معماری SDN (مقاله رایگان pdf)

چکیده

          بنا به حجم ترافیک خدمات متنوع و کمبود طیف، مفهوم ابر شبکه و رادیو شناختی می‌تواند ویژگی‌های جدیدی در نسل بعدی تلفن‌های همراه و شبکه‌های دسترسی بی‌سیم ایجاد کند. به‌عنوان‌مثال، برای استقرار femtocells LTE و شبکه‌های Wi-Fi در فضاهای سفید تلویزیون راه‌های جدیدی برای تخلیه‌ی ترافیک فراهم می‌کند که قادر به اشتراک‌گذاری طیف به‌عنوان یک شبکه‌ی رادیویی شناختی است. در این مقاله، ما یک نمونه‌ی اولیه از شبکه با تعریف معماری نرم‌افزار و پروتکل OpenFlow برای به‌اشتراک‌گذاری ناهمگن طیف شبکه در فضای سفید تلویزیون ارائه می‌کنیم. سپس، معماری کنترلر برای رادیو شناختی و زیرساخت‌ معماری OpenFlow را مورد تجزیه‌وتحلیل قرار می‌دهیم. ما یک نمونه‌ی اولیه از نرم‌افزار با تعریف شبکه‌های رادیو شناختی با کنترلر SDN و شبیه‌ساز شبکه LTE / Wi-Fi پیاده‌سازی می‌کنیم. برخی از توابع کنترل ضروری از رادیو شناختی اجرا می‌شوند و حالات بالقوه جدید بر اساس شبکه‌های رادیو شناختی داده می‌شود.

شبکه های توزیع ‌شده (مقاله رایگان pdf)

چکیده

            این مقاله روشی جدید را برای تسریع تلاش مجدد برای تطبیق حد به منظور کنترل تأخیر/اعوجاج در شبکه‌های توزیع‌شده IEEE 802.11 e ارائه می‌دهد. این روش هر منبعی را در مخابره مرتبط باهر ویدئو سازگار کرده و تأخیر موجود در این زمینه را بدون در نظر گرفتن اطلاعات تأخیر/اعوجاج به حداقل می‌رساند. چارچوب پیشنهادی ساده است، اما ارزیابی دقیقی در اطلاعات آماری شبکه و اعوجاج به وجود آمده در اثر گم شده بسته‌ها دارد. علاوه بر این، با توجه به اغلب راه‌حل‌های موجود، استراتژی پیشنهادی در برابر سایر راه‌کارها، در بهبود قابلیت اطمینان سازگاری سریع محدودیت رتبه‌ی بالاتری در مقایسه با رقیبان دارد. راه‌کار ارائه‌شده توسط یک پلتفرم شبیه‌سازی شامل زنجیره ارتباطات فیزیکی و لایه کنترل دسترسی متوسط 802.11e ارزیابی شده است و کارایی آن با سایر راه‌کارهای موجود و نظریه‌های مطلوب بهینه مقایسه شده است.

تشخیص نقص (مقاله رایگان pdf)

