调查数据密集型科学编程技术管理的工程环境

文摘

本文介绍和评论现有技术和研究领域的工程科学编程方法和技术在数据密集型工程环境。更具体地说,这个调查的目的是收集这些相关方法面临的挑战提供更先进和智能方法利用现有的大型数据集。尽管现有的工具和技术展示了他们的能力来管理复杂的工程过程的开发和操作安全至上的系统中,有一个新兴需要知道现有计算科学方法行为来管理大量的数据。这就是为什么作者回顾现有开放问题在工程中特别关注科学编程技术和混合方法。1193篇期刊论文代表发现了在这些领域筛选935到最后做一个全面的审查122年。之后,一个全面的技术和工程和nonengineering域之间的映射进行了分类并执行一个荟萃分析的当前状态的艺术。作为这项工作的主要结果,一组10挑战未来的数据密集型工程环境概述。

1。介绍

数字技术推动了软件目前嵌入式在任何任务,活动,和过程在任何组织,甚至在我们的日常生活活动。数字时代已经呆这意味着任何行业或业务需要重塑策略(运营、社会和经济)成为所谓的“第四次工业革命”或“4.0”(1]。第一步智能自动化和数据交换在工业环境中依赖于应用新技术创造新技术驱动的商业机会。然而,技术并不是完全的关注,但人们:消费者、员工和合作伙伴。企业文化的变化通过技术被认为是一个基石,让人们和驱动变化和中断一个域将传统的组织转变成一个领先的数码实体。在这种情况下,可以找到几家咨询公司的报道,如“2016”埃森哲技术愿景报告概述了五个趋势塑造这个新环境。组织应当专注于创建数据驱动的解决方案由人工智能(“智能自动化”)装备人(“液体劳动力”)和所需的技能来构建新的执行平台(“平台经济”),提高中断(“可预见的破坏”),和可信赖的数字生态系统(“数字信托”)。

工程流程和方法框架,倡议的“物联网”或“工业数据空间”等正试图定义新方法和良好的实践带来的数字时代工业和工程。在这种情况下,一组技术,如安全、大数据、移动、自然语言处理、深度学习,互联网的X(事物、人、工具,一切,等),用户界面,3 d打印技术,虚拟现实,或云计算旨在改变开发和生产环境复杂的产品和服务。cyberphysical系统的概念2)(CPS)目前正在获得动力的名字那些工程systems-combining技术来自不同学科如机械、电气和软件工程。独立主办代表下一代互联复杂关键系统在汽车等行业,航空、铁路、医疗设备的组合不同工程领域由软件。这种系统越来越复杂的发展也意味着前所未有的互动模型和《盗梦空间》的形式系统的生产、分配、支持和退役阶段。

为了解决新工程环境的需要,协同工程(3),”优化工程过程的概念与目标更好的产品质量,更短的交货时间,成本更具竞争力,和更高的客户满意度“(4),代表了一种范式转移从领域知识的岛屿一个相互联系的知识图的服务(5)、工程流程,和人。如需求工程方法、建模和仿真或cosimulation支持流程等分析,设计、跟踪、验证、验证、或认证现在在开发工具链的集成和互操作性需求自动交换数据,信息和知识。这就是为什么,最后一次看到的出现基于模型的系统工程(MBSE) (6)作为一个完整的方法来解决统一的技术的挑战,方法和工具来支持整个规范系统的过程。在著名的v字形的生命周期模型的上下文中,这意味着有“形式化建模中的应用”(http://www.incose.org/docs/default - source/delaware valley/mbse概述incose - 30 - 2015. pdf?sfvrsn=0 7月)来支持这个系统生命周期的左边暗示任何过程,任务或活动将产生不同的系统构件,但他们都表示为一个模型。通过这种方式,系统工程学科目前的做法是通过建立一个持续改善和协作工程环境宽松工具和人们之间的互动和沟通。

然而,有更多的利害关系的连接工具和人,越来越复杂的产品和服务还需要改善和扩展现有的技术。在这种背景下,科学的编程技术,如计算建模和仿真,数值和非数值的算法、线性规划等等大部分都使用和研究7,8),应用于解决复杂问题在自然科学等学科,工程,或社会科学。此外,指数增加的数据已经创建了一个新的完整的环境中,计算机科学家和从业者必须集中精力8不仅在制定的假设,建立模型,和执行的实验也在技术和工具的组合的复杂性9处理大量的数据。

考虑到目前的数字转换行业,生产复杂的CPS的需要通过不同的工程领域之间的合作和越来越多的数据,这个调查寻找总结过去的现有研究应用科学编程技术中数据密集型工程环境。

2。背景

CPS等复杂系统的开发需要数百名工程师的参与使用不同的工具和产生成千上万的系统构件(如需求规格、测试用例,或者模型(逻辑、物理模拟等)。这些大量的数据必须被整合在一起支持那些需要一个全面的视图的工程过程等系统的可追溯性管理或验证。在这个框架中,数据管理技术是适当的开发成为基石的基础数据和系统的成功开发。

最后几年也看到了大量的工作在大数据领域覆盖创建的工具和架构框架应用到不同的领域(10- - - - - -12)如社会网络分析(13,生物信息学14),地球科学(15),电子政务16],e-health [17,18),或e-tourism [19]。更具体地说,在工程和产业的背景下,一些工作报告(20.)等大公司特别是Teradata维护飞机引擎等领域。所有的工作都在试图提供一个响应为以数据为中心的环境中需要处理的知名V的数据生态系统:品种、体积,速度和准确性。大数据技术已经成功地应用于处理大量的数据仿真过程中通常是创建复杂的CPS等关键系统。此外,最后一次看到出现的一个新的概念“数字双。“数字双被定义为“数字实物资产的复制品,过程和系统“寻找回复,在数字环境下,相同的工作条件比物理环境。这种方法被用来改善CPS的验证和确认阶段如智能汽车。例如,自动汽车需要通过认证过程中,汽车制造商必须证明适当的行为在某些情况下,考虑新的人工智能功能。因为它不是完全可以创建一个完整的数字这些大型模拟环境,目前的趋势来设计一种验证循环使用真实数据的合成数据。从数据管理的角度来看,这种方法意味着需要提供数据生命周期管理过程来表示,存储、访问和丰富的数据。经过几个模拟,从汽车传感器在实际条件下收集的数据可以在数百个pb。类似的方法被用来验证飞机引擎或风力涡轮机。

因此,数据存储系统和处理框架已经开发(21展示技术的可行性,现在可以考虑成熟。NoSQL数据存储系统(22]键值存储等机制,根据不同的表示文件,分发文件,宽栏商店,图表,对象数据库,和元组存储诸如Apache蜂巢,MongoDB, ArangoDB, Apache Cassandra, Neo4J,复述,艺术大师,或者CouchDB可以找到处理大量的数据。在处理框架,技术提供能力来处理数据在不同模型(流、批处理或事件),比如Apache项目:Hadoop(及其生态系统的技术),风暴,Samza,火花,或Flink也可以找到。此外,大多数人通常不仅仅为我们提供一个分布式计算模型解决知名上限定理(23),但一组库(24)来实现应用程序的现有的机器学习技术(25)(例如,Mlib火花或FlinkML Flink)或大规模图处理(26)(例如,GraphX火花)。

这种大量工具和技术也生成的开发技术和工具的管理大数据基础设施和资源,比如Apache Messos或纱线和公司和商业工具的出现如Cloudera MapR, Teradata或HortonWorks(除了提供的工具集大型软件的球员如亚马逊、谷歌、IBM、Oracle、或SAP)。此外,大数据技术在云计算领域已经发现一个好的旅伴[27,28)自云提供了一个强大的和大规模技术对于复杂计算减少硬件和软件维护的成本。从这个意义上说,当前的挑战依靠大数据的自动部署基础设施在不同拓扑结构和技术保持非功能方面,如可伸缩性、可用性、安全性、监管和法律问题,或数据质量作为研究和创新的主要驱动力。

一旦大数据和云计算技术的简要总结,重要的是要突出什么被认为是在该领域的下一个大的一件事:高性能计算(HPC)和大数据技术(29日]。这一领域的兴趣增长(30.)加入的努力寻找大型和复杂计算的范式转移到一种大数据分析的问题。这样,新的计算和编程模型利用新的数据存储系统和扩展编程语言如R, Fortran或Python成为关键解决的目标执行耗时的任务(计算复杂度)大量数据。

这就是为什么,本文的主要目的是检查现有的工作在大数据领域和科学编程的工程学科。更好的理解这个新环境可能允许我们解决现有问题的新的计算模型设计。

3所示。审查协议

之前已经介绍了,可以找到很多系统评价领域的大数据(18,27)和卫生部门等具体领域的(17,18,31日)相同的方式、科学编程技术已经广泛研究和审查7,8]。然而,大数据技术的应用和科学编程技术工程领域尚未完全,这是不容易画一个全面的当前状态的艺术除了在气候[等具体领域的工作32天文学]或[20.]。这就是为什么这项工作旨在提供一个客观的,现代,和高质量的审查现有的作品后,正式程序进行系统评价(31日,33]。第一步然后依赖系统综述的定义协议(SRL)如下:(1)研究问题。这项工作的主要目的是提供一个响应以下研究问题:过去的技术、方法、算法、体系结构、和基础设施在科学编程/计算管理,开发、推论,推理的数据在工程环境吗?制定一个可研究和重大问题,PICO模型用于指定查询的不同元素制定;见表1列出每个PICO元素的描述。(2)搜索字符串。根据PICO模型和自然语言处理技术的应用新条款添加到查询中,下一个搜索字符串已制定;见表2。(3)书目数据库选择。在这种情况下,普通和大型书目数据库在计算机科学领域中被选为其他先前的调查工作34]:(一)ACM数字图书馆(ACM):这个库包含全文文章的最全面的收藏领域的计算和信息技术。ACM数字图书馆由54期刊8利基技术杂志,37特殊利益集团通讯,+ 275会议论文集卷(每年),和在指南中2237215条记录计算文献索引。(b)IEEE Xplore数字(IEEE): IEEE Xplore®数字图书馆提供了“访问前沿期刊、会议论文集、标准,定义技术和在线教育课程。”“在IEEE Xplore内容包括195 +期刊,800 +会议,6200 +技术标准,大约有2400册图书,425 +的教育课程。大约20000个新文档添加到每个月IEEE Xplore。”(c)ScienceDirect(爱思唯尔):ScienceDirect”全文主要科学数据库提供科学、医学和技术(STM)期刊文章和图书章节从超过3800的同行评议期刊和37000多本书。目前有超过1100万篇文章/章节,内容基本增长每年近050万的速度增加。”(d)SpringerLink (Springer): ScienceDirect全文主要科学数据库提供科学、医学和技术(STM)期刊文章和图书章节。它由12258260组成的资源52%的文章,34%的章节,参考会议论文的8%,和4%的工作条目。

