本文關(guān)鍵詞：大數(shù)據(jù)下的典型機(jī)器學(xué)習(xí)平臺(tái)綜述　出處：《計(jì)算機(jī)應(yīng)用》2017年11期 　論文類型：期刊論文

  更多相關(guān)文章： 大數(shù)據(jù) 機(jī)器學(xué)習(xí)平臺(tái) 并行計(jì)算模型 參數(shù)服務(wù)器

【摘要】：由于大數(shù)據(jù)海量、復(fù)雜多樣、變化快,傳統(tǒng)的機(jī)器學(xué)習(xí)平臺(tái)已不再適用,因此,設(shè)計(jì)一個(gè)高效的、通用的大數(shù)據(jù)機(jī)器學(xué)習(xí)平臺(tái)成為目前的研究熱點(diǎn)。通過介紹和分析機(jī)器學(xué)習(xí)算法的特點(diǎn)以及大規(guī)模機(jī)器學(xué)習(xí)的數(shù)據(jù)和模型并行化,引出常見的并行計(jì)算模型。簡(jiǎn)單介紹了整體同步并行模型(BSP)、SSP并行計(jì)算模型以及BSP、SSP模型與AP模型的區(qū)別,主要介紹了基于這些并行模型的典型的機(jī)器學(xué)習(xí)平臺(tái)和這些平臺(tái)的優(yōu)缺點(diǎn),并指出各個(gè)平臺(tái)最適合處理何種大數(shù)據(jù)問題。最后從采用的抽象數(shù)據(jù)結(jié)構(gòu)、并行計(jì)算模型、容錯(cuò)機(jī)制等方面對(duì)典型的機(jī)器學(xué)習(xí)平臺(tái)進(jìn)行了總結(jié),并提出一些建議和展望。
[Abstract]:Because of big data's magnanimity, complexity and variety, rapid change, the traditional machine learning platform is no longer applicable, so, design an efficient. The general big data machine learning platform has become a research hotspot. By introducing and analyzing the characteristics of machine learning algorithm and parallelizing the data and model of large-scale machine learning. The common parallel computing model is introduced, and the global synchronous parallel model (BSPN) SSP parallel computing model and the difference between BSPG SSP model and AP model are briefly introduced. This paper mainly introduces the typical machine learning platform based on these parallel models and the advantages and disadvantages of these platforms, and points out what kind of big data problem each platform is most suitable to deal with. Finally, the abstract data structure is adopted. This paper summarizes the typical machine learning platform in parallel computing model and fault-tolerant mechanism, and puts forward some suggestions and prospects.
【作者單位】： 南京郵電大學(xué)計(jì)算機(jī)學(xué)院軟件學(xué)院網(wǎng)絡(luò)空間安全學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(61603197) 江蘇省自然科學(xué)基金資助項(xiàng)目(BK20140885)~~
【分類號(hào)】：TP181
【正文快照】： 0引言近年來,隨著數(shù)據(jù)收集手段的豐富及數(shù)據(jù)存儲(chǔ)能力的提升,公司、企業(yè)存儲(chǔ)的以及科學(xué)研究(如:腦電信號(hào)分析等)產(chǎn)生的數(shù)據(jù)量急劇增加。對(duì)大數(shù)據(jù)進(jìn)行科學(xué)的分析來獲取更加有價(jià)值的信息是一項(xiàng)具有挑戰(zhàn)性的任務(wù),大數(shù)據(jù)機(jī)器學(xué)習(xí)則是完成這項(xiàng)任務(wù)的關(guān)鍵技術(shù)。目前機(jī)器學(xué)習(xí)應(yīng)用廣泛,

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 夏潤(rùn)海,王開顏;機(jī)器學(xué)習(xí)與智能決策支持系統(tǒng)[J];濰坊學(xué)院學(xué)報(bào);2003年02期

2 張明玉,倪志偉;基于機(jī)器學(xué)習(xí)的智能決策支持系統(tǒng)[J];淮南師范學(xué)院學(xué)報(bào);2005年03期

3 楊凌霄;武建平;;機(jī)器學(xué)習(xí)方法在人臉檢測(cè)中的應(yīng)用[J];計(jì)算機(jī)與數(shù)字工程;2008年03期

4 ;第十一屆中國(guó)機(jī)器學(xué)習(xí)會(huì)議[J];智能系統(tǒng)學(xué)報(bào);2008年02期

5 ;第14屆中國(guó)機(jī)器學(xué)習(xí)會(huì)議[J];智能系統(tǒng)學(xué)報(bào);2012年06期

6 費(fèi)宗銘;呂建;王志堅(jiān);陳道蓄;徐家福;;機(jī)器學(xué)習(xí)[J];計(jì)算機(jī)科學(xué);1991年01期

7 趙沁平;魏華;王軍玲;;機(jī)器學(xué)習(xí)技術(shù)與機(jī)器學(xué)習(xí)系統(tǒng)[J];計(jì)算機(jī)科學(xué);1993年05期

8 姚敏;機(jī)器學(xué)習(xí)及其發(fā)展方向[J];計(jì)算機(jī)時(shí)代;1994年04期

9 ;第31屆機(jī)器學(xué)習(xí)國(guó)際會(huì)議(英文)[J];智能系統(tǒng)學(xué)報(bào);2014年01期

10 黃海濱;機(jī)器學(xué)習(xí)及其主要策略[J];河池師范高等�？茖W(xué)校學(xué)報(bào)(自然科學(xué)版);2000年04期

相關(guān)會(huì)議論文 前10條

1 王玨;;歸納機(jī)器學(xué)習(xí)[A];2001年中國(guó)智能自動(dòng)化會(huì)議論文集（上冊(cè)）[C];2001年

2 吳滄浦;;智能系統(tǒng)與機(jī)器學(xué)習(xí)的新領(lǐng)域[A];西部大開發(fā) 科教先行與可持續(xù)發(fā)展——中國(guó)科協(xié)2000年學(xué)術(shù)年會(huì)文集[C];2000年

3 周晴杰;徐立鴻;吳啟迪;;機(jī)器學(xué)習(xí)串級(jí)結(jié)構(gòu)的初步探討[A];1998年中國(guó)控制會(huì)議論文集[C];1998年

4 李剛;郭崇慧;林鴻飛;楊志豪;唐煥文;;基于詞典法和機(jī)器學(xué)習(xí)法相結(jié)合的蛋白質(zhì)名識(shí)別[A];大連理工大學(xué)生物醫(yī)學(xué)工程學(xué)術(shù)論文集（第2卷）[C];2005年

5 蔡健平;林世平;;基于機(jī)器學(xué)習(xí)的詞語(yǔ)和句子極性分析[A];第三屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2007年

6 黃金鐵;李景銀;周建常;;對(duì)高爐爐況評(píng)價(jià)模型參數(shù)的機(jī)器學(xué)習(xí)——一個(gè)三類線性模式分類器的實(shí)現(xiàn)[A];1995中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1995年

7 程國(guó)建;蔡磊;潘華賢;;核向量機(jī)在大規(guī)模機(jī)器學(xué)習(xí)中的應(yīng)用[A];第十一屆中國(guó)青年信息與管理學(xué)者大會(huì)論文集[C];2009年

8 張鈸;張鈴;;統(tǒng)計(jì)學(xué)習(xí)理論及其應(yīng)用[A];2001年中國(guó)智能自動(dòng)化會(huì)議論文集（上冊(cè)）[C];2001年

9 周川;林學(xué)，

本文編號(hào)：1383290