8.7.6. Computational intelligence a

8.7.6. Computational intelligence algorithms for smart city big data analytics
Computational intelligence algorithms, such as neural network, genetic algorithm, artificial bee colony and particle swarm optimization, cuckoo search algorithm, flower pollination algorithm, chicken swarm optimization, and bat algorithm, are effective, effi- cient, and robust in knowledge engineering, which comprises soft computing, machine learning, and data mining (Jin et al., 2014; Tsihrintzis, Virvou, & Jain, 2016). However, the effectiveness, effi- ciency, and robustness of computational intelligence algorithms are limited to small data sets (Tsai, Lai, & Vasilakos, 2014). As such, these algorithms are inapplicable in smart city big data analytics. The big data generated from the smart city has rendered the existing computational intelligence algorithms irrelevant in big data analytics. When the capacity ofthe data setincreases,the effectiveness, efficiency, and robustness of the computational intelligence algorithms normally diminish,thereby making them inappropriate for exploring knowledge in big data generated from the smart city (Singh, Tripathi, & Jara, 2014).

ผลลัพธ์ (ไทย) 1:

8.7.6. อัลกอริทึม computational intelligence สำหรับการวิเคราะห์ข้อมูลขนาดใหญ่ซิตี้สมาร์ท อัลกอริทึม computational intelligence เช่นโครงข่ายประสาท ขั้นตอนวิธีพันธุ ฝูงผึ้งประดิษฐ์เพิ่มประสิทธิภาพฝูงอนุภาค อัลกอริทึมค้นหา cuckoo อัลกอริทึมการผสมเกสรของดอกไม้ เพิ่มประสิทธิภาพฝูงไก่ และอัลกอริ ทึมค้างคาว มีประสิทธิภาพ effi cient และแข็งแกร่งในความรู้ ซึ่งประกอบด้วยคอมพิวเตอร์นุ่ม เครื่องการเรียนรู้ และการทำเหมืองข้อมูล (จิน et al. 2014 Tsihrintzis, Virvou และ เชน 2016) อย่างไรก็ตาม ประสิทธิภาพ effi อำนาจตัดสินใจ และความทนทานของอัลกอริทึม computational intelligence จะจำกัดชุดข้อมูลขนาดเล็ก (เจิงโป๋วไจ๋ Lai, & Vasilakos, 2014) เช่นนี้ อัลกอริทึมเหล่านี้จะ inapplicable ในการวิเคราะห์ข้อมูลขนาดใหญ่ซิตี้สมาร์ท ข้อมูลขนาดใหญ่ที่สร้างขึ้นจากเมืองสมาร์ทได้แสดงอัลกอริทึมคำนวณปัญญาที่มีอยู่ไม่เกี่ยวข้องในการวิเคราะห์ข้อมูลขนาดใหญ่ เมื่อกำลังการผลิตของ setincreases ข้อมูล ประสิทธิผล ประสิทธิภาพ และความแข็งแกร่งของอัลกอริทึมคำนวณปัญญาตามปกติลดลง จึงทำให้ไม่เหมาะสมสำหรับการสำรวจความรู้ในข้อมูลขนาดใหญ่ที่สร้างขึ้นจากเมืองสมาร์ท (สิงห์ ทริพาทีเกสท์เอาส์ & Jara, 2014)

ผลลัพธ์ (ไทย) 2:

8.7.6 ขั้นตอนวิธีการคำนวณหน่วยสืบราชการลับของเมืองสมาร์ทวิเคราะห์ข้อมูลขนาดใหญ่
ขั้นตอนวิธีการคำนวณปัญญาเช่นเครือข่ายประสาทขั้นตอนวิธีพันธุกรรมอาณานิคมผึ้งเทียมและการเพิ่มประสิทธิภาพจับกลุ่มอนุภาควิธีการค้นหานกกาเหว่าขั้นตอนวิธีการผสมเกสรดอกไม้, การเพิ่มประสิทธิภาพไก่ฝูงและอัลกอริทึมค้างคาวมีประสิทธิภาพประสิทธิภาพการ ประสิทธิภาพและมีประสิทธิภาพในด้านวิศวกรรมความรู้ซึ่งประกอบด้วยคอมพิวเตอร์นุ่มกลไกการเรียนรู้และการทำเหมืองข้อมูล (Jin et al, 2014;. Tsihrintzis, Virvou & เชน 2016) อย่างไรก็ตามประสิทธิภาพ, ประสิทธิภาพการ ciency และความทนทานของขั้นตอนวิธีการหน่วยสืบราชการลับการคำนวณจะถูก จำกัด ให้ชุดข้อมูลขนาดเล็ก (Tsai, แครายและ Vasilakos 2014) เป็นเช่นนี้ขั้นตอนวิธีการเหล่านี้จะใช้ไม่ได้ในเมืองมาร์ทวิเคราะห์ข้อมูลขนาดใหญ่ ข้อมูลขนาดใหญ่ที่สร้างจากเมืองสมาร์ทมีการแสดงผลขั้นตอนวิธีการหน่วยสืบราชการลับที่มีอยู่ในการคำนวณที่ไม่เกี่ยวข้องในการวิเคราะห์ข้อมูลขนาดใหญ่ เมื่อความจุ ofthe setincreases ข้อมูลที่มีประสิทธิภาพที่มีประสิทธิภาพและความทนทานของขั้นตอนวิธีการคำนวณปัญญาปกติลดน้อยลงจึงทำให้พวกเขาที่ไม่เหมาะสมสำหรับการสำรวจความรู้ในข้อมูลขนาดใหญ่ที่สร้างขึ้นจากสมาร์ทซิตี้ (ซิงห์ Tripathi และ Jara 2014)

ผลลัพธ์ (ไทย) 3:

8.7.6 . ความฉลาดเชิงขั้นตอนวิธีสมาร์ทเมืองใหญ่ข้อมูลการวิเคราะห์ขั้นตอนวิธีเชิงปัญญา เช่น เครือข่ายประสาทขั้นตอนวิธีเชิงพันธุกรรม อาณานิคมผึ้งเทียมและการเพิ่มประสิทธิภาพการค้นหาแบบฝูงอนุภาค นกกาเหว่า ขั้นตอนวิธีการผสมเกสรดอกไม้ , การเพิ่มประสิทธิภาพและขั้นตอนวิธี ฝูงไก่ ค้างคาวจะมีผลบังคับใช้ effi - cient และแข็งแกร่งในวิศวกรรมความรู้ ซึ่งประกอบด้วยการเรียนรู้เครื่องคอมพิวเตอร์ , นุ่ม , การทำเหมืองข้อมูล ( จิน et al , , 2014 ; tsihrintzis virvou , และ Jain 2016 ) อย่างไรก็ตาม ประสิทธิผล effi - ประสิทธิภาพและความทนทานของขั้นตอนวิธีการคำนวณความจํากัด ชุดข้อมูลขนาดเล็ก ( Tsai , ลาย , และ vasilakos 2014 ) เช่น ขั้นตอนวิธีเหล่านี้จะไม่เหมาะสมในสมาร์ทเมืองใหญ่ข้อมูลวิเคราะห์ ข้อมูลใหญ่ที่สร้างขึ้นจากเมืองสมาร์ทได้กลายเป็นที่มีอยู่ในการวิเคราะห์ข้อมูลขั้นตอนวิธีการคำนวณสติปัญญาไม่ใหญ่ เมื่อความจุของข้อมูล setincreases , ประสิทธิผล ประสิทธิภาพ และความทนทานของขั้นตอนวิธีการคำนวณความปกติลดลง ทำให้พวกเขาไม่เหมาะสมสำหรับการสำรวจข้อมูลที่สร้างขึ้นจากความรู้ในใหญ่เมืองสมาร์ท ( Singh , ทริปาธิ & Jara 2014 )