此外,一些聚合服务,如谷歌学者和DBLP也被检查,目的是得到这些结果,可以发现在其他来源,如网页或非科学的文章。然而,这些聚合服务还可以包括作品发表在不同的格式,如技术报告、会议和期刊论文,所以重要的是要仔细选择完整的和最新的版本的工作,以避免重复。这就是为什么,在选择过程中,选择删除潜在的重复工作提供一个整体和独特的研究景观的照片。(4)入选标准。本文收集研究已发表在英语杂志上的一篇论文。英语已经被选为目标语言自相关期刊在这些主题主要包括作品的吸引力在世界范围的研究者和实践者。尽管许多会议和研讨会数据科学与工程领域的出现在最后一次生成一个不错的论文数量,本文寻找适用于作为期刊论文提供强有力的基础。在时间表的情况下,一系列的5年(2012 - 2017)被定义为包括相关的和最新的论文。此外,一直特别注意删除重复研究或扩展,可以出现在多个出版物保持在这种情况下最完整和最新的版本的工作。

在内容方面,研究纳入评审应当包括信息科学编程方法,大数据技术和数据集(如果有的话)。因为大量的工作(数以千计)可以找到大数据领域的技术,只有那些论文相关科学应当选择编程技术。然而,在某些情况下,如使用混合方法科学编程和人工智能之间意味着扩展范围的需要去探索其他的可能性,可能影响的当前状态的艺术科学编程数据密集型工程环境。

以同样的方式,新颖的技术应用到其他领域如地球科学、生物学、气象学、或社会科学可能包括检查是否这样的作品代表了关于当前的技术进步。

由于入选标准的应用,数字1显示了每年发表的论文数量和数据库(图2)。根据趋势线,有越来越多的兴趣在这些技术创造知识,方法和技术已经在过去5年的增量56%的期刊上发表论文的数量只是表明一个不断增长的需求的新技术,利用现有的技术和方法。在数据库的情况下,施普林格正在成为一个关键球员促进研究和创新的数据科学和工程领域,数字3和4也显示了分配每年的文件和数据库。然而,搜索引擎在每个数据库的类型可能会影响文章的数量作为结果返回解释之间的巨大差异施普林格和其他出版商。(5)选拔程序。这些文件满足入选标准总结了在电子表格中包括每个工作的主要事实。该方法寻求确保论文适合审查必须首先通过质量检查。更具体地说,该标识符,标题、摘要、关键字、结论,方法,技术措施,范围和领域创建一个表中提取的元为我们服务呈现两个不同专家的信息来决定是否最终选择评审工作。这样做,一个量化值分配给每个条目是:1:适用;0.5:未知;0:不适用。这种方法使我们能够完成的双重目标有一个定性和定量的选择过程和遵循的准则建立了棱镜模式35]。

因此,图5描述了作品的数量已确定数据库中搜索(1193)后,作品的数量已经筛选成功(935)和排除(258),选择适合的数量质量评估(322),最后,作品的数量已经包含在回顾》(114)。(6)评价程序和数据提取策略。在这个步骤中,所选论文根据利开特式量表评估1 - 6 1适用但不完全代表科学编程社区和6适用,充分代表。通过这种方式,可以创造一种选定的论文最终选择那些超出值为4。在这种方式中,只有论文超出平均然后评估。提供一个合适的分类和映射的作品,作品的主题组织在更广泛的主题。这种分类查找现有的组织工作提供一个全面的视图状态的艺术。在工作的情况下,可以应用于不同的领域,它是归类为普通领域工作。(7)合成数据和分析结果。发现在不同的合成研究很难画,因为许多因素可以影响一个数据密集型环境。在这个工作中,通过定性和定量的评估后,我们已经意识到最好的方法是小组的不同根据特定主题相关领域工作。之后,在这种方式中,我们选择了一个典型的大数据架构(36),下一个维度:基础设施、软件技术/方法和应用领域。本文中所有数据生成公开在以下存储库:https://github.com/catedra报道- uc3m/smart public/tree/master/papers/data -科学编程-评估- 2018。

4所示。分析的结果

领域的数据密集型环境,有必要区分不同的硬件和软件组件的责任和方面。为此,正如前面已经介绍了,NIST(国家标准与技术研究院)发表了“大数据互操作性框架(36”让我们完美的定义和责任和功能块在大数据环境的各个方面。

在这项工作中,我们把这作为一个参考体系结构框架简化和分组工作三大主题:硬件设施,软件组件是,技术,方法,算法,以及库和应用程序。

在第一种情况下,硬件资源正在成为提供高性能计算(HPC)功能的关键数据密集型环境(29日]。最后一次看到越来越多利用新硬件基础设施和技术优化耗时的应用程序的执行。从这个意义上说,使用gpu(图形处理器)是一个基石加速数据密集型应用程序的一个关键组成部分来执行复杂的任务之间保持一个平衡成本和性能。更具体地说,GPU和CUDA GPU编程语言)是目前用来训练机器学习算法减少了训练时间从几周几天甚至几个小时。使算法能够处理许多内核的潜在使用并行处理的数据和处理在一个真正的多线程环境中利用高计算能力,大内存带宽,一般来说,一个非常低的功耗。然而,这种类型的架构的主要缺点设计和代码算法依赖于困难由于语言的表达能力和处理相互依赖关系的需要在一个高度并行环境。

fpga(现场可编程门阵列)是其他类型的集成电路和编程语言(硬件描述语言,一种基于块的语言)来运行工作一再避免不必要的处理周期。它完全符合问题重复的任务必须完成模式匹配等几次。然而,新算法的动态配置并不像在gpu和cpu,灵活和更高级的程序员工具箱仍然失踪。

多处理器架构的硬件基础设施的基础上使用相同的几个cpu计算机系统(通常一个超级计算机)。根据知名Flyinn的分类法,multiprocessors-based系统躺在不同的配置取决于数据输入和处理。共享内存和消息传递也是典型的同步机制的计算机系统通常存在对称性在cpu的类型和一组原语容易处理数据,例如,向量。

最后,网格计算代表一组地理上分布的计算机资源,结合达到一个共同的目标。一些配置和处理方案可以在每个节点处理不同的工作和工作负载。管理网格计算系统中,使用一个通用的中间件同步数据共享和工作处理被认为是关键的数据密集型环境数据管理策略是必需的组织、存储和共享数据项在网格计算系统。

最后一个评论,并行化和再分布的一般方法12为提高性能而执行耗时的任务。这种情况也适用于数据密集型环境中大量的数据和复杂的计算需要新的策略和配置,以避免产生的瓶颈需要同步的数据。

其次,技术,科学计算方法,算法通常是复杂的暗示的需要优化技术,以避免重新计算。当大量数据遇到这种类型的技术,这种情况正变得至关重要因为复杂性的增加是由于大型输入和中间结果的处理(例如,cosimulation工程)。这就是为什么,可以发现不同的技术组合试图解决这一问题的实现技术,同时保持一个合理的时间和成本之间的平衡。

在这个意义上,筛选现有的作品后,大量的技术和方法被发现试图提供创新的方式解决存在的问题。充分与分组和排序的目的,第一个分类是根据2012年的ACM计算分类系统在不同级别的粒度。下,技术和方法分组一般主题试图做一个全面、清晰的区分问题的类型和技术和/或方法。在某些情况下,这是不完全可能使这种明显的区别,因为同样的技术可以应用于解决一个巨大的问题(例如,深度学习)。(我)人工智能(AI):如今,人工智能技术传播来解决一个巨大的各种各样的问题从太空观察自主驾驶。机器人、医学、和许多其他领域受到人工智能的影响更多的计算能力和改变人的心态仍然是必需的。这一类技术与智力试图让机器能够感知环境并采取行动达到特定的目标。一些技术,如深度学习,模糊逻辑,基因编程,神经网络,或规划方法属于此类。尽管人工智能技术可以直接应用于解决特定的问题,在本文的上下文中,他们通常结合其他技术来优化解决更复杂的问题。(2)计算架构:之前已经介绍了,硬件设置可能有重要影响的时间和成本。而不是降低配置硬件水平,软件定义架构和方法被用来提供一个虚拟基础设施,从业人员可以很容易地使用和配置。基础设施定制,调度技术和高级设计的工作流可以发现抽象方法来管理复杂的硬件设置。(3)计算模型:一个计算模型可以被定义为正式的模型应用于解决一个复杂的系统。在这种情况下,计算模型被选择的参考不同的策略管理、同步和过程数据和任务。微积分,事件,消息传递接口(MPI),并行编程,查询分布和流处理的主要模型,发现了审查。(iv)计算机科学:复杂的问题可能需要不同学科的合作提供创新的解决方案。计算科学,更具体地说工程领域中的应用,是本文的核心。使用模型,模拟,和许多其他技术,如欧拉模型或统计方法被广泛理解和传播模型复杂系统的行为,比如,可以在工程中找到。然而,似乎这些技术的组合在不同的硬件设置和软件模型是一种趋势,必须系统地观察和评价。(v)图论:最后一次看到越来越使用图论模型领域如社会网络分析中存在的问题,电信、或生物。任何问题可以建模为一个网络是一个很好的候选人应用图论技术了解网络构建和推断出新的关系通过底层的开发知识编码在不同的节点,关系和层次。多层和多模网络是一个常见的逻辑表示关系数据,可用于执行任务的结构分析37)或关系学习(38]。这也是众所周知,技术和方法在这一领域(39通常是复杂和耗时。这就是为什么新数据密集型环境可能需要利用复杂网络分析或自动机等技术,但他们也将需要大量的计算资源。(vi)工程:在计算科学中给出的概念的基础上,不同的学科在工程集约利用正式的模型,模拟,数值和非数值的方法来构建复杂的系统。在这种情况下,有限元素和模拟等方法已被确定为关键技术已有文献中候选人利用数据密集型环境。(七)机器学习:这是人工智能的一个品牌和定义为一组技术与智能装备机器改变环境。基本上,一个模型是建立在训练方法,然后在测试阶段评估。大量的数据直接影响这两个阶段的性能,所以这是有可能找到库可以独立工作(例如,Weka、Python和Scikit)或在一个分布式环境中(例如,火花Mlib)。基于无监督的机器学习技术和监督学习方法通常用于解决多个问题分类、计算机视觉、数据挖掘、自然语言处理和文本挖掘,情绪分析,认为矿业、语音系统、模式识别、或问答等等。一旦创建一个模型使用一个具体的技术,它可以很容易地用来进行预测和说明性分析流程。下降的潜在应用技术这类从社交网络,医学或生物学物流或制造。综述、贝叶斯机器学习、数据挖掘、信息融合、模式识别、预测模型,发现了支持向量机和回归模型作为代表和受欢迎的类型的问题和技术工程结合机器学习其他科学编程机制。(八)数学和应用数学:使用强大的理论基础是至关重要的建立等复杂的系统工程。数学(综述,主要是代数),更具体地说,应用数学提供使用一套正式的方法在科学、工程、计算机科学、和行业来解决实际问题。梯度下降优化、整数线性规划、线性代数/连接器,线性和非线性规划,矩阵计算,数值方法,符号执行代表一组常见的问题和技术被广泛研究和应用科学编程领域。(第九)编程技术:编程的实践代表的主要推动力实现后的系统分析和设计过程。可以发现不同的编程技术来优化算法的发展,利用不同的编程语言原语。从这个意义上讲,约束编程,多维数据集计算,动态规划,领域特定语言(DSL)和随机规划代表编程技术在科学发现环境的大多数数据和执行任务,比如分析或数据质量检查。

