期刊文献+

基于大数据分析的计算机信息处理技术研究 被引量:3

下载PDF
导出
摘要 随着科学、技术以及各项工程的迅猛发展,各行各业产生了海量的数据。这些海量数据的处理是一件十分复杂的事情,处理不当将造成"数据灾难"。因此,大数据的概念引起了人们的注意。大数据的出现对现代计算机网络技术以及信息处理带来的冲击既有机遇也有挑战。传统的计算机处理技术很难在短时间内对海量数据做出"快、狠、准"的处理,同时也很难保证数据的安全性。因此,该文在传统计算机信息处理基础上,结合大数据的概念给出了更安全的信息处理技术的研究方案。
作者 杨竞华
出处 《电脑知识与技术》 2017年第10X期33-34,36,共3页 Computer Knowledge and Technology
  • 相关文献

参考文献4

二级参考文献50

  • 1工信部电信研究院大数据白皮书(2014)[M].北京:工业和信息化部电信研究院,2014.
  • 2Intel IT Center.大数据101:非结构化数据分析[M/OL].[2015-07-01 ]. http://www. intel. cn/content/dam/www/public/cn/zh/pdfvs/Big-data-101-Unstructured-data-Analytics.pdf, 2012.
  • 3Hinton G E, Salakhutdinov R R. Reducing the dimensionalityof data with neural networks [J], Science, 2006, 313(5786): 504-507.
  • 4Rosenblatt F. The perceptron: A probabilistic model forinformation storage and organization in the brain. [J],Psychological Review, 1958,65(6) : 386-408.
  • 5Rumelhart D E,Hinton G E, Williams R J. Learningrepresentations by back-propagating errors [J]. Nature,1986, 323(6088): 533-536.
  • 6Huang G B, Chen L,Siew C K. Universal approximationusing incremental constructive feedforward networks withrandom hidden nodes [J]. IEEE Trans on Neural Networks,2006, 17(4): 879-892.
  • 7Vincent P,Larochelle H, Lajoie I,et al. Stacked denoisingautoencoders : Learning useful representations in a deepnetwork with a local denoising criterion [J]. Journal ofMachine Learning Research, 2010,11: 3371-3408.
  • 8LeCun Y, Bottou L, Bengio Y. Gradient-based learningapplied to document recognition [J]. Proceedings of theIEEE, 1998, 86(11): 2278-2324.
  • 9Williams R J,Zipser D. Gradient-based learning algorithmsfor recurrent connectionist networks, NU-CCS-90-9 [R].Boston,MA: Northeastern University, 1990.
  • 10Robinson A J, Fallside F. The utility driven dynamic errorpropagation network [R]. Cambridge, UK: Department ofEngineering, University of Cambridge, 1987.

共引文献172

同被引文献20

引证文献3

二级引证文献8

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部