随着互联网技术的发展,大数据分析已经成为必不可少的。许多组织正在收集并分析大量的信息获取有价值的信息,例如业务预测、营销策略、网络安全,甚至是国家情报。因为深度学习能够分析大量的无监督数据,这是一个非常有前途的大数据分析技术,在几个关键的应用领域。

社交网络数据的快速增长,生物网络,物联网,和其他移动计算应用程序,目前大数据的特点是结构化异质性,大的数量和复杂性。这些新特点提出巨大挑战现有的数据分析技术,特别是深入学习。因此,深度学习将起着重要的作用在应对大数据的挑战和大数据分析提供有效的解决方案。

这个特殊问题的目的是为研究人员和从业人员提供一个论坛来交流思想和进步。在这个特殊的问题,我们邀请原始创新的研究和评论文章地址深度学习的挑战大数据分析(CDLBDA)。文章提出评论、观点、新方法,并应用CDLBDA诚挚的邀请。

潜在的主题包括但不限于以下:

• 大数据分析的深度学习
• 深度学习的非结构化大数据
• 深度学习的异构大数据
• 深度学习多源海量数据
• 大数据深度学习对于大数量和复杂性
• 深度学习不同类型的大数据分析
• 大数据分析和相关的问题和挑战
• 物联网的数据分析
• 大数据分析生物网络
• 大数据分析社交网络
• 大数据分析方案,数据驱动的决策
• 大数据和风险管理
• 大数据分析欺诈检测
• 深度学习和大数据的安全问题
• 云计算、大数据分析模型和模式