一旦硬件设置和主要方法,技术,和算法在软件层面上,一组初步应用程序域可以概述。在这种情况下,审查发现两个主要方向:(1)工程领域如航空航天、汽车、土木工程,Cyberphysical系统,功能工程,工业应用,铁矿业、制造业或核领域,和(2)其他领域如地球科学、几何、图像分析、物联网、医药、科学研究、社会科学、空间造型。

所有这些领域共享一些共同的特点和需要很强的数学基础管理不同系统,处理大量的数据,应用程序的方法,技术,和模型模拟等,一般来说,临界(它们被认为是安全至上或生死攸关的系统;失败可以意味着死亡或严重伤害和严重损坏设备或环境)。这就是为什么创新的硬件架构和开发新兴的数据必须被严格的控制要求,使科学编程技术比其他更重要的应用领域。

4.1。硬件基础设施数据密集型工程环境

前一节中介绍了主要硬件设置数据密集型环境。在表3硬件架构之间的映射,给出了不同的软件技术。

使用gpu(和CUDA) (41- - - - - -50,54- - - - - -56,58,60)是一种被广泛接受的硬件设置提供硬件基础设施来处理大量的数据无论软件技术的类型。通过这种方式,审查发现18的24(75%)在这个领域工作。gpu显然代表了重要一步优化遍历数据执行复杂的任务。这里,减少重复的可能性的数据处理成为相关和可以为一些time-restricted关键领域的近实时决策是必要的。更具体地说,gpu主要用于解决线性代数问题[54- - - - - -56)或执行大规模的矩阵计算(54- - - - - -56,58]。这些都是工程领域的常见问题。

似乎其他方法对大规模计算基础设施的传统环境中并行(FPGA和多处理器系统)和分布式计算。在第一种情况下,审查发现的工作领域的fpga (53)并不代表24(1),而多处理器架构工作(40,51,57,59)24(4)仍然存在。虽然fpga代表一个强大的gpu,缺乏(1)抽象代码程序和(2)一种热部署的方法使得这个不是数据科学与工程非常有吸引力。

在多处理器架构的情况下,它们代表了传统的强大的和昂贵的数据处理中心高性能计算可用在大的研究机构。在第一部分,介绍了研究成果(29日)合并大数据和HPC越来越受欢迎的利用现有大规模的计算基础设施。此外,多处理器架构还提供高级api(应用程序编程接口),允许研究人员和从业人员轻松地配置、部署和运行家中任务。最后,网格计算方法(52)被广泛部署的成本效益的大数据框架还没有一个受欢迎的选择科学计算大量的数据。

4.2。软件数据密集型工程方法和技术环境

展示作品的类型学的分析技术和领域,表4组不同的工作实现之间的映射技术的类型及其应用领域。根据这个表,人工智能技术最突出的方法,代表了21.43%的审查工作,解决问题在不同的领域是完全一致的新的视角开放行业4.0和数字化进程。

数学和应用数学方法仍然是一个16.07%的现有工作将正式的基础计算大量的数据应用技术,如整数线性规划、线性代数、象征性执行。这种情况是有道理的,因为工程领域是基于模型使用数学物理系统;的存在和生成更多的数据只会强化改善现有方法的性能的需要处理的数据量越来越大。这种情况也会影响计算体系结构,试图通过软件定义系统改善基础设施设置。工作在这个领域代表大约14.29%的所选的文章,一般来说,他们寻找宽松的创建大型软件定义基础设施和api,可以使用之前的人工智能领域,数学和应用数学。

图技术(11.61%)、计算模型(8.04%),和编程技术(8.04%)代表midclass方法分类。它特别强调作品的数量出现了相关领域的复杂网络分析。从历史上看,大型图像处理非常耗时、耗资源的任务是防止这些技术的广泛使用。目前由于新硬件基础设施和api可用于科学计算的大型图表,这些技术获得了势头,他们被应用于不同的领域,如社会网络分析,电信、或生物。

分类的最后一个部分包含了非常具体的工作领域的机器学习(5.36%)、工程方法(5.36%)、和计算科学(4.46%),可以分类在其他广泛的领域,但他们代表了混凝土和代表作品为数据密集型工程环境。

另一方面,毛泽东选集可以对齐他们在不同的领域范围。在这个意义上,人们已经发现,技术,可以应用于工程(但不是直接为工程设计)代表43.75%意味着现有的论文是什么报告工作提供通用的解决方案,而不是解决具体问题。这也是一个趋势在数字化61年]的主要基石之一的交付平台(“平台经济”),可以扩展,使人们创造新事物的基本技术。在工程中,所选的作品代表了28.57%专注于具体工程问题,现在面临一些新的数据景观,必须重塑现有技术提供新的可能性和更多的集成和智能工程的方法。最后,评估还包括27.68%的在其他领域工作证明科学计算和数据也是一个开放的问题在其他science-oriented域。这个荟萃分析的两个主要结论如下:(1)工程不是对数据驱动创新。假设,更多的数据将意味着更多的知识、工程方法试图找到新的机会在数据世界变得更加优化和准确。(2)混合方法混合现有技术如计算机科学和数学(确定性)和人工智能技术(概率)是一个新兴的研究领域来优化数据的使用和开发。

在这两种情况下,硬件和软件定义基础设施将发挥关键作用提供一个物理或虚拟环境中运行使用和生成大量数据复杂的任务(例如,模拟)。

一次全部用于工程技术和方法的描述,需要识别和调整现有研究特定的工程领域。为此,表5显示了不同方法之间的映射和技术及其应用工程领域。

在这里,安全至上的系统的开发和运行意味着一个隐式需要管理的数据,信息和知识所产生的不同的工程团队。在这种情况下,有必要强调航天的研究进展(105年,137年,138年,150年)和汽车(64年,65年,72年,89年,139年)工程。在这两种情况下,再次“万能”是不正确的。尽管正式的方法是完全必要的模型这种复杂的系统,它也需要结合不同的技术,可以改变当前实践的系统工程。现有的工程流程如需求工程、造型、仿真、联合仿真,可追溯性,或验证和确认现在完全由一个相互联系的数据驱动的环境影响互操作性,协作和持续集成的系统组件是完全必要的。

土木工程(66年,67年,151年),工业应用(148年),铁矿业(70年)、制造业(73年)核域(143年]作品也相关的使用大量最新的各种技术利用数据不断产生的工具,应用,传感器,和人。

最后,其他新兴行业完全受诸如CPS数据(71年)或特性工程(127年)代表经典的更新工程学科在航空航天,汽车,或机器人。最后的话,通用工程技术也报告(68年,69年,99年- - - - - -101年,106年,140年,152年,154年)、利用数据科学编程技术,混合方法。

另一方面,正如前面已经介绍,目前的工作看起来也评估新技术和方法的影响在其他nonengineering域(表6)。地球科学(78年,79年,84年,102年,149年)是一种常见的领域中,大量的数据是由卫星和其他数据源,必须处理提供服务,如环境管理与控制、城市规划等等。

科学编程技术正变得更加相关几何(77年,80年,118年,130年)铺平了道路,在土木工程等领域解决复杂问题,物理,或建筑。在图像分析(75年,76年,81年,144年),可以发现技术,现在流行的装备智能汽车自动驾驶功能,识别人,协助医生在医学诊断和手术,或无人机现场监测对象识别能力。更具体地说,医学(74年,115年,128年,129年)是利用科学的编程技术和数据改善流程的健康监测和预防。社会科学(83年)或空间造型(94年,103年)也在提供新功能如社会网络分析或仿真通过现有的科学编程技术的应用在大型数据集。最后,本文还发现很多工作领域的科学研究(82年,90年- - - - - -93年,95年,107年,141年)提供基础的数据分析和开发其他领域。

4.3。额外的评论关于基准测试和数据集

因为它已经回顾了在前面的部分中,很多硬件配置和软件框架来处理大量的数据可以找到在不同领域。然而,也简要介绍相关基准的概念对大规模数据系统作为一个方法来评估这个巨大的各种工具和方法。在一般情况下,基准测试包括三个主要阶段(156年]:工作负载生成输入数据或摄入和性能指标的计算。基准测试也已被广泛研究[156年,157年在大数据领域的系统和该行业的主要参与者(158年)如TPC(“事务处理性能委员会”),规范(“标准绩效评估公司”)或cld(“大规模数据系统研究中心”)发表了不同类型的标准,通常分为三类:微基准测试,功能基准,或genre-specific基准。Yahoo !云服务基准(YCSB)框架,AMP实验室大数据基准,BigBench [158年],BigDataBench [159年],BigFrame [160年],CloudRank-D [161年),或GridMix已评估的基准(157年除了其他[157年,162年)直接用于Hadoop-based HiBench等基础设施,MRBench, MapReduceBenchmarkSuite (mrb) Pavlo基准或PigMix。基准测试是一个关键过程,确保不同的硬件设置和软件框架的功能与他人相比。

最后,指出它也方便访问大型数据集的可能性(开放、自由、和商业)计算和研究的目的。这些大型数据集通常由公共机构如欧洲数据门户(https://www.europeandataportal.eu/)(欧盟),运用服务计划(https://catalog.data.gov/dataset)(美国总务管理局)、研究中心等“数据密集型工程和科学研究所”(http://idies.jhu.edu/research/)(约翰·霍普金斯大学),或大型研究项目,如欧洲大数据(https://www.big-data-europe.eu/)。然而,最好的选项来搜索和找到高质量数据集(执照、提供者、大小、域等)是使用一些聚合服务,如Amazon AWS公共数据集程序,谷歌公共数据浏览器,或最近的Google数据集搜索(https://toolbox.google.com/datasetsearch)(2018年9月),索引数据发表在schema.org描述。Kaggle (https://www.kaggle.com/datasets)和服务组织基于数据的比赛也是一个不错的选择找到完整、高质量的数据集。最后一个类型的数据源,公共API如从大型社交网络(例如,Twitter、Linkedin、Facebook)或特定GeoNames等网站也可以用来访问大量的数据在某些限制(取决于API服务条款)。

5。回答的研究问题和未来的挑战

本系统评价的主要目的是提供一个全面、清晰的回答以下问题:

过去的技术、方法、算法、体系结构、基础设施在科学编程/计算管理,开发、推理,推理的数据在工程环境吗?

