مقاله پیش رو یکی از مقالات مرتبط با رشته برق قدرت و الکترونیک و به خصوص دانشجویان الکترونیک صنعتی بوده و در مورد مبدل های dc به dc است و میتواند اطلاعات مناسبی در اختیار شما قرار دهد.
به علاوه ترجمه روان و کامل این مقاله نیز در فایل ضمیمه وجود دارد.
لازم به ذکر است این مقاله در سال 2013 نگاشته شده است.
همچنین این مقاله در 7 صفحه تنظیم شده و ترجمه آن به صورت دستنویس و اسکن شده و کاملا خوانا میباشد.
در این مطلب یک مقاله جدید و ISI در زمینه رایانش ابری موبایل برای شما آماده کرده ایم. ترجمه این مقاله به صورت کاملا تخصصی انجام شده و در قالب word آماده است. در این مقاله یک روش مبتنی بر پیش بینی (Prediction Based) پیشنهاد شده است که به کمک مهاجرت ماشین های مجازی (Virtual Machine Migration)، توازن بار (Load Balancing) را در رایانش ابری(Cloud Computing) انجام میدهد.
دانلود مقاله انگلیسی به صورت رایگان از آدرس زیر:
مقاله فارسی:
نوع مطلب: مقاله آی اس آی و اشپرینگر ترجمه شده با بهترین کیفیت و کاملا تخصصی
عنوان مقاله: رویکرد توازن بار مبتنی بر پیش بینی به صورت کنش گرایانه، از طریق مهاجرت ماشین های مجازی
سال انتشار: 2016
زبان مقاله: فارسی
قالب مقاله: ورد (Word)
تعداد صفحات: 27 صفحه (همراه با مراجع)
محل انتشار: ژورنال بسیار معتبر مهندسی با کامپیوترها (Engineering with Computers). این ژورنال متعلق به انتشارات Springer است و مقالات آن توسط موسسات علمی معروف مانند ISI، Scopus، ProQuest و ACM ایندکس میشود.
اطلاعات مقاله انگلیسی:
عنوان مقاله Prediction‑based proactive load balancing approach through VM migration
نوع مطلب: مقاله ژورنال ISI و Springer
سال انتشار: 2016
زبان مقاله: انگلیسی
قالب مقاله: پی دی اف (PDF)
تعداد صفحات: 12 صفحه دو ستونی
محل انتشار: ژورنال بسیار معتبر مهندسی با کامپیوترها (Engineering with Computers). این ژورنال متعلق به انتشارات Springer است و مقالات آن توسط موسسات علمی معروف مانند ISI، Scopus، ProQuest و ACM ایندکس میشود.
ضریب تاثیر (Impact Factor) این ژورنال: 1.460
چکیده فارسی:
رشد همه روزه حساسیت و پویایی رایانش ابری، نیاز به موازنه بار کنش گرایانه را به وجود آورده است. رویکرد موازنه بار کنش گرایانه تاثیر بسزایی در بهبود مقیاس پذیری سرویس های ابری امروزی دارد. به منظور مدیریت بار به طریق کنش گرایانه روی سیستم ابری در طول اجرای برنامه، بار باید با استفاده از رویکردهای یادگیری ماشین پیش بینی شود و با استفاده از رویکردهای مهاجرت ماشین مجازی مدیریت شود. بنابراین این مقاله یک تلاش را فرموله می کند. تمرکز این تلاش روی مساله تحقیقیِ طراحی یک رویکرد موازنه بار مبتنی بر پیش بینی برای تسهیل کردن موازنه بار کنش گرایانه به کمک پیش بینی چندین پارامتر بهره وری منابع در رایانش ابری، است. این مقاله شامل دو بخش است. نخست رویکردهای مختلف یادگیری ماشین تست شده و برای پیش بینی بهره وری زیاد و کم میزبان مقایسه شده اند. دوم ، مدل پیش بینی باری که بیشترین دقت را در بین مدل ها داشته ، برای پیاده سازی مهاجرت کنش گرایانه VM با استفاده از چندین پارامتر بهره وری منبع، به کار گرفته شده است. بعلاوه پارامترهای ارزیابی کارایی تکنیک پیشنهادی با استفاده از ابزارهای Weka و CloudSim ارزیابی شده است. نتایج شبیه سازی به روشنی نشان می دهد که رویکرد پیشنهادی برای مدیریت مهاجرت VM و کم کردن نقض SLA ، مهاجرت VM ، میانگین و انحراف معیار زمان اجرا موثر است.
