الگوریتم های نظارت شده (مقاله رایگان pdf)

 چکیده

         ستون اصلی بازار رقابتی و آتی امروز قطعا تبدیل شدن به رایانش ابری است و بنابراین شرکت ها از قابلیت های خدمات رایانش ابری استفاده می کنند. برای بهبود ابتکارات امنیتی توسط رایانش ابری سرویس یا CRP، انواع جدید ابزارها و پروتکل ها همیشه مورد تقاضا هستند. به منظور ایجاد روش جامع ارزیابی ریسک، مرور ادبیات گسترده ای برای شناسایی عوامل خطر که ممکن است انجام شود بر پذیرش رایانش ابری تأثیر می گذارد. در این زمینه عوامل خطر مختلفی شناسایی شدند. پس از انتخاب ویژگی و شناسایی عوامل خطر، مورد استفاده برای انتخاب موثرترین ویژگی ها با استفاده از الگوریتم های رگرسیون خطی. سپس از تکنیک‌های AI-ML مانند درخت تصمیم (DTC)، طبقه‌بندی‌کننده فیلتر تصادفی، ستاره k با روش RMSE استفاده می‌شود. تجزیه و تحلیل تهدیدات در محیط CC نتایج تجربی تقسیم مجموعه داده را به (95٪ -5٪) نشان داد. بهترین نتیجه را از هر پارتیشن بندی باقی مانده ارائه می دهد و علاوه بر این الگوریتم DTC ارائه شده را ارائه می دهد بهترین نتایج از کل مجموعه داده های مورد استفاده در تنظیمات آزمایشی می باشد.

زمان بندی گره (مقاله رایگان pdf)

چکیده

         پیاده سازی شبکه ی سنسور بی سیم (WSN) رایج گره های بیشتری از تعداد گره های مورد نیاز برای حس کردن دقیق پدیده ی مطلوب استفاده می کند. این زیاده روی می تواند از طریق روشن کردن تنها زیر مجموعه ای از گره ها در هر لحظه (زمان بندی گره) و به خواباندن گره های باقی مانده، مورد استفاده قرار گیرد. این موضوع طول عمر شبکه را به طور کارآمد زیاد می کند. طرح های زمان بندی گره علاوه بر پوشش سنجش باید اطمینان حاصل کنند که i) شبکه متصل باقی می ماند و ii) زمان مورد نیاز برای بیداری کامل پشته ی پروتکل بعد از خوابیدن، حداقل می ماند. ما زیبای خفته را ارائه می کنیم، یک پروتکل جمع اوری داده با بازدهی بالا که به طرح های زمان بندی گره در هر دو جنبه کمک می کند.

حمل و نقل آبی (مقاله رایگان pdf)

چکیده

        یکی از مهم ترین موضوعات مرتبط با بندر، دسترسی به راه های آبی و مدیریت ترافیک شان است. این مورد، فشار زیادی به طور خاص بر ظرفیت محدود شدۀ راه های حمل و نقل آبی وارد می کند، که عدم استفادۀ کارآمد باعث زیان در رقابت و هم چنین افزایش حجم تولید گازهای گلخانه ای و در نتیجه آلودگی محیط زیست می شود. در این زمینه، مسألۀ برنامه ریزی حمل و نقل آبی، پیشنهاد می شود؛ که هدفش برنامه ریزی ورود و خروج کشتی ها از طریق آبراه های مختلف برای ورود یا ترک بندر به طوری که زمان انتظار حداقل شود، است. از سویی دیگر، این تابع هدف مانع ایجاد گلوگاه یا تراکم از طریق برنامه ریزی ترافیک آبراه می شود و از سوی دیگر، در حالی که کشتی ها در بندر برای ورود یا خروج منتظر هستند گازهای گلخانه ای ناشی از آن ها کاهش می یابد. مدلی ریاضی و ابتکاری پیشنهاد می شود. سناریوهای واقعی برمبنای دلتای یانگ تسه (شانگهای) برای ارزیابی عملکرد الگوریتم ابتکاری و بهبود عملیات در دنیای واقعی ارائه می شود. 

