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.
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.
چکیده
VANet یک فناوری نوظهور با آینده‌ای امیدوار است که با چالش‌های بزرگی به‌خصوص در حوزه‌ی امنیت روبه‌رو است. در این مقاله، به چارچوب امنیتی VANet در سه قسمت متمرکز می‌شویم. ابتدا یک نمای گسترده از ویژگی‌های امنیتی VANet و چالش‌ها و همچنین نیازمندی‌ها ارائه می‌کنیم. این الزامات باید برای پیاده‌سازی زیرساخت امن VANet با ارتباطات موثر بین بخش‌ها در نظر گرفته شود. جزئیات معماری امنیتی بیان شده و پروتکل شناخته شده استانداردهای امنیتی بیان شده است. در مرحله دوم، طبقه‌بندی جدیدی از حملات مختلف شناخته شده در کارهای گذشته مربوط به VANet و راه‌حل‌های مربوط به آنها، ارائه می‌شود. در مرحله سوم، یک مقایسه بین برخی از این معیارهای امنیتی شناخته شده در VANet انجام می‌گیرد. سپس به مسائل مختلف باز و چالش‌های مرتبط با امنیت VANet می‌پردازیم، که می‌تواند برای استفاده محققان در کارهای آتی کمک‌کننده باشد.
1. معرفی
هدف VANet، اطمینان از رانندگی امن با بهبود جریان ترافیک و در نتیجه کاهش قابل توجه حوادث رانندگی است. که اخیرا با ارائه اطلاعات مناسب به راننده و یا به وسیله نقلیه حل شده است. بااین حال، هر گونه تغییر این اطلاعات در زمان واقعی ممکن است به شکست سیستم تأثیر بگذارد و امنیت مردم در جاده‌ها را به خطر بیاندازد. برای اطمینان از عملکرد بدون اشکال آن، تامین امنیت این اطلاعات باید جزء اهداف مهم محققان امنیتی قرار گیرد.
VANET یک کلاس خاص از شبکه تلفن‌همراه Ad-hoc با مسیرهای از پیش تعریف شده (جاده) است. که به روش‌های خاص مدیریتی، واحدهای کنار جاده‌ای (RSUs) متکی است. RSU ها بر کناره‌های جاده برای انجام خدمات خاص قرار گرفته‌اند و OBU ها در وسایل نقلیه موجود در VANET نصب شده‌اند. تمام وسایل نقلیه در حال حرکت آزادانه در شبکه جاده‌ای و ارتباط با یکدیگر و یا با RSUs و وسایل خاص هستند.
این مقاله در نشریه الزویر منتشر شده و ترجمه آن با عنوان چالش های امنیتی در سایت ای ترجمه به صورت رایگان قابل دانلود می باشد. جهت دانلود رایگان مقاله فارسی و انگلیسی روی عنوان فارسی (آبی رنگ) کلیک نمایید.
منبع:
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.
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.
چکیده
در سال‌های اخیر، رشد علاقه به شبکه حسگر بی‌سیم (WSN) در هزاران برنامه کاربردی تخصصی نتیجه شده است. بیشتر این پژوهش‌ها به شبکه‌های حسگر اسکالر مربوط هستند که پدیده فیزیکی، مانند دما، فشار، رطوبت، موقعیت اشیا که می‌تواند از طریق پهنای باند کم و جریان داده مقاوم نسبت به خطا انتقال داده شود، را می‌سنجند. اخیرآ، تمرکز به سمت بازبینی پارادایم شبکه‌های حسگر به منظور توانمندسازی ارائه محتوای چند رسانه‌ای در آنها؛ مانند جریان صدا و تصویر و تصاویر ساکن، و به همین ترتیب داده اسکالر سوق داده شده است. این تلاش در سیستم‌های توزیع شده، شبکه شده نتیجه می‌دهد، که در این مقاله تحت عنوان شبکه‌های حسگر بی‌سیم چندرسانه‌ای (WMSN) اشاره شده‌اند. این مقاله برروی چالش‌های پژوهشی و به روز ترین معماری، الگوریتم، و پروتکل‌ها برای شبکه‌های حسگر بی‌سیم چندرسانه‌ای بحث می‌کند. راه حل‌های موجود در لایه‌های فیزیکی، پیوند، شبکه، انتقال و کاربردی پشته پروتکل ارتباطی بررسی شده است. سرانجام، مسائل پژوهشی بینیادین باز بحث شده‌اند، پژوهش‌های بیشتر در این زمینه مطرح شده‌اند.