کلمات کلیدی : رایانش ابری ، مهاجرت VM ، تحمل شکست ، یادگیری ماشین
چکیده انگلیسی:
Abstract
The ever-growing intricacy and dynamicity of Cloud Computing Systems has created a need for Proactive Load Balancing which is an effective approach to improve the scalability of today’s Cloud services. In order to manage the load proactively on the Cloud system during application execution, load should be predicted through machine learning approaches and handled through VM migration approaches. Thus, this paper formulates an effort to focus on the research problem of designing a prediction-based approach for facilitating proactive load balancing through the prediction of multiple resource utilization parameters in Cloud. The involvement of this paper is twofold. Firstly, various machine learning approaches have been tested and compared for predicting host overutilization as well as underutilization. Secondly, the load prediction model having maximum accuracy from the tested models has been utilized for implementing the proactive VM migration using multiple resource utilization parameters. Further, the proposed technique has been validated through performance evaluation parameters using CloudSim and Weka toolkits. The simulation results clearly demonstrate that the proposed approach is effective for handling VM migration, reducing SLA Violations, VM migrations, execution mean and standard deviation time.
کلمات کلیدی:
مقاله 2016 رایانش ابری با ترجمه، مقاله 2016 محاسبات ابری با ترجمه، مقاله 2017 با ترجمه، ترجمه تخصصی مقاله 2016، مقاله ISI محاسبات ابری با ترجمه، مقاله فارسی رایانش ابری، رایانش ابری موبایل، محاسبات ابری موبایل، توازن بار در محاسبات ابری، اشتراک بار ابری، مقاله در زمینه تخصیص منابع، مقاله درباره اختصاص منابع، مقاله فارسی زمانبندی محاسبات ابری، مقاله 2015 کامپیوتر، مقاله 2015 رشته کامپیوتر، مقاله انگلیسی 2015، مقاله آی اس آی، مقاله ای اس ای، مقاله آی اس آی 2015، مقاله isi 2015، مقاله رشته کامپیوتر، محاسبات ابری موبایل، رایانش ابری موبایل، مقاله رایانش ابری، مقاله محاسبات ابری، مقاله جدید کامپیوتر، زمانبندی رایانش ابری، کلود، زمانبندی برای کاهش مصرف انرژی، شبیه سازی رایانش ابری، مقاله 2015 ترجمه شده، مقاله انگلیسی ترجمه شده، مقاله کامپیوتر ترجمه شده، مقاله رایانش ابری ترجمه شده، مقاله ترجمه شده جدید رایانش ابری، مقاله ترجمه شده جدید محاسبات ابری، مقاله با ترجمه، مقاله ISI با ترجمه، اختصاص ماشین های مجازی، الگوریتم های زمانبندی ابری، زمانبندی vm، زمانبندی ماشین مجازی، شناسایی میزبان پربار ، شناسایی میزبان کم بار ، چالش های رایانش ابری، ارتباط رایانش ابری و داده های بزرگ، دانلود پایان نامه کامپیوتر، دانلود پایان نامه انگلیسی کامپیوتر، تز دکتری کامپیوتر، تز ارشد کامپیوتر، تز کارشناسی ارشد کامپیوتر، دانلود پایان نامه رشته کامپیوتر، دانلود پایان نامه کارشناسی ارشد کامپیوتر، دانلود پایان نامه دکتری کامپیوتر، دانلود پایان نامه دکترای کامپیوتر، مقاله آی اس آی، مقاله ای اس ای، مقاله آی اس آی 2015، مقاله isi 2015، مقاله رشته کامپیوتر،دانلود پایان نامه کامپیوتر، دانلود پایان نامه انگلیسی کامپیوتر، تز دکتری کامپیوتر، تز ارشد کامپیوتر، تز کارشناسی ارشد کامپیوتر، دانلود پایان نامه رشته کامپیوتر، دانلود پایان نامه کارشناسی ارشد کامپیوتر، دانلود پایان نامه دکتری کامپیوتر، دانلود پایان نامه دکترای کامپیوتر، مقاله آی اس آی، مقاله ای اس ای، مقاله آی اس آی 2015، مقاله isi 2015، مقاله رشته کامپیوتر، مقاله داده کاوی، مقاله داده های بزرگ، مقاله 2015 ، مقاله انگلیسی ترجمه شده، مقاله کامپیوتر ترجمه شده، ، مقاله ترجمه شده جدید، مقاله با ترجمه، مقاله ISI با ترجمه،, مقاله 2015 ، مقاله انگلیسی ترجمه شده، مقاله کامپیوتر ترجمه شده، مقاله ترجمه شده جدید، مقاله با ترجمه، مقاله ISI با ترجمه، 2015 Cloud Computing, Load Balancing, Cloud VM Migration, Proactive, Prediction based.