چکیده

             برخی از معیارهای پوشش تست منطق نرم‌افزار نیازمند ورودی‌هایی  هستند که تضمین‌کننده تشخیص مجموعه‌ بزرگی از انواع نقص‌ها دارند. یکی از معیارهای قدرتمند در این زمینه، MUMCUT است که از سه معیار تشکیل شده است که در آن هر مولفه تشخیص نوع خاصی از نقایص را تضمین می‌کند. در عمل، معیارها ممکن است با توجه به نوع نقصی که تشخیص داده شده است با یکدیگر همپوشانی داشته باشند در نتیجه این موضوع منجر به آزمون‌های زائد متعددی خواهد شد، اما به دلیل این حقیقت ناخوشایند که نیازمندی‌های آزمون‌ غیرعملی در آزمون‌ها مشخص نمی‌شود، تمامی معیارهای سازنده مورد نیاز است. بینش کلیدی این مقاله در تجزیه و تحلیل امکان‌سنجی معیار تشکیل‌دهنده‌ای است که می‌تواند برای کاهش اندازه مجموعه آزمون بدون فداکردن تشخیص نقص مورد استفاده قرار بگیرد. به عبارت دیگر، معیارهای گران را می‌توان برای مواقعی رزرو کرد که استفاده از آن‌ها واقعا ضرروری باشد. در این مقاله یک معیار منطقی جدیدی با نام، کمینه  MUMCUT، بر اساس بینش مقاله معرفی شده است. با توجه به گزاره داده شده در کمینه DNF، تعیین می‌کند که کدام یک از معیارهای سازنده در سطح اصطلاحات و لیترال‌ها  منحصر‌به‌فرد امکان‌پذیر است. این موضوع به نوبه خود تعیین می‌کند که کدام معیارها مجددا در سطح اصطلاحات و لیترال‌ها منحصر‌به‌فرد ضروری هستند. در این مقاله یک مطالعه تجربی با استفاده از گزار‌ه‌ها در نرم‌افزار اویونیک ارائه شده است. این مطالعه نشان می‌دهد که کمینه MUMCUT سبب کاهش اندازه مجموعه آزمون تا حدی می‌شود که تنها چند درصد از انداره مجموعه آزمون در صورتی که امکان‌پذیری در نظر گرفته نشده باشد، مورد نیاز است و تشخیص نقص را نیز فدای این موضوع نمی‌کند.

تشخیص گفتار (مقاله رایگان pdf)

خلاصه

           تشخیص "گفتار" به عنوان خط اتصال کاربر در برنامه های جدید به طور پیوسته دیده می شود. با پیشرفت این تکنولوژی، روشهای جدیدی برای انسان فراهم می شود تا با ماشین ها و اطلاعات حاصل از آنها، ارتباط برقرار کنند. انجام این کار در بسیاری از حوزه ها، کاربران را به انتظارات خود نزدیکتر کرده است. اگر چه هنوز چالش های زیادی در مورد فناوری وجود دارد، ولی تشخیص گفتار به یک سطح تکامل یافته نیاز به در نظر گرفتن استقرار آن در سیستم ها و محیط های پیچیده دارد. به این ترتیب ما درباره سیستمهایی بحث می کنیم که ما را به اجرای موفقیت آمیز تشخیص گفتار برنامه نیروی XXI زمین جنگجو نزدیک می کند.

راهبردهای پیشرفته (مقاله رایگان pdf)

10.1: ذخیره سازی الگوهای همبسته

        همان طور که در بخش 3.1 و 4.3 بحث کردیم توانایی بیادآوری صحیح خاطره ها اگر عددp از الگوهای ذخیره شده از یک حد معین بیشتر شود تجزیه می شود(از بین می رود.).هنگامی که پیوندهای سیناپسی بر طبق قانون Hebb تعیین شده هستند،این کار در تراکم (چگالی)ذخیره سازی اتفاق می افتدα=p/N=0.138  .دلیل این رفتار،تاثیردیگر الگوهای ذخیره شده که با ضابطه اختلال نوسان در(3.13)بیان می شود،می باشد.همان طور که در انتهای بخش 3.1 اشاره کردیم،اگر الگوها بر یکدیگر متعامد باشند همانند انچه که در بخش (3.16) بیان شد،این اثر دقیقا ناپدید خواهد شد.به عبارت دیگر توان تجدیدخاطره روبه وخامت می رود حتی قبل از آنکه الگوهای ذخیره شده شدیدا با یکدیگر مرتبط شوند.درباره نمایش گرافیکی حروف رومی فکر کنید،جایی که E شباهت نزدیکی به F داردو C شبیه G است یا درباره لیست معمولی از اعداد کتابچه تلفن،که احتمالا بسیار به هم مرتبط هستند، فکرکنید.

