排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
2.
数据科学的发展,将为计算智能的持续发展提供新的可能与机遇;与此同时,计算智能的发展与新型智能范式的兴起,也将为大数据在各行业和各领域的应用提供新的契机。文章阐述了数据科学的内涵,探讨了计算智能的发展与新型智能范式,列举了引领数据科学与计算智能研究的应用方向;进而基于香山科学会议第667次学术讨论会与会专家的讨论,提炼形成数据科学与计算智能领域的七大关键问题,以期使该领域研究得到相关领域研究者与应用者的共同关注,从而把握时代的机遇,推动数据科学与计算智能持续发展。 相似文献
3.
近日,中科院计算所研究员、CCF大数据专家委员会秘书长程学旗在“2014中国大数据技术大会”上发布了《中国大数据技术与产业发展白皮书(2014年)》和《2015年大数据十大发展趋势预测》。据了解,该趋势预测是由大数据专家委的委员和中关村产业联盟的会员共同投票得出的结果。1结合智能计算的大数据分析成为热点大数据与神经计算、深度学习、语义计算以及人工智能其他相关技术结合,成为大数据分析领域的热点。大数据分析的核心是从数据中获取价值,价值体现在从大数据中获取更准确、更深层次的知识,而非对数据的简单统计分析。要达到这一目标,需要提升对数据的认知计算能力,让计算系统具备对数据的理解、推理、发现和决策能力, 相似文献
4.
5.
近年来,大数据技术与系统在性能和效率方面已经取得了显著的提升,大数据应用到各个行业,赋能产业智能化发展,成为信息社会进入智能化阶段的关键要素。然而,大数据技术发展也面临着更深层次的挑战,如数据泛滥与高价值数据缺失并存、大数据分析研判复杂不确定、数据流通共享与数据可信安全使用难以兼顾等。这些挑战将推动大数据分析处理技术的创新变革,促进新技术体系的建立与发展。文章面向大数据分析处理面临的新架构、新模式、新范式和安全可信需求,提出构建新一代大数据分析处理系统栈,探索大数据价值利用新范式,并展望新技术体系下的牵引性需求与重大应用。 相似文献
6.
排序是信息检索、数据挖掘以及社会网络分析的基础工作之一。 在线社交网络和社
会媒体的快速发展积累了大量的图数据——由表示实体的节点和表示实体间关系的连边构
成。 图数据中节点之间连接关系复杂, 通常缺少显式的全序结构, 使得图排序在图数据分析
中显得尤为重要。 图排序算法主要包括 2 大类, 面向节点中心度的图排序算法和面向节点集
合多样性的图排序算法。 与传统的图排序不同 , 多样性图排序考虑排序和聚类的融合, 体现
为节点集合对网络整体的覆盖程度。 近年来, 多样性图排序得到了广泛的关注, 取得了一系
列研究进展,研究成果成功应用到了搜索结果排序、文档自动摘要、信息推荐系统和影响最大
化等诸多场景中。 文章评述了多样性图排序的研究现状及主要进展, 将现有的多样性图排序
方法按照研究思路的不同分为边际效益最大化、竞争随机游走、聚类与排序互增强 3 类, 分别
评述了每类方法的优势和不足。 最后指出 , 设计有效的评价指标和标准测试集、克服多样性
图排序面临的精度和速度的矛盾等是多样性图排序未来的研究重点。 相似文献
1