根据前一节中提供的结果和分析,可以定义不同的技术、方法、算法、体系结构和基础设施目前使用的科学编程数据密集型工程环境。更具体地说,基于gpu的硬件基础设施,系统现在运行的主要类型的硬件设置复杂而耗时的任务。其他替代品,如fpga、多处理器架构或网格计算被用于解决特定的问题。然而,fpga的主要缺点在于需要更高级别的抽象来缓解复杂问题的开发和部署。在多处理器架构的情况下,他们越来越受欢迎,因为是为了合并大数据和HPC,但是并没有太多工作报告有关这方面的工作。最后,网格计算是一个很好的选择对于大数据问题,分配是一个关键因素。然而,当必须执行复杂的计算任务,它似乎并不是一个很好的选择,由于同步流程和数据的需要。在架构方面,还有很多工作寻找创建软件定义基础设施宽松计算资源的配置和管理。从这个意义上讲,研究领域的工作流管理代表一种趋势管理数据生命周期和执行复杂的任务。

另一方面,科学编程技术和计算科学方法如整数线性规划、线性代数/连接器,线性规划,矩阵计算,非线性规划,数值方法或象征性执行正在挑战一个完整的新数据环境中,大型数据集的信息是可用的。然而,所有这些技术有很强的理论基础,将在工程需要解决的问题。此外,约束和等编程技术随机编程似乎是一个不错的选择来实现现有工程的正式模型。

本文还发现,基于技术,主要是复杂网络分析,正在成为流行以来,很多问题可以表示为一组节点和关系,然后可以使用图论分析。考虑到图像分析技术是基于矩阵的计算,在高性能科学方法的可能性和基础设施来执行这样的操作是这种类型的关键驱动因素的分析。

相关的结果本文附带了人工智能和机器学习技术的识别作为一个传统科学编程技术的同行。在第四次工业革命的时代,装备的可能性不是机器而是现有软件技术与智能成为现实。这些技术被用来准备输入现有的方法,优化计算模型的创建,并学习和提供反馈在现有科学编程技术根据输出。尽管并不是每一个过程、任务或工程方法预计将包括人工智能技术,审查概述了当前合并确定性和概率方法的趋势。然而,使用人工智能AI的影响以来仍在讨论中紧急安全系统工程过程,如认证或保证是完全开放的,例如,自动驾驶。

最后,主要工程领域受到大量的数据是航空航天和汽车。在这些安全至上的行业中,工程索赔创新方法,使合作过程,人,和工具。的开发和操作一个复杂的系统不能再通过文档组策划任务,而是数据驱动的编排,每一方可以轻松交流,理解,并利用他人所产生的数据和信息。

5.1。未来的挑战

现实数据驱动系统已经可以使用了。大数据技术和工具有足够的成熟和不断改进和扩展到覆盖所有数据生命周期管理的各个阶段。功能为数据摄入、清洁、表示、存储、处理模型和可视化也可以作为独立的应用程序或作为一个大数据集的一部分。许多用例已经成功地应用大数据技术解决问题等不同行业的市场营销、社会网络分析、医学、财务状况,等等。然而,一种范式转移需要一些努力(163年,164年在下列主题:(1)参考和标准化体系结构必须有一个不同的功能块之间的关注点分离。的标准化工作36)代表一个大数据平台的协调的第一步。(2)一个明确定义的接口数据采集进程之间交换数据,数据存储技术、数据分析方法和数据可视化模型是完全必要的。(3)一组存储技术代表信息根据其性质。数据平台必须支持不同类型的逻辑表示,如文档、键/值,图或表。(4)一套机制之间的传输和变换数据不同的功能块,例如,数据存储和分析层之间。(5)一个接口作为服务提供数据分析。由于需要解决的问题和数据可能有不同的性质和目标,它是必要的,以避免厂商锁定问题,支持一个巨大的各种各样的技术能够运行不同的数据分析过程。因此,可以把大多数现有的库和技术,例如,图书馆R, Python或Matlab。这里,同样重要的是再次备注“一刀切”和混合方法分析过程可能被认为是下一代的大数据平台。(6)一组处理机制,可以减少消耗的资源(内存、并行和分布式)最大化处理数据在不同范式的可能性(事件、流和批处理)和分析数据用不同的方法和技术(人工智能、机器学习、科学编程技术,或复杂网络分析)也是必需的。(7)一个管理控制台监控平台的状态和创建面向数据的工作流的可能性(如传统的方法在业务流程管理,专注于数据)。数据密集型环境必须利用技术在云计算和让用户和实践者轻松地开发和部署更复杂的技术数据生命周期的不同阶段和活动。(8)可用的硬件和软件资源的目录。大数据平台必须提供的功能来管理计算资源、工具、技术、方法、或服务。因此,运营商可以配置和构建自己的数据驱动系统结合现有资源。(9)一组非功能性需求。假设可伸缩性可以很容易地通过使用云计算环境,互操作性、灵活性和可扩展性是主要的非功能特征,必须包括未来的平台。(10)可视化层或,至少,一个方法来摄取数据在现有可视化平台必须提供方便地总结和提取大量数据的意义。

除了这些通用的未来方向数据密集型环境工程领域必须重塑当前开发复杂系统的方法。工程专家再也不是一个孤立的活动在某些学科(软件、力学、电子、电信、等等),产生一组工作产品,为我们服务指定和构建一个系统。

产品和服务越来越复杂,这种复杂性也意味着需要做工程设计的新方法。工具、应用程序和人员(工程师在这种情况下)必须合作,改善当前实践系统工程过程中通过重用现有的数据,信息和知识。为此,数据密集型工程环境必须配备适当的工具和方法来缓解过程,如分析、设计、验证和确认,认证,或保证。在这种情况下,科学编程技术也必须富含新的和现有算法来自于人工智能领域。混合方法的技术来解决复杂的问题代表了自然进化的科学编程技术利用人工智能模型和现有的基础设施。

5.2。数据密集型工程环境和科学编程

复杂工程系统的发展是挑战目前的工程学科。从开发生命周期操作和退休的工程产品,工程产品现在硬件和软件的结合,设计必须考虑不同的工程学科,如软件工程,力学、电信、电子、等等。此外,所有的技术流程,完美的描述等标准的ISO / IEC / IEEE 15288:2015”系统和软件工程系统生命周期过程,“现在比永远更相关。技术过程通过一个工程方法需要实现数据和信息在之前的开发阶段生成丰富当前的工程实践。

从技术角度来看,互操作性成为基石,使协作工程环境,并提供一个正在开发的系统的整体视图。一旦数据和信息可以集成在一起,新的分析服务可以实现检查变更的影响,发现痕迹,或以确保系统的一致性。然而,有必要提供共同的和标准化的数据模型和访问协议,以确保它可以构建一个存储库等系统的集成视图。从这个意义上讲,开放服务生命周期的协作(OSLC)主动应用关联数据和休息的原则和基于模型的系统工程方法是两种主要的方法来创建一个统一的工程环境依赖现有的标准。方法如OSLC知识管理(KM)规范和存储库(165年]或假设下的SysML 2.0标准定义提供标准化的api(应用程序编程接口)来访问任何类型的系统构件(OSLC的公里)或模型(在SysML 2.0)这意味着交换系统工件再也不是单一、孤立的文件但是一种服务。一般来说,工程环境已经受互连的数据数据仓库的模式转向一种工业知识图。在一个相互联系的工程环境的影响依赖的可能性增加的时间释放一个工程产品或服务满足客户需求发展。

操作环境,复杂工程系统是物联网的一个例子(物联网)产品的成千上万的传感器不断生产数据,必须处理不同的目标:预测失败,决策等。这个环境代表一个完美的匹配设计和开发分析服务。数据挑战特定学科的例子可以发现在铁路行业166年)、航空(167年),或土木工程168年),大数据生成技术主要用于利用数据和信息在系统的操作。

然而,在这两种情况下,可以找到一些共同的障碍来实现数据管理策略:数据隐私,安全,和所有权。例如,在汽车行业,就好了,数据用于验证一个自治的行为汽车是汽车制造商,以确保所有的汽车之间共享实现最低限度的兼容性和缓解认证机构的活动。不过,似乎也清楚,这不会发生,因为它可以代表市场经济中的竞争优势。这就是为什么,是完全必要的设计策略在政治层面上,可以确保一个适当的开发新的工程产品和服务的制造商必须专注于提供更好的用户体验下常见的基线数据。

最后,有必要的话再科学编程技术已经广泛用于解决复杂问题在不同领域下几个硬件设置。大数据技术的崛起创造了一个新的数据密集型环境科学编程技术仍然是相关但面临一个重大的挑战:如何适应现有技术来处理大量的数据?

在这种背景下,科学编程技术可以应用在硬件或软件(平台、技术或应用程序)的水平。例如,它可以再次找到gpu的体系结构的例子(169年)提高并行编程的实践的科学节目。基于云计算的基础设施(170年,171年和分析平台172年)是另一个研究领域。在科学规划的基础,在[工作173年)审查的主要基础科学编程技术和使用模式匹配技术在大型图表174年)的工作的改进和软件技术的范围。最后,应用在煤矿175年),推荐引擎汽车共享服务(176年),健康风险预测177年),文本分类(178年),或信息安全179年)域的数据不断产生代表优秀的候选人申请科学编程技术。

6。结论

数据正在引发任何任务、活动或过程在大多数行业。一个大数据的生态系统的基础设施、技术和工具已经可用,并且准备好去应对复杂的问题。科学编程技术被中断母马万能的技术。复杂性不仅仅是主要驱动力计算大而复杂的任务。现在大量数据作为输入复杂的算法,技术和方法再次生成大量的更多的数据项(如模拟过程)。这些数据密集型环境强烈影响当前工程学科和方法,必须重塑利用越来越聪明的数据和技术改进的开发和操作复杂,安全至上的系统。这就是为什么,提供新的工程方法通过利用现有资源(基础设施)和著名的组合技术将使这个行业来构建复杂的系统更快和更安全。然而,还有一个隐含的需要妥善管理和协调各方面关于一个数据驱动的工程环境。新的集成平台(和标准化体系结构框架)必须旨在涵盖所有阶段的数据生命周期鼓励人们进行大规模的实验和改进当前实践的系统工程。