پروتکل های لایه انتقال (مقاله رایگان pdf)

چکیده 

            در طول سال ها، اینترنت با تکنولوژی‌های ارتباطی در دسترس جدید، برای شبکه‌ها و دستگاه‌های ثابت و سیار، رشد چشمگیر از نظر عملکرد، افزایش پایدار نرخ داده‌های دسترس غنی شده است. جامعه پژوهش اینترنت هنوز هم برای تکامل پروتکل‌های لایه انتقال از نظر تطبیق با قابلیت‌های شبکه‌های مدرن، به منظور بهره برداری کامل از مزایای تکنولوژی‌های ارتباطی جدید تلاش می کند. این مقاله بر نوآوری‌های اصلی مربوط به پروتکل‌های انتقال که اخیرا مطرح شده اند تمرکز میکند، و سه روند پژوهشی اصلی را شناسایی می کند: (1) تکامل الگوریتم‌های کنترل ازدحام، برای هدف قراردادن عملکرد بهینه در سناریوهای چالش برانگیز، با استفاده از تکنیک‌های یادگیری ماشین؛ (2) پیشنهاد پروتکل‌های انتقال جدید برند، که جایگزینی برای پروتکل کنترل انتقال (TCP) است و در یک فضای کاربری اجرا می شود؛ و (3) مقدمه ای بر قابلیت‌های چند مسیری در لایه انتقال.

سیستم عامل تلفن همراه (مقاله رایگان pdf)

          جهان مسطح است، چرا که به‌طور فزاینده‌ای متحرک، سریع، متصل و امن است. مردم انتظار دارند به‌راحتی با دستگاه‌های تلفن‌همراه خود به اطراف حرکت کنند و در عین حال ارتباطات نزدیک خود با شرکا و خانواده‌شان را حفظ کنند و از همه‌ی مدل‌ها و محتویات بی‌نهایت آن بدون هیچ گونه نگرانی در مورد دستگاه و مدیریت داده‌ها بهره ببرند. تمام این نیازها بر روی دستگاه‌های تلفن‌همراه، که از سیستم‌عامل به‌عنوان روح تلفن‌همراه یاد می‌کنند، قرار داده شده است. براساس تجربه‌ی ما در طراحی سیستم‌عامل تلفن‌همراه و بررسی گسترده‌ی وضعیت صنعت حاضر، معتقدیم مشترکاتی در معماری آینده سیستم‌عامل تلفن‌همراه، مانند تجربه کاربران، مدیریت انرژی، طراحی امنیتی، پشتیبانی ابر و باز بودن طراحی وجود دارد. بنابراین یک مدل تجزیه و تحلیل برای هدایت تحقیقاتمان ارائه دادیم. در این مقاله، تحقیقات ما در روند معماری سیستم‌عامل تلفن‌همراه تا دهه‌ی آینده با تمرکز بر مشترکات عمده توصیف شده است. براساس یافته‌ها، ویژگی‌های سیستم‌عامل تلفن‌همراه از دیدگاه روند معماری امروز را نیز بررسی کرده‌ایم.

سیستم های توزیع شعاعی (مقاله رایگان pdf)

مقدمه

           هدف اصلی سیستم توزیع الکتریکی (EDS) فراهم کردن خدمات معتبر و مقرون به صرفه برای مصرف کنندگان با توجه به کیفیت قدرت در محدوده ی استاندارد می باشد. بنابراین، برنامه ریزی مناسب EDS و در نتیجه ارزیابی جنبه های مختلف مانند هزینه نصب تجهیزات جدید، میزان استفاده از تجهیزات و کیفیت خدمات، قابلیت اطمینان سیستم توزیع و کاهش تلفات با توجه به افزایش بارهای سیستم و بارهای تازه نصب شده برای افق های برنامه ریزی ضروری است (1). به حداقل رساندن تلفات در سیستم های توزیع، اخیرا اهمیت بیشتری جلب کرده است زیرا روند اتوماسیون توزیع نیازمند کارآمدترین سناریو عامل برای تغییرات کارایی اقتصادی خواهد بود. تلفات برق در سیستم های توزیع به حدود 78% از کل تلفات در سیستم های قدرت الکتریکی مربوط است (M. Mozaffari Legha, 2012).

