بهداشت و درمان هوشمند (مقاله رایگان pdf)

چکیده

         رشد تعداد و ظرفیت دستگاه‌های تلفن‌همراه مانند تلفن‌های‌همراهی که همراه با دسترسی گسترده‌ به حسگر‌های زیستی ارزان قیمت هستند سبب فراهم‌سازی فرصتی بی سابقه برای برنامه‌های کاربردی در زمینه بهداشت و درمان شده است. در این مقاله ما یک رویکرد جدید برای پردازش تطبیقی آگاه از وضعیت (SAAP) جریان داده‌ها برای تجزیه و تحلیل هوشمند داده‌ها به شکل بی‌درنگ ارئه داده‌ایم. پیاده‌سازی و ارزیابی از فریمورک برای یک برنامه‌ نظارت بر سلامتی توصیف شده است.

مکان یابی خازن (مقاله رایگان pdf)

چکیده 

          کاهش تلفات قدرت در سیستم توزیعی برای بهبود بهره وری کلی سیستم های توزیع انرژی الکتریکی بسیار مهم است. تلفات قدرت فعال بر اساس مؤلفه‌های فعال جریان را می‌توان به صورت محلی با کاهش مطالبات توان راکتیو کاهش داد. این مقاله یک روش ساده برای مکان‌یابی بهینه و اندازه خازن برای کاهش تلفات و بهبود ولتاژ نامتعادل در سیستم های توزیع شعاعی (URDS) پیشنهاد کرده است. عملکرد روش ارائه‌شده در دو مورد تحت آزمایش قرار گرفته است. بنابراین مشخص گردید که می‌توان با مکان‌یابی خازن در سیستم توزیعی صرفه‌جویی کرد.

بهینه سازی ازدحام ذرات (مقاله رایگان pdf)

چکیده

        بسیاری از تکنیک های مسیریابی مبتنی بر کلاستربندی برای شبکه‌های حسگر بی‌سیم (WSN ها) در راه‌کارهای پیشین مطرح شده است. با این حال، بسیاری از پروتکل‌های پیشنهادی بر انتخاب سرخوشه (CH) تاکید کرده و چگونگی ارسال مجدد داده‌های جمع‌آوری شده توسط سرخوشه به ایستگاه پایه (BS) را نادیده می‌گیرند. علاوه بر این، آن‌ها تمایل به استفاده از اطلاعات غیر واقع‌بینانه و پارامترهای فرضی دارند. این نمونه‎ها شامل استفاده از محدوده انتقال متناهی و آگاه از مکان است. آن‌ها همچنین از یک مدل انرژی که اساساً برای مدل‌سازی قدرت رادیویی مصرفی در شبکه‌های بی‌سیم است استفاده می‌کنند. در این مقاله، دو فرموله بندی برنامه‌ریزی خطی (LP) برای مشکل کلاستربندی و مسیریابی ارائه‌شده است که شامل دو الگوریتم براساس الگوریتم ازدحام ذرات هستند (PSO). الگوریتم کلاستربندی، بهینه‌ترین مجموعه سرخوشه را می‌یابد به گونه‌ای که انرژی مصرفی، کیفیت خوشه‌بندی و پوشش شبکه بیشینه شود. الگوریتم مسیریابی با یک روش کدگذاری و تابع عملکرد توسعه‌یافته و بهینه‌ترین درخت مسیریابی را که این سر خوشه‌ها را به ایستگاه پایه (BS) متصل می‌کند را می‌یابد. این دو الگوریتم سپس با یک پروتکل دو لایه‎ برای ارائه کامل و عملی مدل خوشه‌بندی ترکیب می‌شوند. تأثیر استفاده از یک شبکه واقعی و الگوی واقعی انرژی مصرفی در ارتباطات مبتنی بر خوشه‌بندی برای WSN مورد بررسی قرار خواهد گرفت. شبیه‌سازی‌های گسترده‌ای در 50 مدل WSN همگن و ناهمگن ارزیابی و با پروتکل‌های مبتنی بر خوشه‌بندی مقایسه شده است. نتایج نشان می‌دهد که پروتکل پیشنهادی در شرایط مختلف معیارهای عملکرد مانند مقیاس‌پذیری، نرخ تحویل بسته (PDR) در سرخوشه و تحویل بسته داده‌ها به BS بهتر از سایر پروتکل‌ها عمل می‌کند.

