Evolving large-scale data stream analytics based on scalable PANFIS
The main challenge in large-scale data stream analytics lies in the ability of machine learning to generate large-scale data knowledge in reasonable timeframe without suffering from a loss of accuracy. Many distributed machine learning frameworks have recently been built to speed up the large-scale...
محفوظ في:
المؤلفون الرئيسيون: | Za'in, Choiru, Pratama, Mahardhika, Pardede, Eric |
---|---|
مؤلفون آخرون: | School of Computer Science and Engineering |
التنسيق: | مقال |
اللغة: | English |
منشور في: |
2021
|
الموضوعات: | |
الوصول للمادة أونلاين: | https://hdl.handle.net/10356/151672 |
الوسوم: |
إضافة وسم
لا توجد وسوم, كن أول من يضع وسما على هذه التسجيلة!
|
مواد مشابهة
-
Density-based clustering of data streams at multiple resolutions
بواسطة: Wan, Li
منشور في: (2013) -
CASTLE: Continuously anonymizing data streams
بواسطة: Cao, J., وآخرون
منشور في: (2013) -
Exploring time related issues in data stream processing
بواسطة: WU JI
منشور في: (2011) -
X-Fuzz: an evolving and interpretable neurofuzzy learner for data streams
بواسطة: Ferdaus, Md Meftahul, وآخرون
منشور في: (2024) -
Data-driven memory management for stream join
بواسطة: Wu, J., وآخرون
منشور في: (2013)