روش های یادگیری عمیق (مقاله رایگان pdf)

چکیده

            قطعه بندی تومور مغزی یکی از کارهای مهم  در زمینه ی پردازش تصویر پزشکی است. تشخیص زودهنگام تومورهای مغزی دراحتمال بهبود با درمان و افزایش نرخ زنده ماندن بیماران نقش مهمی ایفا می کند. قطع بندی تومورهای مغزی برای تشخیص سرطان به صورت دستی (توسط انسان)، از میان تعداد زیادی از تصاویر MRI تولید شده در روتین های پزشکی کاری دشوار و وقتگیر است. یک نیاز اساسی برای قطعه بندی تصویر تومور مغزی به صورت خودکار وجود دارد. هدف از این مقاله، ارائه ی یک بررسی بر روی روش های قطعه بندی تصویر تومور مغزی مبتنی بر MRI است. به تازگی، استفاده از روشهای یادگیری عمیق برای قطعه بندی خودکار محبوبیت پیدا کرده اند، چرا که این روش ها به نتایج پیشرفته و جدیدی دست می یابند و می توانند بهتر از روش های دیگر به این مسئله رسیدگی کنند. روش های یادگیری عمیق همچنین می توانند پردازش کارآمد را فعال کنند و ارزیابی قابل مشاهده و هدفمندی از حجم عظیمی از داده های تصویری مبتنی بر MRI را ممکن سازند. تعدادی از مقالات بررسی (review) وجود دارند که بر روش های قدیمی(سنتی) برای قطعه بندی تصویر تومور مغزی مبتنی بر MRI تمرکز کرده اند. ولی برخلاف دیگران، ما در این مقاله بر روی  روند اخیر روش های یادگیری عمیق در این زمینه تمرکز می کنیم. ابتدا، معرفی تومورهای مغزی و روش هایی برای قطعه بندی تومور مغزی داده می شوند. سپس، الگوریتم های جدید با تمرکز بر روی روند اخیر روش های یادگیری عمیق مورد بررسی قرار می گیرند. در نهایت، یک ارزیابی از وضعیت فعلی ارائه شده و پیشرفت‌های آینده جهت استانداردسازی روش های قطعه بندی تومور مغزی مبتنی بر MRI در روتین های روزانه ی پزشکی در نظر گرفته شوند. 

نرم ‌افزارهای پیشرفته (مقاله رایگان pdf)

چکیده

       ما ابزارهای یادگیری ماشین مبتنی‌بر ابر را برای افزایش برنامه‌های کاربردی داده‌های بزرگ پیشنهاد می‌کنیم، که در آن ایده‌ی اصلی پیش‌بینی حجم کار "بعدی" در برابر هدف زیرساخت ابر از طریق یک رویکرد مبتنی بر گروه‌های نوآورانه است که اثر بخشی طبقه‌بندی‌های مختلف شناخته شده به ‌منظور افزایش طیف دقت طبقه ‌بندی نهایی ترکیب می‌کند، که درحال‌ حاضر بسیار به زمینه‌ای خاص از داده‌های بزرگ مربوط است. به ‌اصطلاح مشکل طبقه‌ بندی حجم کار در جهت بهبود بهره‌ وری و قابلیت اطمینان برنامه‌های کاربردی داده‌ی بزرگ مبتنی بر ابر نقش حیاتی ایفا می‌کند. اجرای عاقلانه‌ی روش ما نهادهای ابر را مستقر می‌کند که روش طبقه‌بندی در بالای ماشین‌های مجازی، که یک نمایش مناسب برای داده‌های بزرگ مبتنی بر ابراست. ارزیابی مقدماتی و تجزیه و تحلیل، به‌ وضوح منافع حاصل از طبقه ‌بندی چارچوب را تایید می‌کند.