سیستم های توصیه گر (مقاله رایگان pdf)

چکیده

       در سیستم های توصیه گر مشارکت محور، محصولات به عنوان ویژگی شناخته می‎شوند و از کاربران درخواست می‌گردد تا به محصولات خریداری شده، رأی دهند. با آموختن رتبه‌بندی ارائه شده توسط کاربران، سیستم توصیه گر می‌تواند محصولات جالبی را به کاربران توصیه نماید. با این حال، معمولاً محصولات بسیار زیادی در تجارت الکترونیک وجود دارد و ممکن است این راه‌کار چندان کارآمد نباشد، به خصوص در زمان‌هایی که لازم است هر محصول قبل از ساخت در سیستم توصیه گر قرار گیرد. ما یک روش جدید را پیشنهاد می‌کنیم که یک الگوریتم خوشه‌بندی خودکار را برای کاهش ابعاد مرتبط با تعداد محصولات در بردارد. محصولات مشابه در خوشه‌ای یکسان قرار می‌گیرند و محصولات نامشابه، در خوشه‌های متفاوتی قرار می‌گیرند. کارهای پیشنهادی سپس با نتیجه خوشه‌بندی انجام می‌گیرد. در نهایت، انتقال مجدد انجام‌شده و لیست مرتب شده از محصولات پیشنهادی به هر کاربر پیشنهاد می‌گردد. با روش پیشنهادی، زمان پردازش برای تهیه پیشنهاد کاهش می‌یابد. نتایج آزمایش‌ها، نشان می‌دهد که کارایی سیستم های پیشنهادی می‌تواند، بدون به خطر انداختن کیفیت توصیه‌ها بهبود یابد. 

داده‌ های بزرگ (مقاله رایگان pdf)

چکیده

        یادگیری ماشین (ML) به‌طور مداوم قدرت خود را در طیف گسترده‌ای از برنامه‌های کاربردی نشان می‌دهد. این مسئله در سال های اخیر تا حدودی با توجه به ظهور داده‌های بزرگ بیشتر مورد توجه قرار گرفته است. الگوریتم ML هرگز بهترین عملکرد خود را نداشت تا اینکه توسط داده‌های بزرگ به چالش کشیده شد. داده‌های بزرگ، الگوریتم ML را قادر به کشف الگوهای دقیقتر و پیش‌بینی به موقع تر و دقیق تر از قبل کردند. از سوی دیگر، چالش‌های بزرگی در ML مانند مقیاس‌پذیری مدل و محاسبات توزیع شده مطرح کرد. در این مقاله، یک چارچوب از ML در داده‌های بزرگ (MLBiD) برای هدایت بحث به فرصت‌ها و چالش‌های آن معرفی خواهد شد. چارچوب ML محور، شامل مراحل پیش پردازش، یادگیری و ارزشیابی است. علاوه براین، چارچوب شامل چهار جزء دیگر، مانند داده‌های بزرگ، کاربران، دامنه و سیستم است. مراحل ML و اجزای MLBiD برای شناسایی فرصت‌های مرتبط و چالش‌ها و روشن کردن مسیر کاری آینده در بسیاری از موارد ناشناخته و یا در پژوهش حاضر ارائه شده است. 

خوشه بندی XML (مقاله رایگان pdf)

چکیده 

        افزایش دسترس پذیری منابع اطلاعاتی XML ناهمگون تعداد مسائل مرتبط با اینکه چگونه داده‌های نیمه ساختار یافته نشان داده شوند و مدیریت شوند را افزایش داد. اگر چه منابع XML می‌توانند محتوا و ساختار مناسبی را نشان دهند، اسناد XML متفاوت ممکن است در اصل معنا شناسی مربوطه را با تعریف ذهنی از تگ‌های نشانه گذاری رمزگذاری کند. کشف دانش برای استنتاج سازمان معنایی اسناد XML به چالش اصلی در مدیریت داده XML تبدیل شد. در این زمینه، مسئله خوشه بندی داده XML را بر طبق ساختار و به همین ترتیب ویژگی‌های محتوای غنی با دانش هستی شناسی واژگان بررسی می‌کنیم. فریم ورکی را برای خوشه بندی ساختارهای XML منسجم به صورت معنایی بر اساس مدل نمایش تراکنشی پیشنهاد می‌کنیم. ‌آزمایش‌ها بر مجموعه داده واقعی بزرگ شواهدی را ارائه می‌دهند، مبنی بر اینکه رویکرد پیشنهادی در تشخیص گروه داده XML به شدت موثر است و ساختار و یا پیوندهای درونی محتوا را نشان می‌دهد. 

سرقت ادبی خارجی (مقاله رایگان pdf)

چکیده 

        گروه بندی اسناد متنی یکی از عرصه‌های پژوهشی در حال ظهور است، که در آن اسناد شناخته شده هستند، به صورت دستی یا لگاریتمی دسته بندی شده و یا متمایز شده اند. مقاله بر استفاده از گروه بندی خودکار اسناد متنی در دامنه تشخیص سرقت ادبی تمرکز می‌کند. در جهان امروزی سرقت ادبی، به خصوص در زمینه آموزشی و پژوهشی یک نگرانی اصلی است. هدف این مقاله مطالعه و مقایسه روش‌های متفاوت گروه بندی اسناد در تشخیص سرقت ادبی خارجی است. در اینجا کانون اولیه کشف گروه بندی اسناد نظارت نشده / روش‌های خوشه بندی با استفاده از تغییرات متفاوت الگوریتم K-میانگین و مقایسه آن با روش مبتنی بر N-gram عمومی و روش مبتنی بر مدل فضای بردار است. سرانجام تحلیل و ارزیابی با استفاده از مجموعه داده ای از PAN-2013 ارزیابی شده است و عملکرد بر اساس precision، recall و efficiency از نظر زمان اجرای الگوریتم مقایسه می‌شود.

