共查询到20条相似文献,搜索用时 15 毫秒
1.
针对传统评价数据源单一、综合性和智能化不高的问题,在水闸安全评价相关理论、方法和应用经验的基础上,引入大数据理论与机器学习技术,协同应用多种水闸运行管理数据,设计了水闸安全评估及预测大数据总体应用框架,阐述了关键技术的实现方法,重点论述了基于大数据的机器学习模型库的建设流程。利用大数据和机器学习技术,建立基于大数据的水闸安全评价与态势预测的智能化应用模型,具有很好的技术支撑和应用价值。 相似文献
2.
3.
4.
5.
6.
7.
8.
大数据背景下,机器学习和数据分析是利用大数据为人类服务的重要手段。本文阐述了机器学习算法的使用
步骤、特征维度的提取方法、特征模型建立的理论支撑,以及模型融合所占的权重。针对当前大数据下机器学习算法的关键技
术,对其发展前景进行了展望。 相似文献
9.
随着人工智能的快速发展,分布式机器学习开始成为社会生产建设中重要工具.大数据技术的应用,丰富了分布式机器学习的策略,进一步拓展了应用空间,提高了应用价值.基于此,本文分析了基于大数据下分布式机器学习特点,然后根据分布式机器学习的实际需要,从分配与调度、计算与通信连接等方面进行探讨,围绕着分布式机器学习的基本原则,寻找科学、合理的学习策略. 相似文献
10.
姜绍俊 《数字社区&智能家居》2020,(9):185-186
机器学习需要有大量的背景数据作为训练集,而大数据技术正好给机器学习带来了这样的大量数据训练集。结合机器学习和大数据技术,为了实现高效的大数据机器学习而设计的大数据机器学习系统面临着诸多的技术问题。大数据机器学习系统成为大数据技术和机器学习领域研究的重要课题。本文介绍了大数据机器学习系统应该具有的概念、特征及相关典型的大数据机器学习系统。 相似文献
11.
大数据下的机器学习算法综述 总被引:4,自引:0,他引:4
《模式识别与人工智能》2014,(4)
随着产业界数据量的爆炸式增长,大数据概念受到越来越多的关注.由于大数据的海量、复杂多样、变化快的特性,对于大数据环境下的应用问题,传统的在小数据上的机器学习算法很多已不再适用.因此,研究大数据环境下的机器学习算法成为学术界和产业界共同关注的话题.文中主要分析和总结当前用于处理大数据的机器学习算法的研究现状.此外,并行是处理大数据的主流方法,因此介绍一些并行算法,并引出大数据环境下机器学习研究所面临的问题.最后指出大数据机器学习的研究趋势. 相似文献
12.
13.
14.
针对当前高校大数据公共课程在内容、师资安排以及课程衔接等方面存在缺乏合理设计的问题,基于OBE理念,提出一种基于模块化和鲁棒性的大数据公共课程体系设计方法,首先从不同专业对大数据应用人才的培养目标着手,以工程教育认证培养能力目标体系为线索,分析各专业课程与大数据公共课程之间的支撑度和衔接关系,从而构建模块化公共课程框架;然后基于主动式调整思路,将培养目标、课程体系参数化,进而设计课程选择及课程路径的设计与调整方法,并将其嵌入专业教育的持续改进的反馈闭环中实施.经过所在院校的实践,该方法能有效帮助非计算机专业选择和调整大数据技术公共课程,切实提高学生大数据课程的学习效果. 相似文献
15.
随着新技术和新需求以及新应用场景的出现,大数据分析技术的应用愈发广泛,同时基于大数据分析技术的数据安全也面临更多新的挑战。本文首先分析了数据安全在大数据中的重要性,并从大数据分析技术与机器学习之间的关系、基于大数据分析技术的机器学习具体应用两个方面对基于大数据分析技术的机器学习的运用原理展开分析,希望为从业者提供一定的参考。 相似文献
16.
17.
在大数据时代下,深度学习、强化学习以及分布式学习等理论和技术取得的突破性进展,为机器学习提供了数据和算法层面的强有力支撑,同时促进了机器学习的规模化和产业化发展.然而,尽管机器学习模型在现实应用中有着出色的表现,但其本身仍然面临着诸多的安全威胁.机器学习在数据层、模型层以及应用层面临的安全和隐私威胁呈现出多样性、隐蔽性和动态演化的特点.机器学习的安全和隐私问题吸引了学术界和工业界的广泛关注,一大批学者分别从攻击和防御的角度对模型的安全和隐私问题进行了深入的研究,并且提出了一系列的攻防方法.在本综述中,我们回顾了机器学习的安全和隐私问题,并对现有的研究工作进行了系统的总结和科学的归纳,同时明确了当前研究的优势和不足.最后,我们探讨了机器学习模型安全与隐私保护研究当前所面临的挑战以及未来潜在的研究方向,旨在为后续学者进一步推动机器学习模型安全与隐私保护研究的发展和应用提供指导. 相似文献
18.
19.