کدگذاری ویدئو (مقاله رایگان pdf)

چکیده

       در این مقاله، ما، استفاده از واحدهای پردازنده گرافیکی چند هسته ای (GPUs) برای کدگذاری و کدگشایی ویدئوها را بررسی می کنیم. پس از بررسی اجمالی کدگذاری های ویدئویی و GPUs، برخی از کارهای قبلی را در مورد ساختاردهی ماژول های کدگذاری ویدئو مرور می کنیم به طوری که قابلیت پردازش موازی گسترده GPUs را می توان مهار نمود. همچنین کارهای قبلی انجام شده در مورد پارتیشن بندی جریان کدگشایی ویدئو بین واحد مرکزی پردازش (CPU) و (GPU) را مرور می کنیم. سپس، به صورت مفصل، برآورد حرکت سریع مبتنی بر GPU را برای نشان دادن برخی از ملاحظات طراحی در استفاده از GPUها در کدگذاری ویدئو و تعادل بین عملکرد افزایش سرعت و انحراف نرخ مورد بحث قرار می دهیم. نتایج ما، اهمیت مواجهه موازی سازی داده های ممکن را در طراحی الگوریتم ها برای GPUs برجسته می کند. 

بردارهای پشتیبان (مقاله رایگان pdf)

چکیده

       در یک دسته بندی SVM (ماشین بردار پشتیبان) افزایشی، داده های با بردارهای غیر پشتیبان عنوان بندی می-شوند( لیبل گذاری) که توسط دسته قبلی به عنوان داده های تمرینی در دسته بعدی همراه با داده های تایید شده توسط شرط KarusheKuhneTucker (شرایط کان تاکر) مورد استفاده قرار گرفته می شوند. این مقاله استراتژی نیمه تقسیم بندی انتخاب و حفظ بردارهای غیرپشتیبان از افزایش فعلی دسته بندی- که به عنوان بردارهای پشتیبان مناسب نامگذاری شدند(CSV)- را پیشنهاد می دهد که به احتمال زیاد به بردارهای پشتیبان در توسعه دسته بعدی تبدیل می شوند. همچنین این کار تحقیقاتی الگوریتمی را طراحی می کند که به عنوان بردار پشتیبان مناسب نامگذاری می شود که براساس الگوریتم SVM (CSV-ISVM) افزایشی می باشد به طوریکه استراتژی پیشنهادی را پیاده سازی می کند و کل فرایند دسته بندی SVM افزایشی تحقق می بخشد. این کار نیز تغییراتی را برای روش حلقه متمرکز پیشنهاد شده قبلی و استراتژی دسته معکوس پیشنهاد می دهد. عملکرد روش پیشنهادی با آزمایشات و همچنین مقایسه آن با تکنیکهای SVM دیگر ارزیابی می شود. نتایج تجربی و تحلیل عملکرد نشان می دهند که برای کشف نفوذ شبکه در زمان واقعی الگوریتم پیشنهادی CSV-ISVM از دسته بندی-های کلی ISVM بهتر می باشد.

ردیابی EEG ثابت (مقاله رایگان pdf)

چکیده

      ردیابی EEG ثابت با مدل های ARMA متغیر با زمان بحث شده است. یک روش برای تشخیص دوک ها در EEG موش ارائه شده است. این روش بر اساس ردیابی یک قطب سیستم واحد مدل ARMA است. 

جمع کننده های تقریبی (مقاله رایگان pdf)

چکیده

        رایانش تقریبی با تخفیف الزام انجام محاسبات دقیق، عملکرد مدار دیجیتالی را بهبود می بخشد. ما در این مقاله به بررسی کاربرد جمع کننده های تقریبی در مرحلۀ نهایی انباشتگر مولتی پلایر(MAC) با قابلیت ذخیرۀ رقم نقلی که برای اپلیکیشن فیلترینگ عکس طراحی شده می پردازیم. ما یک جریان طراحی مبتنی بر ابزارهای سنتزی پیشنهاد می دهیم که از توصیف HDL آغاز می گردد.پس از اولین مرحله ای که در آن از جمع کنندۀ انتشار رقم نقلی استفاده می شود، نت لیست سنتزی جهت استخراج آمار و ارقام موارد جمع شده در جمع کنندۀ انتشار رقم نقلی شبیه سازی می گردد. سپس به طراحی جمع کنندۀ تقریبی جهت مواجه با مشخصه های خطایی مورد نیاز که در آمار و ارقام ورودی داده شده می پردازیم. این نت لیست در نهایت با جایگزینی جمع کنندۀ دقیق با جمع کنندۀ تقریبی اصلاح می گردد و سنتر و بهینه سازی نهایی انجام می گیرد. نمونۀ طرح ارائه شده در 28nm CMOS نشان می دهد که به بهرۀ توان 14درصدی با کاهش محدود کیفیت عکس می توان دست یافت. 

