用[J];軟件導(dǎo)刊;2006年05期

9 尚晉;楊有;;從神經(jīng)網(wǎng)絡(luò)的過去談科學(xué)發(fā)展觀[J];重慶三峽學(xué)院學(xué)報(bào);2006年03期

10 楊鐘瑾;;神經(jīng)網(wǎng)絡(luò)的過去、現(xiàn)在和將來[J];青年探索;2006年04期

相關(guān)會(huì)議論文 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動(dòng)化會(huì)議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識(shí)別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

5 鐘義信;;知識(shí)論:神經(jīng)網(wǎng)絡(luò)的新機(jī)遇——紀(jì)念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

6 許進(jìn);保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報(bào)產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報(bào)應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評(píng)估中的應(yīng)用[A];第十二屆全國心理學(xué)學(xué)術(shù)大會(huì)論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動(dòng)化會(huì)議論文集（第七分冊）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

10 張廣遠(yuǎn);萬強(qiáng);曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2010年

相關(guān)重要報(bào)紙文章 前10條

1 美國明尼蘇達(dá)大學(xué)社會(huì)學(xué)博士 密西西比州立大學(xué)國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護(hù)好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報(bào);2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計(jì)算機(jī)世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報(bào);2003年

4 中國科技大學(xué)計(jì)算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計(jì)算機(jī)世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日報(bào);2007年

6 本報(bào)記者 劉霞;美用DNA制造出首個(gè)人造神經(jīng)網(wǎng)絡(luò)[N];科技日報(bào);2011年

7 健康時(shí)報(bào)特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時(shí)報(bào);2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達(dá)國際先進(jìn)水平[N];中國電子報(bào);2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報(bào);2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報(bào);2006年

相關(guān)博士學(xué)位論文 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機(jī)映射神經(jīng)網(wǎng)絡(luò)的多元時(shí)間序列預(yù)測方法研究[D];大連理工大學(xué);2015年

5 付愛民;極速學(xué)習(xí)機(jī)的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計(jì)算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)并行實(shí)現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時(shí)間序列預(yù)測算法研究[D];北京科技大學(xué);2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)與高校效益預(yù)測的研究[D];華南理工大學(xué);2015年

2 賈文靜;基于改進(jìn)型神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電系統(tǒng)預(yù)測及控制研究[D];燕山大學(xué);2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學(xué);2015年

4 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學(xué);2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡(luò)研究[D];西南大學(xué);2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡(luò)的遙感圖像分類研究[D];昆明理工大學(xué);2015年

7 李志杰;基于神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測研究[D];華南理工大學(xué);2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測研究與系統(tǒng)實(shí)現(xiàn)[D];華南理工大學(xué);2015年

9 張韜;幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

10 邵雪瑩;幾類時(shí)滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學(xué);2015年

，

本文編號(hào)：1987610