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.
چکیده
این مقاله استفاده از وسایل موبایل لمسی برای ارزیابی دانش‌آموزان فاقد بینایی برای کار با داده‌ها را پیشنهادمی‌کند. این مقاله یک رویکرد یکپارچه است که روش‌های صوتی‌سازی کنونی را با اکتشافات مبتنی‌بر حرکت چندلمسی تعاملی داده ترکیب‌می‌کند، و برای کمک به دانش‌آموزان در بصری‌سازی ذهنی و درک‌داده‌ها و تصویرسازی طرح‌ها طراحی‌شده‌است. این رویکرد به‌منظور کمک به مطالعه دانش‌آموزان کم‌بینا یا نابینا مستقل از مراکز پشتیبانی، همکاری با همسالان خود، و تمرین در مطالعات گروهی است. کاربران مطالعه اولیه این رویکرد را ارزیابی‌کردند و نشان‌دادند که امکان‌سنجی آن ارائه‌شده‌است، پژوهش‌های بیشتر نیز بررسی‌شده‌اند.
چکیده
کلان داده به داده‌هایی با حجم زیاد، از اگزابایت (1018) و بیشتر از آن، گویند. این حجم از داده، از ظرفیت سیستم‌های پردازشی و سیستم‌های ذخیره آنلاین فعلی بیشتر است. داده ، اطلاعات و دانش در نرخی تولید و جمع آوری می‌شوند که خیلی سریع به حجم اگزابایت /سال می‌رسند. ایجاد و جمع آوری روز به روز سریعتر می‌شود و در طی چند سال به دامنه زتابایت /سال می‌رسند. حجم ، تنها یک جنبه کلان داده است، صفات دیگر، تنوع ، سرعت ، ارزش و پیچیدگی هستند. ذخیره و انتقال داده مسائل مربوط به تکنولوژی هستند، که به نظر می‌رسد که در آینده نزدیک به مشکلات آنها رسیدگی می‌شود، اما چالش‌های بلند مدتی را نشان می‌دهند که نیازمند پارادایم‌های جدید و پژوهش است. ما مسائل و چالش‌ها را با شروع یک برنامه پژوهشی همکارانه بر متدلوژی‌هایی برای طراحی و تحلیل کلان داده آغاز کردیم.
چکیده
در طی ده سال گذشته، فناوری دستگاه‌های موبایل به صورت قابل توجهی تغییر کرده است، و این دستگاه‌ها و سیستم عامل‌های آنها پیچیده تر شدند. این توسعه‌ها به تغییرات بزرگی در اپلیکیشن‌های موبایلی طراحی شده متناسب با سیستم عامل‌های موبایل منجر شدند. طراحی اپلیکیشن‌های موبایل به چند دلیل مانند اندازه صفحه نمایش و قدرت پردازش محدود و سایر موارد، سخت تر شده است. بنابراین، مهم است که به وضوح مشخصه‌های توسعه اپلیکیشن موبایل و مسائل و چالش‌های مربوط به آن، و همچنین، ویژگی‌های کلیدی که یک اپلیکیشن موبایل را سودمند و ارزشمند می‌سازد را به وضوح شناسایی کنیم. این مقاله ادبیات موضوعی موجود در مورد چالش‌ها و بهترین شیوه‌های توسعه اپلیکیشن موبایل را بررسی کرده است. این مطالعه در درک مشخصه‌های فرایند توسعه اپلیکیشن موبایل، بررسی چالش‌های واقعی که در طی این فرآیند دیده می‌شود و اکتشاف بهترین شیوه‌هایی که می‌توانند به صورت فعالی برای بهبود توسعه اپلیکیشن‌های موبایل استفاده شوند، کمک می‌کند.