تکنیک بهینه سازی (مقاله رایگان pdf)

چکیده

       یک تکنیک هوشمند جدید ارائه شده است که آن الگوریتم سنجاقک نام دارد (DA). الگوریتم اصلی DA از رفتارهای ایستا و پویا متشکل از رفتار سنجاقک در طبیعت است. دو مرحله ضروری برای بهینه سازی، اکتشاف و بهره برداری، با تعامل اجتماعی سنجاقک ها که در جستجوی غذا و دوری از دشمنان در هنگام پیدایش هستند، طراحی شده  است. این مقاله نسخه های  چند هدفه و باینری را که به ترتیب نسخه چند هدفه DA (BDA) و چند هدفه DA (MODA) نامیده می شود را ارائه داده است. الگوریتم هایی که چندین توابع آزمون ریاضی و یک مطالعه موردی را که به صورت کیفی و کمی سنجیده می شوند را این مقاله ارائه کرده است. نتایج DA و BDA که باعث بهبود الگوریتم ها می شود و به صورت تصادفی مسائل را مقداردهی اولیه کرده است و به بهترین وجه بهینه سازی سراسری را انجام داده است، و نتایج بسیار دقیقی را از الگوریتم های دیگر در این ادبیات را ارائه کرده اند. نتایج MODA نشان می دهد که این الگوریتم بهترین راه حل پارتو را برای طیف گسترده ای از مسائل چند هدفه ارائه می دهد. مجموعه ای از طرح ها مسائل زیردریایی پروانه را برای نشان دادن محاسن MODA و برای حل مسائل واقعی که هنوز در اصل پارتو ناشناخته هستند را به کار می برند. توجه داشته باشید که الگوریتم های BDA، DA و MODA به صورت عمومی در سایت http://www.alimirjalili.com/DA.html. قابل دسترس است. 

بررسی هادوپ (مقاله رایگان pdf)

چکیده

      تجزیه و تحلیل کلان داده ها و مقدار زیادی از داده ها در سال های اخیر به یک بینش جدید تبدیل شده اند. روز به روز داده ها با سرعت چشمگیری در حال رشد هستند. یکی از تکنولوژی های کارآمد و موثر که با کلان داده-ها برخورد می کند هادوپ است و در این مقاله آنها را مورد بحث و بررسی قرار می دهیم. هادوپ، برای پردازش از کلان داده ها، که از مدل زمانبندی نگاشت کاهش است استفاده می کند. هادوپ از زمانبندی های مختلفی برای اجرای موازین شغلی استفاده می کند. زمانبندی به طور پیش فرض (First In First Out) زمانبندی FIFO است. زمانبندی با گزینه های مختلف پیشدستی و غیرپیشدستی توسعه پیدا می کند. نگاشت کاهش از محدودیت هایی که دست پیدا کرده است عبور می کند. بنابراین برای غلبه بر محدودیت های نگاشت کاهش، نسل بعدی نگاشت کاهش با عنوان YARN توسعه پیدا می کند (منابع انتقال دهنده دیگر). بنابراین، این مقاله یک بررسی از هادوپ، و استفاده از چند روش زمانبندی و به طور مختصر مقدمه ای بر YARN را ارائه می دهد. 

کلان داده ها (مقاله رایگان pdf)

چکیده

      استفاده روز افزون از سیستم های فعال شده اینترنت (IOT) منجر به مقادیر فراوانی از داده ها با ساختارهای مختلف شده است. اکثر راه حل های کلان داده ها در بالای سیستم اکو هادوپ یا از سیستم  فایل توزیع شده (HDFS) استفاده می شوند. با این حال، بررسی های ناکارآمدی در این سیستم در هنگام برخورد با داده ها نشان داده شده اند. برخی از تحقیقات این مسائل را برای نوع خاصی از داده های گراف برطرف می کنند، اما امروزه اطلاعات بیشتری از داده ها قابل دسترس هستند. چنین مسائلی مربوط به عملکردهایی می شوند که منجر به مسائل بزرگی از جمله فضای بزرگ تر مورد نیاز در مراکز داده، و از بین رفتن منابع (مانند مصرف انرژی)، و مشکلات زیست محیطی (مانند انتشار بیشتر کربن) نیز می شود. ما یک ماژول اطلاعاتی را برای سیستم اکو هادوپ ارائه می دهیم. ما همچنین یک روش رمزگذاری توزیع شده را برای الگوریتم های ژنتیک ارائه می دهیم. چارچوب ما این امکان را می دهد تا هادوپ بتواند توزیع داده ها و قرار دادن آنها براساس تجزیه و تحلیل داده های خوشه ای را مدیریت کند. ما قادر هستیم طیف گسترده ای از انواع داده ها را مدیریت کنیم و همچنین قادر هستیم زمان استفاده از منابع پرس وجو را بهینه کنیم. ما آزمایش هایی را که در مجموعه داده-های متعدد انجام شده اند را از طریق LUBM ایجاد می کنیم.