طراحی گیمیفیکیشن (مقاله رایگان pdf)

چکیده 

        شخصی سازی یک روند رو به رشد در پژوهش بازی وار سازی  است، و چند تن از محققین پیشنهاد دادند که سیستم های بازی نمایی شده  باید مشخصه‌های شخصی را در نظر بگیرند. به هر حال، ایجاد طراحی‌های بازی انگاری شده  خوب یک تلاش فشرده است چرا که این موارد و سیستم‌های طراحی شده در تعامل با هر کاربر تنها به بار کاری اضافه می کنند. ما انتخاب محتوای شخصی سازی مبتنی بر الگوریتم یادگیری ماشین را برای بررسی بخشی از این مشکل پیشنهاد دادیم و یک فرآیند را برای ایجاد طراحی‌های شخصی ارائه دادیم که خودکار سازی بخشی از اجرا را اجازه می دهد. فرآیند بر اساس چارچوب Deterding’s 2015 برای طراحی‌های بازی نمایی شده، از دیدگاه اتمی مهارت‌های ذاتی، با مراحل اضافی برای انتخاب استراتژی شخصی سازی و ایجاد الگوریتم است. سپس فرآیند را با اجرای بازی نمایی شخصی شده برای یک محیط یادگیری همکاری پشتیبانی شده تشریح می شود، ما از نوع کاربر گیمیفیکیشن برای شخصی سازی و اکتشافاتی برای طراحی موثر گیمیفیکیشن برای طراحی کلی استفاده می کند. نتایج فرآیند طراحی استفاده شده یک مجموعه قواعد اگاه از زمینه، گیمیفیکیشن شخصی سازی شده برای محیط‌های همکاری است. در آخر، ما متدی را برای تفسیر مجموعه قواعد گیمیفیکیشن برای الگوریتم دسته بندی قابل خواندن توسط ماشین با استفاده از القاکننده قانون CN2 ارائه می دهیم. 

صنعت ترانسفورماتور (مقاله رایگان pdf)

خلاصه

         این مقاله به حل مساله زمان‌بندی کارگاهی در یک دنیای واقعی می پردازد و الگوریتم جدیدی را به عنوان راه حل ارائه می‌دهد. ابتدا مشخصات اختصاصی کار هم‌زمان و شبانه را در فرآیند تولید ترانسفورماتور، مورد بررسی قرار می‌دهیم. برای حل مساله در یک زمان منطقی و قابل قبول،الگوریتم ژنتیک را پیشنهاد می‌شود. این الگوریتم، با هدف به حداقل رساندن تاخیر کل، روش الگوریتم اکتشافی Nawaz-Enscore-Ham (NEH)، که یک الگوریتم جستجوی محلی (بهینه سازی) است را با قانون تخصیص دستگاه، تلفیق می‌کند. نتایج آزمایشگاهی نشان می‌دهد که، این الگوریتم پیشنهادی از الگوریتم NEH "که یک الگوریتم ژنتیک ساده است" و پنج قانون توزیع امکانات بر حسب عملکرد تاخیر کلی متوسط و شاخص انحراف نسبی، بهتر عمل می‌کند. الگوریتم پیشنهادی برحسب راندمان و توانایی که دارد رقابتی‌تر جلوه می‌کند.

روندکاری مقید (مقاله رایگان pdf)

چکیده

        برنامه ریزی کارآمد بخش مهمی‌از پردازش برنامه‌های علمی‌پیچیده در محیط‌های توزیع محاسباتی است. پیچیدگی محاسباتی هم از محیط ناهمگن و هم از ساختار برنامه می‌آید که معمولا به عنوان روند کاری که شامل وظایف مربوطه متفاوتی می‌شود، نشان داده می‌شود. تکنیک‌های شناخته شده‌ی بسیاری توسط گروه‌های علمی‌مختلف پیشنهاد شده است. محبوب‌ترین آنها در فن آوری هوشمند مبتی بر لیست حریص و یا الگوریتم‌های فرا ابتکاری است.در این مقاله قابلیت اجرای الگوریتم فرا ابتکاری از پیش توسعه یافته‌ی الگوریتم ژنتیک (GCA) برای سری‌های زمان بندی در روند کاری با محدودیت شدید زمانی را بررسی می‌کنیم.