مدل محاسبه عمیق چندبعدی برای داده های هوشمند در اینترنت اشیا
ترجمه نشده

مدل محاسبه عمیق چندبعدی برای داده های هوشمند در اینترنت اشیا

عنوان فارسی مقاله: یک مدل محاسبه عمیق چندبعدی برای داده های هوشمند در اینترنت اشیا
عنوان انگلیسی مقاله: A multi-projection deep computation model for smart data in Internet of Things
مجله/کنفرانس: سیستم های کامپیوتری نسل آینده - Future Generation Computer Systems
رشته های تحصیلی مرتبط: مهندسی فناوری اطلاعات، مهندسی کامپیوتر
گرایش های تحصیلی مرتبط: اینترنت و شبکه های گسترده، مهندسی الگوریتم و محاسبات، امنیت اطلاعات، هوش مصنوعی
کلمات کلیدی فارسی: داده های بزرگ، اینترنت اشیا، داده های هوشمند، مدل محاسبات عمیق، پس انتشار
کلمات کلیدی انگلیسی: Big data، Internet of Things، Smart data، Deep computation model، Back-propagation
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
نمایه: Scopus - Master Journal List - JCR
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.future.2018.09.060
دانشگاه: College of Computer and Information Management, Inner Mongolia University of Finance and Economics, Hohhot, China
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2019
ایمپکت فاکتور: 5/341 در سال 2017
شاخص H_index: 85 در سال 2019
شاخص SJR: 0/844 در سال 2017
شناسه ISSN: 0167-739X
شاخص Quartile (چارک): Q1 در سال 2017
فرمت مقاله انگلیسی: PDF
تعداد صفحات مقاله انگلیسی: 18
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: بله
کد محصول: E10962
فهرست انگلیسی مطالب

Abstract


1- Introduction


2- Preliminaries


3- Multi-projection deep computation model (MPDCM)


4- Learning algorithm


5- Experiments


6- Related work


7- Conclusion


References

نمونه متن انگلیسی مقاله

Abstract


The double-projection deep computation model (DPDCM) proved to be effective for big data feature learning. However, DPDCM cannot capture the underlying correlations over the different modalities enough since it projects the input data into only two subspaces. To tackle this problem, this paper presents a multi-projection deep computation model (MPDCM) to generalize DPDCM for smart data in Internet of Things. Specially, MPDCM maps the input data into multiple nonlinear subspaces to learn the interacted features of IoT big data by substituting each hidden layer with a multi-projection layer. Furthermore, a learning algorithm based on back-propagation and gradient descent is designed to train the parameters of the presented model. Finally, extensive experiments are conducted on two representative datasets, i.e, Animal-20 and NUS-WIDE-14, to verify the presented model by comparing with DPDCM. Results show that the presented model achieves higher classification accuracy than DPDCM, proving the potential of the presented model to drill smart data for Internet of Things.


Introduction


Recently, Internet of Things (IoT) have achieved great progress by integrating advanced sensing devices such as sensors and RFIDs into communication networks [1]. Specially, big data processing techniques such as data compression, deep learning, correlation analysis and clustering are playing a remarkable role in Internet of Things [2], [3]. For example, deep learning, an recently advanced artificial intelligence technique is used to find the valuable information, i.e., smart data, from IoT big data for smart market analysis in industrial manufacture. A unique property of IoT big data is its high variety, i.e., data comes from various sources such as cameras and sensors, with different formats like text, image and audio [4]. Typically, each heterogeneous data object has more than one modalities, implying that heterogeneous data is typically multi-modal [5]. For instance, a piece of video usually contains two modalities, i.e., image and audio, or three modalities, i.e., image, audio and text.

  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

مدل محاسبه عمیق چندبعدی برای داده های هوشمند در اینترنت اشیا
نوشته های مرتبط
مقالات جدید
لوگوی رسانه های برخط

logo-samandehi

پیوندها