的利益冲突

作者宣称没有利益冲突有关这篇文章的出版。

确认

当前支持的工作已经部分研究报道之间的协议(西班牙语广播和电视公司)和UC3M促进研究大数据领域的关联数据,复杂网络分析和自然语言。也收到了著名的支持Nacional de Mexico (TECNM)、国家科学技术委员会(CONACYT)和公众通过即教育部长(9月)。

引用

1. h .遍布的p . Fettke H.-G。Kemper、t·菲尔德和m·霍夫曼“行业4.0”业务和信息系统工程》第六卷,没有。4、239 - 242年,2014页。视图:出版商的网站|谷歌学术搜索
2. n . Jazdi“网络物理系统在行业的背景下,4.0,”自动化学报2014年IEEE国际会议质量和测试,机器人技术2014年5月,页1 - 4,IEEE,。视图:谷歌学术搜索
3. m . Borsato和m . Peruzzini“协作工程”并行工程在21世纪:基础,发展和挑战,j . Stjepandićn . Wognum和w·j . c . Verhagen Eds。,pp. 165–196, Springer International Publishing, Cham, Switzerland, 2015.视图:谷歌学术搜索
4. w·沈问:,和w·李,“计算机支持的协同设计:回顾和角度来看,“计算机在工业领域卷,59号9日,第862 - 855页,2008年。视图:出版商的网站|谷歌学术搜索
5. j·李,H.-A。花王,杨,“服务创新和智能分析工业4.0和大数据环境,”Procedia CIRP》16卷,3 - 8,2014页。视图:出版商的网站|谷歌学术搜索
6. INCOSE,系统工程2020年愿景,INCOSE2004年,技术incose - tp - 2004 - 004 - 02。
7. g·威尔逊,d . a . Aruliah c .提图斯布朗et al .,“科学计算的最佳实践”,公共科学图书馆生物学,12卷,不。1,文章ID e1001745, 2014。视图:出版商的网站|谷歌学术搜索
8. p .您正在t . b . Jablin A .拉曼et al .,“计算科学的实践的调查,“p。19日,ACM,纽约,纽约,美国。视图:出版商的网站|谷歌学术搜索
9. j·e·汉内c·麦克劳德,j .歌手,惠普Langtangen, d . Pfahl g·威尔逊,”科学家开发和使用的科学软件怎么样?“在在软件工程学报2009 ICSE车间计算科学与工程,页1 - 8,IEEE计算机协会,蒙特利尔,加拿大,2009。视图:谷歌学术搜索
10. n .汗Yaqoob,中情局Targio哈西姆et al .,“大数据:调查中,技术、机会和挑战,”科学世界杂志卷,2014队,2014页。视图:出版商的网站|谷歌学术搜索
11. m·d·Assuncao r . n .卡列罗斯·比安奇,m·a .最低和r . Buyya”大数据计算和云:趋势和未来的发展方向,”杂志的并行和分布式计算卷,79年,页3日- 15日,2015。视图:出版商的网站|谷歌学术搜索
12. c·p·陈和彭译葶。张:“数据密集型应用程序,挑战,技术和技术:大数据的调查,“信息科学卷,275年,第347 - 314页,2014年。视图:出版商的网站|谷歌学术搜索
13. 美国Gole和b . Tidke”,大数据的调查在社交媒体中使用数据挖掘技术,”学报2015年国际会议上先进的计算机和通信系统哥印拜陀,页1 - 6,印度,2015。视图:谷歌学术搜索
14. m·c·s·格林,j . Tan), j·h·摩尔和c Cheng“大数据生物信息学,”细胞生理学杂志,卷229,不。12日,第1900 - 1896页,2014年。视图:出版商的网站|谷歌学术搜索
15. 博尔顿,“地球大数据的挑战,”地球大数据,卷2,不。1、1 - 7,2018页。视图:出版商的网站|谷歌学术搜索
16. G.-H。金,美国Trimi黄永发。钟,”大数据应用在政府部门。”ACM的通信卷,57号3、78 - 85年,2014页。视图:出版商的网站|谷歌学术搜索
17. c·s·克鲁斯r . Goswamy y艾,和s Marawi”采用电子健康记录的因素:系统回顾,“JMIR医学信息,4卷,不。4 p . e38 2016。视图:出版商的网站|谷歌学术搜索
18. s Hamrioui de la Torre Diez, b . Garcia-Zapirain k·萨利姆,和j·j·p·c·罗德里格斯”系统回顾大数据安全机制的健康和新选择医院,”无线通信和移动计算卷,2017年,页1 - 6,2017。视图:出版商的网站|谷歌学术搜索
19. r . Kitchin“实时的城市吗?大数据和智能都市生活。”GeoJournal,卷79,不。1、1 - 14,2014页。视图:出版商的网站|谷歌学术搜索
20. 美国阴和o . Kaynak”,为现代工业大数据:挑战和趋势(的观点),“IEEE学报》,卷103,不。2、143 - 146年,2015页。视图:出版商的网站|谷歌学术搜索
21. w .风扇和a . Bifet”挖掘大数据:现状,预测未来,”ACM SIGKDD探索通讯,14卷,不。2、1 - 5,2013页。视图:出版商的网站|谷歌学术搜索
22. f . Gessert w . Wingerath, s·弗里德里希·n·里特,“NoSQL数据库系统:一项调查和决策指导,”计算机科学研究和发展,32卷,不。3 - 4、353 - 365年,2017页。视图:出版商的网站|谷歌学术搜索
23. 吉尔伯特和n (merrill Lynch),”观点上限定理”,电脑,45卷,不。2,30-36,2012页。视图:出版商的网站|谷歌学术搜索
24. 学术界。陈,C.-L。许,K.-Y。蔡”,开源框架进行大数据分析、调查”学报第三电子和软件科学国际会议高松,p。74年,日本,2017年。视图:谷歌学术搜索
25. 朱x, x, G.-Q。吴,w·丁”与大数据的数据挖掘,”IEEE工程知识和数据,26卷,不。1,第107 - 97页,2014。视图:出版商的网站|谷歌学术搜索
26. a . Ching s Edunov m . Kabiljo d . Logothetis和s . Muthukrishnan“一万亿边:在脸谱图处理,”美国养老,8卷,不。12日,第1815 - 1804页,2015年。视图:出版商的网站|谷歌学术搜索
27. 中情局t·哈西姆Yaqoob, n . b . Anuar美国身兼a . Gani和美国汗”的崛起,对云计算:“大数据”研究和开放的问题,“信息系统47卷,第115 - 98页,2015年。视图:出版商的网站|谷歌学术搜索
28. d . Agrawal s Das, a . El Abbadi”大数据和云计算:当前状态和未来的机会,”学报》第14届国际会议上扩展数据库技术,第533 - 530页,2011年。视图:谷歌学术搜索
29. 诉福尔摩斯和m . Newall”HPC,大数据的挑战。”安全性和可靠性,36卷,不。3、213 - 224年,2016页。视图:出版商的网站|谷歌学术搜索
30. 我公司,大数据满足高性能计算英特尔HPC, 2014年,https://www.intel.com/content/dam/www/public/us/en/documents/white-papers/big-data-meets-high-performance-computing-white-paper.pdf。
31. b . Kitchenham程序进行系统评价卷,33岁的基尔大学,英国,2004年。
32. 美国Bhattacharyya和d·伊万诺娃”,科学计算和大数据分析:应用程序在气候科学,”大数据分析的分布式计算,美国Mazumder, r·辛格Bhadoria和g·c . Deka Eds。,pp. 95–106, Springer International Publishing, Cham, Switzerland, 2017.视图:谷歌学术搜索
33. d . Budgen和p . Brereton执行系统的文学评论在软件工程中,”软件工程学报》第28届国际会议上,第1052 - 1051页,上海,中国,2006。视图:谷歌学术搜索
34. j . m . Alvarez-Rodriguez j . e . Labra-Gayo, p . o . de巴勃罗,”在电子采购应用语义技术新趋势:当前状态和未来的挑战,”计算机在工业领域,卷65,不。5,800 - 820年,2014页。视图:出版商的网站|谷歌学术搜索
35. l . Shamseer et al .,”首选项报告系统回顾和荟萃分析协议(PRISMA-P) 2015:细化和解释,“BMJ2015年,卷349,p . g7647。视图:出版商的网站|谷歌学术搜索
36. NIST大数据公共工作组技术路线图子群,NIST大数据互操作性框架:卷7、标准路线图,国家标准与技术研究所,2015年,NIST SP 1500 - 7。
37. z哈利姆m·瓦格a r·贝格和a·拉希德,“高效聚类大型图表使用社区信息的不确定性,”国际期刊的近似推理卷,90年,第291 - 274页,2017年。视图:出版商的网站|谷歌学术搜索
38. t . Kajdanowicz r . Michalski k Musial, p . Kazienko”在无标号网络学习,积极学习和推理方法,”人工智能通信卷,29号1,第148 - 123页,2015。视图:出版商的网站|谷歌学术搜索
39. p . Kazienko r . Alhajj和j·斯利瓦斯塔瓦,“社会网络分析的计算方面,”科学的规划卷,2015年,页1 - 2日,2015。视图:出版商的网站|谷歌学术搜索
40. 依m . Zayid和m . f . Akay”预测消息传递的多处理器架构的性能措施使用人工神经网络,”神经计算和应用,23卷,不。7 - 8,2481 - 2491年,2013页。视图:出版商的网站|谷歌学术搜索
41. 马y l . Chen和k, p . Liu”为遥感图像处理并行编程模板在GPU的体系结构:设计和实现,”计算,卷98,不。1 - 2,7-33,2016页。视图:出版商的网站|谷歌学术搜索
42. t·s·瓦沃米尔-希利温斯基S.-L。康”,将并行计算技术应用于分析tb大气边界层模型输出,“大数据的研究7卷,31-41,2017页。视图:出版商的网站|谷歌学术搜索
43. m·m·拉索尔教授h .儿子,a·艾哈迈德·a·保罗,和g .全“实时大数据流处理使用GPU和火花在Hadoop生态系统,”国际期刊的并行编程,46卷,不。3、630 - 646年,2017页。视图:出版商的网站|谷歌学术搜索
44. 傅w .雪,c·杨,h . et al .,“Ultra-scalable CPU-MIC Tianhe-2中尺度大气建模的加速度,”IEEE计算机,卷64,不。8,2382 - 2393年,2015页。视图:出版商的网站|谷歌学术搜索
45. y Aksari和h . Artuner前后替换算法在GPU上:一个案例研究在修改不完全乔里斯基预调节器为三维有限差分方法,”《超级计算,卷62,不。1,第572 - 550页,2012。视图:出版商的网站|谷歌学术搜索
