روش های یادگیری ماشین در محیط رایانش مه و ابر: بررسی و مرور جامع

یادگیری ماشین در بستر مه و ابر به ماشینها و سیستم های کامپیوتری اجازه می دهند تا از قدرت پردازش و ذخیره سازی بالایمحاسبات ابری و منابع منطعف مه استفاده کنند. با استفاده از این بسترها، ماشین ها می توانند به طور موثرتر و سریع تر ازکلان داده یادبگیرند و الگوها و قوانین را تشخیص دهند. این مقاله به بررسی اهمیت و تاثیر استفاده از بستر مه و ابر دریادگیری ماشین می پردازند. همچنین نحوه استفاده از بستر مه و ابر در یادگیری ماشین بررسی می شوند. با استفاده از اینبسترها، ماشینها می توانند به صورت موازی و با استفاده از قدرت پردازشی بالای آنها، عملکرد خود را بهبود دهند.پژوهش های اخیر در حوزه استفاده از روشهای یادگیری ماشین در بستر مه و ابر، نتایج جالبی را به ارمغان آوردهاند. هدفاز این مطالعه بررسی مطالعات گذشته و تعیین جایگاه روش های یادگیری ماشین در رایانش مه و ابر است. در این راستا ۴مقاله مروری و ۲۱ مقاله پژوهشی را از پایگاه داده های معتبر علمی دنیا دریافت و بطور کامل مطالعه، بررسی و تحلیل کردیم.استفاده از روش های یادگیری ماشین در بستر مه و ابر با چالش های خاصی همراه است که در این مقاله بررسی می شوند. درانتهای کار ما مزایا، معایب، حوزه کاربرد، معیارهای ارزیابی، محیط های ارزیابی و غیره را درقالب جداولی منسجم نشاندادیم تا این بررسی مروری بتواند مورد استفاده دقیق و کاربردی محققان این عرصه قرارگیرد.

کلیدواژه ها:

یادگیری ماشین ، یادگیری مه و ابر ، یادگیری ماشین در بستر مه و ابر ، رایانش ابر ، رایانش مه