2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩63頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、隨著互聯(lián)網(wǎng)環(huán)境中數(shù)據(jù)規(guī)模的劇烈增長,從海量的數(shù)據(jù)中提取有意義的信息變得越來越困難。認(rèn)知計算技術(shù)作為人工智能領(lǐng)域的一個重要分支,在如今的互聯(lián)網(wǎng)環(huán)境下能夠起到十分重要的作用。而在認(rèn)知計算技術(shù)中,如何快速有效的完成數(shù)據(jù)的處理工作是在整個認(rèn)知計算系統(tǒng)中十分重要的一環(huán)。因此,本文主要研究認(rèn)知計算中基于機(jī)器學(xué)習(xí)的數(shù)據(jù)處理模型。
  文章首先提出了一種認(rèn)知計算模型,然后研究了模型中可能用到的數(shù)據(jù)處理技術(shù)(分類、決策等)以及分布式環(huán)境下的任務(wù)調(diào)度

2、算法??偨Y(jié)起來,研究主要內(nèi)容和創(chuàng)新之處主要表現(xiàn)在如下幾個方面:
  針對互聯(lián)網(wǎng)應(yīng)用的使用過程中產(chǎn)生大量的感知數(shù)據(jù)和數(shù)據(jù)流難以分析處理的問題,研究一種基于上下文感知數(shù)據(jù)流的認(rèn)知計算模型,實現(xiàn)對上下文感知數(shù)據(jù)的有效分析。此外,針對VFDT(Very Fast Decision Tree)算法選擇分裂屬性的隨機(jī)性導(dǎo)致準(zhǔn)確率不理想的問題,提出一種面向數(shù)據(jù)流的決策樹算法來對數(shù)據(jù)流進(jìn)行有效的分類。
  針對互聯(lián)網(wǎng)中的海量信息有效性與否的

3、決策問題,提出一種基于深度置信網(wǎng)絡(luò)和線性感知器的認(rèn)知決策算法,在深度置信網(wǎng)絡(luò)訓(xùn)練結(jié)果的基礎(chǔ)上搭建一種具有錯誤控制功能的認(rèn)知決策模型,綜合考慮信息本身和上下文信息,最終給出信息有效與否的決策結(jié)果。
  針對RAM(Reward optimAl Matching)算法中,資源隊列類別分類不準(zhǔn)確導(dǎo)致的任務(wù)調(diào)度效率不高的問題,提出了一種基于改進(jìn)型隊列匹配的任務(wù)調(diào)度算法來解決分布式的計算環(huán)境下的任務(wù)調(diào)度問題。該算法首先對資源進(jìn)行聚類,然后根

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論