46. a . Neic m . Liebmann,大肠Hoetzl et al .,“加速心脏Bidomain模拟使用图形处理单元,“IEEE生物医学工程卷,59号8,2281 - 2290年,2012页。视图:出版商的网站|谷歌学术搜索
47. e·汤普森,n . Clem d . a . Peter j .布莱恩,调查局Peterson和d·霍尔布鲁克”并行的cuda实现冲突检测应用空域deconfliction,”《超级计算,卷71,不。10日,3787 - 3810年,2015页。视图:出版商的网站|谷歌学术搜索
48. y l, c . Wang,梁,w .咦,和y .史,“并行数据挖掘技术在图形处理单元与统一计算设备架构(CUDA)”《超级计算,卷64,不。3、942 - 967年,2013页。视图:出版商的网站|谷歌学术搜索
49. w·周z Cai,丽安,j . Wang和j·马,“蛋白质数据库搜索的混合定位算法基于GPU的并行加速,”《超级计算,卷73,不。10日,4517 - 4534年,2017页。视图:出版商的网站|谷歌学术搜索
50. 法瑞斯·雷特j . m .特谢拉t, b·里斯诉Teichrieb和j·凯尔纳“最近邻搜索在GPU上:一个大规模并行的方法对于动态点云,“国际期刊的并行编程,40卷,不。3、313 - 330年,2012页。视图:出版商的网站|谷歌学术搜索
51. a . p . Liu Hemani, k .保罗,c . Weis m·荣格和n .当“三维叠加生物序列分析问题,许多核心架构”国际期刊的并行编程,45卷,不。6,1420 - 1460年,2017页。视图:出版商的网站|谷歌学术搜索
52. t . a . Wassenaar m·冯·n·Loureiro-Ferreira et al .,“WeNMR:网格结构生物学,”《网格计算,10卷,不。4、743 - 767年,2012页。视图:出版商的网站|谷歌学术搜索
53. s . Venkateshan a . Patel, k . Varghese”混合工作集与核的支持向量机学习算法协处理器在FPGA上,“IIEEE交易超大规模集成(VLSI)系统,23卷,不。10日,2221 - 2232年,2015页。视图:出版商的网站|谷歌学术搜索
54. j·k·Debnath, a . m . Gole W.-K。Fung)“Graphics-processing-unit-based加速度的电磁瞬态模拟,”IEEE电力交付没有,卷。31日。5,2036 - 2044年,2016页。视图:出版商的网站|谷歌学术搜索
55. a·姆尼尔f .高级a Gordon-Ross,蓝卡,“高性能优化在平铺的许多核心嵌入式系统:一个矩阵乘法的案例研究,“《超级计算,卷66,不。1,第487 - 431页,2013。视图:出版商的网站|谷歌学术搜索
56. l . Ziane Khodja r .女装设计师,a .他和j·m·Bahi“平行与gmr稀疏线性规划求解方法使用最小化技术的GPU集群通信,”《超级计算,卷69,不。1,第224 - 200页,2014。视图:出版商的网站|谷歌学术搜索
57. h . Ltaief p Luszczek, j .唐”分析高性能稠密线性代数算法在多核体系结构的电力和能源效率,”计算机科学研究和发展,27卷,不。4、277 - 287年,2012页。视图:出版商的网站|谷歌学术搜索
58. m·a·Al-Mouhamed和a·h·汗”,SpMV和BiCG-Stab优化了一类hepta-diagonal-sparse矩阵在GPU上,“《超级计算,卷73,不。9日,第3795 - 3761页,2017年。视图:出版商的网站|谷歌学术搜索
59. 李,c . Hu j . Zhang, y,“自动调谐的稀疏矩阵向量乘法多核集群,”中国科学信息科学,卷。58岁的没有。9日,1 - 14,2015页。视图:出版商的网站|谷歌学术搜索
60. g .周和h·陈,“立方体并行计算在现代的cpu和gpu,”《超级计算,卷61,不。3、394 - 417年,2012页。视图:出版商的网站|谷歌学术搜索
61. 答:数字,“人们第一:至高无上的人们在数字时代,“埃森哲技术愿景,2016卷,2016年。视图:谷歌学术搜索
62. a . Mansoori s Effati, m . Eshaghnezhad“递归神经网络模型有效解决模糊非线性规划问题,“应用智能,46卷,不。2、308 - 327年,2017页。视图:出版商的网站|谷歌学术搜索
63. t·默罕默德和z Halim”,采用人工神经网络构造基于元数据模型的自动选择适当的数据可视化技术,”应用软计算49卷,第384 - 365页,2016年。视图:出版商的网站|谷歌学术搜索
64. 巴希尔z哈利姆,r . Kalsoom s, g·阿巴斯,“人工智能技术对车辆行驶安全性和事故预测,“人工智能审查,46卷,不。3、351 - 387年,2016页。视图:出版商的网站|谷歌学术搜索
65. j . Quadflieg, m . g .鲁道夫,“驾驶作为一个人:一个基于跟踪学习适应赛车控制器架构,”遗传编程和可发展的机器,15卷,不。4、433 - 476年,2014页。视图:出版商的网站|谷歌学术搜索
66. Terzi s和s .金丝雀”计划维修工程通过蚁群优化,在人行道上”神经计算和应用,25卷,不。1,第153 - 143页,2014。视图:出版商的网站|谷歌学术搜索
67. a .安东,a . Aldea泵站:用逆函数解决算法”,Procedia工程卷,70年,第74 - 67页,2014年。视图:出版商的网站|谷歌学术搜索
68. d . g . Savakar和A . Kannur”的实用方面识别和分类基于枪伤的枪支使用基因表达式编程模式,”模式识别和图像分析,26卷,不。2、442 - 449年,2016页。视图:出版商的网站|谷歌学术搜索
69. 美国阿拉斯和身份证Kocakoc”,一种新的模式选择策略与人工神经网络在时间序列预测:《国际先驱论坛报》,“Neurocomputing卷,174年,第987 - 974页,2016年。视图:出版商的网站|谷歌学术搜索
70. y他,美国高:廖,h·刘,“非线性goal-programming-based DE和安级优化方法在铁矿业、”神经计算和应用,27卷,不。7,2065 - 2081年,2016页。视图:出版商的网站|谷歌学术搜索
71. l . Petnga和m·奥斯汀”本体的时间和MBSE cyber-physical系统,基于时间的理由”Procedia计算机科学》16卷,第412 - 403页,2013年。视图:出版商的网站|谷歌学术搜索
72. g . x张洪波专业化、z .鑫和c . Bo”自动停车控制智能车辆基于一种新的算法,”中国邮电高校学报,24卷,不。4,51-56,2017页。视图:出版商的网站|谷歌学术搜索
73. 利亚和h . y . Kılıcgedik”基因表达式编程在热金属成形中的应用智能制造、”神经计算和应用,30卷,不。3、937 - 945年,2016页。视图:出版商的网站|谷歌学术搜索
74. l . Dioşan和a . Andreica”乳腺癌多目标分类使用multi-expression编程。”应用智能,43卷,不。3、499 - 511年,2015页。视图:出版商的网站|谷歌学术搜索
75. k . Charalampous和a . Gasteratos”在线深度学习的动作识别方法”,模式分析与应用,19卷,不。2、337 - 354年,2016页。视图:出版商的网站|谷歌学术搜索
76. g . Ososkov和p . Goncharov浅和深学习图像分类,”光学记忆和神经网络,26卷,不。4、221 - 248年,2017页。视图:出版商的网站|谷歌学术搜索
77. h . Karami s Karimi) h . Bonakdari, s . Shamshirband”预测三角迷宫堰流量系数使用极端的学习机器,人工神经网络和遗传编程,”神经计算和应用卷,29号11日,第989 - 983页,2016年。视图:出版商的网站|谷歌学术搜索
78. 诉Havliček m . Hanel p .吗咖能够m . Kuraž和p . Pech”将基本水文概念纳入遗传编程的降雨径流预报,“计算,卷95,不。S1, 363 - 380年,2013页。视图:出版商的网站|谷歌学术搜索
79. a . Alexandridis e . Chondrodima, g . Papadakis大肠Efthimiou f . Vallianatos和d . Triantis”大地震发生估计基于径向基函数神经网络,”IEEE地球科学和遥感,52卷,不。9日,第5453 - 5443页,2014年。视图:出版商的网站|谷歌学术搜索
80. c . j . Li Li z吴,j .黄”一个反馈神经网络求解凸二次双层规划问题,“神经计算和应用,25卷,不。3 - 4、603 - 611年,2014页。视图:出版商的网站|谷歌学术搜索
81. m·穆勒和p . Massobrio NeuVision:仿真环境模型自发和stimulus-evoked大规模神经元网络的活动,“Neurocomputing卷,122年,第457 - 441页,2013年。视图:出版商的网站|谷歌学术搜索
82. k·j·特纳和p·s·兰伯特”,工作流的定量数据分析在社会科学中,“国际期刊《技术转让的软件工具,17卷,不。3、321 - 338年,2015页。视图:出版商的网站|谷歌学术搜索
83. s . Chakraborty A Cortesi, n . Chaki”intensive-query数据库中的多变量数据的统一表示,“创新系统和软件工程,12卷,不。3、163 - 176年,2016页。视图:出版商的网站|谷歌学术搜索
84. s Multsch d·格拉博夫斯基,j . Ludering et al .,”一个实际的农业规划软件淡化备用:WATERopt,”海水淡化卷,404年,第131 - 121页,2017年。视图:出版商的网站|谷歌学术搜索
85. k .征服者r·贝格n。布哈里和z Halim”路线规划和优化的路线通过模拟蚂蚁代理系统,”《电路、系统和电脑,20卷,不。03年,457 - 478年,2011页。视图:出版商的网站|谷歌学术搜索
86. a . Alexandrov r·伯格曼Ewen s . et al .,“平流层的大数据分析平台,VLDB杂志,23卷,不。6,939 - 964年,2014页。视图:出版商的网站|谷歌学术搜索
87. 纳迪姆,d . Alghazzawi a . Mashat k . Fakeeh a . Almalaise和h . Hagras“科学工作流的建模和预测执行时间网格使用径向基函数神经网络,”集群计算,20卷,不。3、2805 - 2819年,2017页。视图:出版商的网站|谷歌学术搜索
88. s . j . van Zelst b·f·凡·通根于w·m·p·范德阿尔斯特和h . m . w . Verbeek“发现工作流使用整数线性规划网,”计算,卷100,不。5,529 - 556年,2017页。视图:出版商的网站|谷歌学术搜索
89. j·d·g . Li Wu, y, m·s·侯赛因和a . Ghoneim”直升机:异构负载调度电动交通工具集成微型电网,“IEEE车辆技术,卷66,不。7,5785 - 5796年,2017页。视图:出版商的网站|谷歌学术搜索
90. d . de Oliveira k·A·c·s . Ocana f·拜尔和m . Mattoso”provenance-based自适应调度启发式并行科学工作流在云,“《网格计算,10卷,不。3、521 - 552年,2012页。视图:出版商的网站|谷歌学术搜索
91. i . k .穆萨,s·d·沃克,a . m .欧文和a·p·哈里森”自助服务基础设施数据密集型应用程序的容器。”《云计算:进步,系统和应用程序,3卷,不。1、p。5、2014。视图:出版商的网站|谷歌学术搜索
92. m·阿特金森c·s·刘,m . Galea et al .,“数据密集型科学知识发现、架构”分布式和并行数据库,30卷,不。5 - 6,307 - 324年,2012页。视图:出版商的网站|谷歌学术搜索
93. m . s . Mayernik、j·c·沃利斯和c . l . Borgman”挖掘的基础设施:人类和传感器在实地科学研究,“计算机支持的协同工作(CSCW),22卷,不。1,第101 - 65页,2013。视图:出版商的网站|谷歌学术搜索
94. 严j·j·张,y, d .许·李和w·杰”基础设施和服务跨多个卫星遥感数据生产管理数据中心,“集群计算,19卷,不。3、1243 - 1260年,2016页。视图:出版商的网站|谷歌学术搜索
95. 问:吴,m·朱y顾et al .,“分布式工作流管理系统的案例研究现实生活中的科学应用在网格上,“《网格计算,10卷,不。3、367 - 393年,2012页。视图:出版商的网站|谷歌学术搜索
96. 佩莱格里尼,s . Peluso f . Quaglia, r·维塔利“透明的投机并行离散事件仿真应用程序使用全局变量,“国际期刊的并行编程,44卷,不。6,1200 - 1247年,2016页。视图:出版商的网站|谷歌学术搜索
97. c .活泼,吴x, v .泰勒et al .,“节能预测模型的混合(MPI / OpenMP)科学应用在多核系统上,“计算机科学研究和发展,27卷,不。4、245 - 253年,2012页。视图:出版商的网站|谷歌学术搜索
98. y加工、j·金和不结盟运动,“多维多个查询语义缓存与分布式调度框架,“集群计算,18卷,不。3、1141 - 1156年,2015页。视图:出版商的网站|谷歌学术搜索
99. m z . a .下榻的j .吴g . Wang t . Wang和m·m·哈桑“e-Sampling: event-sensitive自主适应传感和低成本的监控在网络化传感系统中,“ACM交易自治和自适应系统,12卷,不。1、1至29,2017页。视图:出版商的网站|谷歌学术搜索
100. z米洛舍维奇,w·陈,a·贝瑞和f . a . Rabhi“开放的基于事件的分析架构,”国际期刊数据的科学分析,卷2,不。1 - 2,13-27,2016页。视图:出版商的网站|谷歌学术搜索
101. S.-W。李,“证据驱动通过增强决策支持在关键基础设施管理领域知识建模、”多媒体工具和应用程序,卷71,不。1,第330 - 309页,2014。视图:出版商的网站|谷歌学术搜索
102. r·雅各布·j·克里希纳,x徐et al .,“ParNCL ParGAL:大规模的地球科学数据的后处理的方式来表述数据并行处理工具,”Procedia计算机科学18卷,第1254 - 1245页,2013年。视图:出版商的网站|谷歌学术搜索
103. d . Amagata和t . Hara MaxRS和MaxCRS监测的总体框架空间数据流,”ACM交易空间算法和系统,3卷,不。1,猴,2017页。视图:出版商的网站|谷歌学术搜索
104. j . Weinbub k·鲁普,s . Selberherr”ViennaX:一个平行的插件执行科学计算框架,“与计算机工程,30卷,不。4、651 - 668年,2014页。视图:出版商的网站|谷歌学术搜索
105. g .左、g .关和r·王”数值模拟和优化真空膜蒸馏模块为低成本水生产,”海水淡化卷,339 - 2014页。视图:出版商的网站|谷歌学术搜索
106. m·d·g·Garcia-Hernandez j . Ruiz-Pinales大肠Onaindia et al .,“新的优先值迭代马尔可夫决策过程,”人工智能审查,37卷,不。2、157 - 167年,2012页。视图:出版商的网站|谷歌学术搜索
107. g . Simonin c . Artigues大肠Hebrard, p·洛佩兹,“调度彗星探索的科学实验,”约束,20卷,不。1,第99 - 77页,2015。视图:出版商的网站|谷歌学术搜索
108. w .喇叭,m·库马尔j . Jann et al .,”图编程接口(GPI):一个线性代数的编程模型对大规模图计算,”国际期刊的并行编程,46卷,不。2、412 - 440年,2017页。视图:出版商的网站|谷歌学术搜索
109. g . s . Lai Lai f, g .沈j .金和x林,“BSP模型图处理系统在许多核心,”集群计算,20卷,不。2、1359 - 1377年,2017页。视图:出版商的网站|谷歌学术搜索
110. 布洛斯诉,s·休伊特、诉Fristot l .齐射和d . Houzet”有效地实现数据流图multi-gpu集群,”实时图像处理》杂志上,9卷,不。1,第232 - 217页,2014。视图:出版商的网站|谷歌学术搜索
111. r . j . Dummler古妮丝和g .响,“SEParAT:为并行应用程序任务图调度支持环境,”集群计算,15卷,不。3、223 - 238年,2012页。视图:出版商的网站|谷歌学术搜索
112. 问:d (Pham, y .帝威,p . Van Hentenryck”LS(图):一个基于本地搜索对树木和约束优化路径,”约束,17卷,不。4、357 - 408年,2012页。视图:出版商的网站|谷歌学术搜索
113. w·w·居,j . Li Yu, r·张“iGraph:增量数据处理系统对动态图,“计算机科学的前沿,10卷,不。3、462 - 476年,2016页。视图:出版商的网站|谷歌学术搜索
114. o . Celiktutan c .狼、b . Sankur和e . Lombardi”快速准确hyper-graph与动态规划匹配的时空数据,”《数学成像和愿景,51卷,不。1、21、2015页。视图:出版商的网站|谷歌学术搜索
115. 黄永发。荣格,j·李,k·r·霍夫曼t . Dorazio和e·b·皮特曼”快速插值的方法找到血管CFD的解决方案与光谱搭配方法,”计算机科学期刊,4卷,不。1 - 2、101 - 110年,2013页。视图:出版商的网站|谷歌学术搜索
116. j .徐j·汉、k .熊和f .聂“健壮和稀疏的模糊k - means聚类”二十五日学报》国际联合会议上人工智能,页2224 - 2230,纽约,纽约,美国,2016年。视图:谷歌学术搜索
117. f·聂,c .丁、d·罗和h .黄”改进极大极小切图聚类与非负放松,”学报2010年欧洲机器学习与知识发现会议数据库:第二部分,页451 - 466年,柏林,海德堡,2010年。视图:出版商的网站|谷歌学术搜索
118. Parsa h . Motallebi和美国,“数据局部性优化基于多面体的干涉图计算,”《超级计算,卷61,不。3、935 - 965年,2012页。视图:出版商的网站|谷歌学术搜索
119. z哈利姆,m .爱,a·拉希德,c . a . Edwin”分析玩家使用真实的数据集:聚类数据和关联结果与大五人格特质,“IEEE情感计算,p . 2017。视图:出版商的网站|谷歌学术搜索
120. a Weiß和d . Karastoyanova”,使耦合的多尺度、多领域通过编排数据驱动的科学实验模拟,”计算,卷98,不。4、439 - 467年,2016页。视图:出版商的网站|谷歌学术搜索
121. s . p . Muszala g . Alaghband j .黑客和d·康纳斯,“自然负荷指数(NLI的)科学模拟,”《超级计算卷,59号1,第413 - 392页,2012。视图:出版商的网站|谷歌学术搜索
122. r·r·阿帕德海耶和o . a . Ezekoye libMoM :图书馆为随机模拟在工程使用统计的时刻,”与计算机工程,28卷,不。1,第94 - 83页,2012。视图:出版商的网站|谷歌学术搜索
123. b·本·优素福,”一个平行的细胞自动机算法的确定性模拟3 d多细胞组织生长,”集群计算,18卷,不。4、1561 - 1579年,2015页。视图:出版商的网站|谷歌学术搜索
124. h·默罕默德和美国Marchand-Maillet分布式媒体索引基于MPI和MapReduce,”多媒体工具和应用程序,卷69,不。2、513 - 537年,2014页。视图:出版商的网站|谷歌学术搜索
125. w·王曾和g .,”贝叶斯认知模型调度算法为数据密集型计算,”《网格计算,10卷,不。1,第184 - 173页,2012。视图:出版商的网站|谷歌学术搜索
126. c .凌t .岩漠j .高g .赵d .太阳,和w·史”MrBayes tgMC³+ +:高性能资源GPU-oriented系统发育分析方法,”IEEE / ACM事务计算生物学和生物信息学,13卷,不。5,845 - 854年,2016页。视图:出版商的网站|谷歌学术搜索
127. p·阿罗瓦,j·l·Risco-Martin m . Zapater j·m·莫亚和j·l . Ayala”增强回归模型对复杂工程系统使用进化技术特性,”《网格计算,13卷,不。3、409 - 423年,2015页。视图:出版商的网站|谷歌学术搜索
128. h . g . Zhang Pu、w·他·刘,j .罗和j·巴姨,“基于贝叶斯框架的荧光参数的直接重建图像,”IEEE医学成像,34卷,不。6,1378 - 1391年,2015页。视图:出版商的网站|谷歌学术搜索
129. l .彭廖,w•朱z . Li和k·李,“预测药物与multi-information交互融合,”IEEE生物医学和卫生信息学杂志》上,21卷,不。2、561 - 572年,2017页。视图:出版商的网站|谷歌学术搜索
130. e .公园,j . L.-N卡。Pouchet, c . Bastoul科恩,p . Sadayappan“多面优化空间预测建模,”国际期刊的并行编程第41卷。。5,704 - 750年,2013页。视图:出版商的网站|谷歌学术搜索
131. m·克罗伊策j .蒂斯m . Rohrig-Zollner et al .,“鬼:高性能的构建块稀疏线性代数在异构系统中,“国际期刊的并行编程,45卷,不。5,1046 - 1072年,2017页。视图:出版商的网站|谷歌学术搜索
132. a . b .躁狂,a . p . Smull F.-H。Rouet、李x s和b . m . Notaros”高效可扩展并行高阶直接MoM-SIE法和分层次semiseparable结构三维散射,”IEEE天线和传播,卷65,不。5,2467 - 2478年,2017页。视图:出版商的网站|谷歌学术搜索
133. k . v . Ryabinin和s . i Chuprina”一个统一的方法来适应科学可视化系统第三方解决方案”编程和计算机软件,42卷,不。6,347 - 355年,2016页。视图:出版商的网站|谷歌学术搜索
134. x邓,j·李,罗比,“有效的和正式的广义符号执行,”自动化软件工程,19卷,不。3、233 - 301年,2012页。视图:出版商的网站|谷歌学术搜索
135. y陈,陈d s,汗,j .黄和c·谢”解决符号回归问题统一design-aided基因表达式编程,”《超级计算,卷66,不。3、1553 - 1575年,2013页。视图:出版商的网站|谷歌学术搜索
136. 答:萨姆,r . Sadykov大肠Uchoa, f . Vanderbeck”自动化和组合列生成的基于线性规划的稳定技术”通知杂志上计算,30卷,不。2、339 - 360年,2018页。视图:出版商的网站|谷歌学术搜索
137. p . Chobeau j . Picaut纪尧姆·d·Ecotiere和g . Dutilleux”声音传播的传输线矩阵模型在气缸正常一个阻抗平面阵列,”杂志的声音和振动卷,389年,第467 - 454页,2017年。视图:出版商的网站|谷歌学术搜索
138. 美国邓、t·孟和z,“非线性规划控制使用微分空气动力阻力立方体卫星编队飞行,”前沿的信息技术和电子工程,18卷,不。7,867 - 881年,2017页。视图:出版商的网站|谷歌学术搜索
139. m . Frego e . Bertolazzi f . Biral d·丰达涅利和l . Palopoli“半最短时间解决方案与速度限制车辆的轨迹后,“自动化卷。86年,18-28,2017页。视图:出版商的网站|谷歌学术搜索
140. 戴伊,t . Mukhopadhyay, a . Spickenheuer s Adhikari g·海因里希,“自下而上的基于代理的方法复合材料正交异性层合板的随机频率响应分析,“复合结构卷,140年,第727 - 712页,2016年。视图:出版商的网站|谷歌学术搜索
141. h . Astsatryan诉Sahakyan y Shoukouryan et al .,“容易使用的大型线性代数和并行科学计算服务决策与p级门户”《网格计算,11卷,不。2、239 - 248年,2013页。视图:出版商的网站|谷歌学术搜索
142. a . Umbarkar诉萨勃拉曼尼亚,a . Doboli“线性programming-based健壮的数据建模优化分布式传感平台”IEEE计算机辅助设计的集成电路和系统,33卷,不。10日,1531 - 1544年,2014页。视图:出版商的网站|谷歌学术搜索
143. h . m . Aktulga m . Afibuzzaman威廉斯et al .,“高性能块eigensolver核组态相互作用的计算,”IEEE并行和分布式系统,28卷,不。6,1550 - 1563年,2017页。视图:出版商的网站|谷歌学术搜索
144. f . Kizel m . Shoshany n s内塔尼亚胡g . Even-Tzur和j·A . Benediktsson”逐步分析投影梯度下降搜索高光谱分离及其向量化代码,”IEEE地球科学和遥感,55卷,不。9日,第4943 - 4925页,2017年。视图:出版商的网站|谷歌学术搜索
145. a . Demiriz n Bagherzadeh, a . Alhussein”使用约束编程network-on-chip架构的设计,“计算,卷97,不。6,579 - 592年,2015页。视图:出版商的网站|谷歌学术搜索
146. 一个。Horvath)和d . Varro“动态约束满足问题模型,”软件和系统建模,11卷,不。3、385 - 408年,2012页。视图:出版商的网站|谷歌学术搜索
147. W.-M。京和d .郑array-oriented程序的自动并行化的多核机器,”国际期刊的并行编程,40卷,不。5,514 - 531年,2012页。视图:出版商的网站|谷歌学术搜索
148. d·卡瓦略l . r . de Souza r . g . Barbastefano和f·m·g .语言“随机产品比例:网格计算工业应用”,《网格计算,13卷,不。2、293 - 304年,2015页。视图:出版商的网站|谷歌学术搜索
149. a·n·约翰逊和w·Hasselbring”的有效性和效率的领域特定语言:高性能海洋生态系统模拟控制实验中,“经验软件工程,22卷,不。4、2206 - 2236年,2017页。视图:出版商的网站|谷歌学术搜索
150. a·阿奎莱拉r . Grunzke d Habich et al .,“推进风力涡轮机的门户基础设施数据分析,“《网格计算,14卷,不。4、499 - 514年,2016页。视图:出版商的网站|谷歌学术搜索
151. l .林茨l . Mhamdi, t·舒马赫”应用程序的矩张量反演地震断裂程度监控开发的代码的土木工程材料,”应用地球物理学杂志卷,112年,第267 - 256页,2015年。视图:出版商的网站|谷歌学术搜索
152. 李朱,r·高和z”立体匹配算法与引导过滤和修改动态规划,“多媒体工具和应用程序,卷76,不。1,第216 - 199页,2017。视图:出版商的网站|谷歌学术搜索
153. t·穆罕默德,z .哈利姆和m·a·汗“可视化跟踪动态字节码插装Java集合api的,”杂志的视觉语言和计算,43卷,14-29,2017页。视图:出版商的网站|谷歌学术搜索
154. a . Kern c Schelthoff, m·马蒂厄”air-terminations雷击的概率结构使用electro-geometrical模型理论和雷电流参数的统计,“大气研究卷,117页2 - 11,2012。视图:出版商的网站|谷歌学术搜索
155. h . Hakula和t . Tuominen Mathematica实施,自旋波高阶有限元法应用于征值问题”计算,卷95,不。S1, 277 - 301年,2013页。视图:出版商的网站|谷歌学术搜索
156. r·汉·l·k·约翰,和j·詹,“标杆管理大数据系统:复习一下,”IEEE服务计算,11卷,不。3、580 - 597年,2018页。视图:出版商的网站|谷歌学术搜索
157. t·伊万诺夫“大数据基准纲要”绩效评估和基准测试:传统物联网大数据可汗,页135 - 155年,瑞士,2016年。视图:谷歌学术搜索
158. c . [m . Bhandarkar r . Nambiar m . Poess和t . Rabl”设置为大数据方向基准标准,”选定的主题在绩效评估和基准,页197 - 208年,柏林,海德堡,2013年。视图:谷歌学术搜索
159. l . Wang“BigDataBench:大数据从互联网服务基准套件,”学报2014年IEEE 20国际研讨会上高性能计算机体系结构HPCA,页488 - 499年,2014年美国佛罗里达州奥兰多市。视图:谷歌学术搜索
160. m . Kunjir p Kalmegh, s先生,“透特:对多系统集群管理”,美国养老,7卷,不。13日,1689 - 1692年,2014页。视图:出版商的网站|谷歌学术搜索
161. c .罗j .詹z贾et al .,“Cloudrank-D:云计算基准和排名系统对于数据处理的应用程序,“计算机科学的前沿》第六卷,没有。4、347 - 362年,2012页。视图:谷歌学术搜索
162. A . Pavlo e·保尔森A .葡萄干et al .,“大规模数据分析方法的比较,”学报2009年ACM SIGMOD国际会议管理的数据,第178 - 165页,2009年。视图:谷歌学术搜索
163. l .曹“数据科学:自然和陷阱,”IEEE智能系统没有,卷。31日。5,66 - 75年,2016页。视图:出版商的网站|谷歌学术搜索
164. l .曹“数据科学:挑战和方向,”ACM的通信,60卷,不。8日,59 - 68年,2017页。视图:出版商的网站|谷歌学术搜索
165. j . m . Alvarez-Rodriguez j . Llorens m . Alejandres和j·m·富恩特斯”OSLC-KM: OSLC-based资源,知识管理规范”INCOSE国际研讨会,25卷,不。1,16-34,2015页。视图:出版商的网站|谷歌学术搜索
166. n . Attoh-Okine“在铁路工程中,大数据挑战”学报IEEE国际会议上大数据7号到9号,2014,pp。视图:谷歌学术搜索
167. a . m . Chandramohan d . Mylaraswamy b . Xu和p·迪特里希,“大航空数据分析、数据基础设施”学报IEEE国际会议上云计算在新兴市场,2014年,页1 - 6。视图:谷歌学术搜索
168. o . Kapliński: Košeleva, g . Ropaitė”在土木工程大数据:最新的一项调查,“工程结构和技术,8卷,不。4、165 - 175年,2016页。视图:出版商的网站|谷歌学术搜索
169. 徐l ., a的歌,和w·张,“multiple-relaxation-time晶格玻尔兹曼方法的可扩展并行算法与大涡模拟multi-GPUs,”科学的规划卷,2018年,页1 - 12,2018。视图:出版商的网站|谷歌学术搜索
170. s . Ullah m . d . Awan和m .兹亚哈亚特Khiyal是“大数据在云计算资源管理的角度来看,“科学的规划卷。2018年,1卷,2018页。视图:出版商的网站|谷歌学术搜索
171. 即Kholod、i Petukhov和a . Shorov“云为分布式数据分析基于角色模型,”科学的规划卷,2016年,页1 - 11,2016。视图:出版商的网站|谷歌学术搜索
172. b . r . Chang Y.-D。李,林志信。廖”,多个大型数据分析平台的发展与快速反应,”科学的规划卷。2017年,1-13,2017页。视图:出版商的网站|谷歌学术搜索
173. w·赵、l·高和a .刘“科学大数据分析,编程基础科学的规划卷,2018年,页1 - 2日,2018。视图:出版商的网站|谷歌学术搜索
174. l . Zhang和j·高,“增量图模式匹配算法对大图像数据,”科学的规划卷,2018年,页1 - 8,2018。视图:出版商的网站|谷歌学术搜索
175. 夏x、z陈和w·魏”研究煤矿事故的监测和预警系统基于大数据,”科学的规划卷,2018年,页1 - 10,2018。视图:出版商的网站|谷歌学术搜索
176. y z . Liu贾,朱x”部署策略的汽车共享仓库集群城市交通大数据基于亲和传播,”科学的规划卷,2018 - 2018页。视图:出版商的网站|谷歌学术搜索
177. h·钟和j·肖”,加强健康风险预测与深度学习在大数据和修改融合节点的范例,”科学的规划卷,2017队,2017页。视图:谷歌学术搜索
178. w·Aziguli y, y谢et al .,”一个强大的文本分类器基于去噪深层神经网络大数据的分析,“科学的规划卷,2017年,页1 - 10,2017。视图:出版商的网站|谷歌学术搜索
179. 答:AlShawi”,将数据挖掘技术应用于提高信息安全在云:单个缓存系统的方法,”科学的规划卷,2016年,页1 - 5,2016。视图:出版商的网站|谷歌学术搜索

版权

版权©2018何塞玛丽亚Alvarez-Rodriguez等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。