پس از خرید از درگاه امن بانکی لینک دانلود در اختیار شما قرار میگیرد و همچنین به آدرس ایمیل شما فرستاده میشود.
تماس با ما برای راهنمایی، درخواست مقالات و پایان نامه ها و یا ترجمه تخصصی با آدرس ایمیل:
IRTopArticle@gmail.com
شماره تماس ما در نرم افزار واتس آپ:
+98 921 764 6825
شماره تماس ما در نرم افزار تلگرام:
+98 921 764 6825
شناسه ما در تلگرام:
توجه: اگر کارت بانکی شما رمز دوم ندارد، در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.
دانلود رایگان مقاله انگلیس از آدرس زیر:
دانلود رایگان مقاله الگوریتم موازی 2016
نوع مطلب: مقاله ISIترجمه شده با بهترین کیفیت و کاملا تخصصی
عنوان مقاله: یک الگوریتم موازی ازدحام ذرات جدید برای مسائل تخصیص افزونگیِ سیستم های حسگر هوشمند در اینترنت اشیاء
سال انتشار: 2016
زبان مقاله: فارسی
قالب مقاله: ورد (Word)
تعداد صفحات: 33 صفحه (همراه با مراجع)
محل انتشار: ژورنال معتبر ابر محاسبات (Journal of Supercomputing). مقالات این ژورنال توسط انتشارات معتبر Springer، ACM، Scopus و Thomson Reuters یا ISI ایندکس میشود.
اطلاعات مقاله انگلیسی:
عنوان مقاله: New parallel swarm algorithm for smart sensor systems redundancy allocation problems in the Internet of Things
نوع مطلب: مقاله اشپرینگر (Springer) و آی اس آی (ISI)
سال انتشار: 2016
زبان مقاله: انگلیسی
قالب مقاله: پی دی اف (PDF)
تعداد صفحات: 27 صفحه (همراه با مراجع)
محل انتشار: ژورنال معتبر ابر محاسبات (Journal of Supercomputing). مقالات این ژورنال توسط انتشارات معتبر Springer، ACM، Scopus و Thomson Reuters یا ISI ایندکس میشود.
ضریب تاثیر (Impact Factor) این ژورنال در سال 2016: 1.61
چکیده فارسی:
در سال های اخیر، با پیشرفت تکنولوژی حسگرها ، سیستم های حسگر هوشمند مختلفی با اینترنت اشیاء (IOT) ادغام شده اند. یک تخصیص افزونگی ایمن ترین ، آسان ترین و مقرون به صرفه ترین راه برای افزایش قابلیت اعتماد سیستم های حسگر هوشمند است. برای حل مساله تخصیص افزونگی سیستم های حسگر هوشمند(RAP) در IOT ، یک الگوریتم موازیِ ساده شده ی ازدحام ذرات (pSSo) در این مطالعه پیشنهاد شده است. این مطالعه مقدماتی شامل چندین موضوع ابداعی است. نخست ، این تحقیق مدیریت شده است تا از RAP در IOT استفاده کند. دوم ، pSSO پیشنهادی نخستین الگوریتم موازی برای حل RAP است و نخستین الگوریتم برای موازی سازی الگوریتم ساده شده بهینه سازی ازدحام ذرات (SSO) با شیوه Taguchi است. یک مثال دنیای واقعی مربوط به خرید و حمل و نقل در TAOBAO در نظر گرفته شده است تا چگونگی مدل استفاده IOT از RAP را توصیف کند. برای اثبات موفقیت pSSO پیشنهادی ، نتایج محاسباتی مفصل از حل یک مساله تخصیص افزونگی سری-موازی با یک ترکیب از مولفه ها ارائه شده است. نتایج محاسباتی کارایی pSSO پیشنهادی را منعکس می کند.
کلمات کلیدی : اینترنت اشیاء (IOT)، سیستم های حسگر هوشمند، مساله تخصیص افزونگی (RAP )، جستجوی موازی همکاری ، رایانش نرم، ساده شده بهینه سازی ازدحام (SSO)، شیوه Taguchi
چکیده انگلیسی:
Abstract
In recent years, various smart sensor systems have been integrated into the “Internet of Things (IOT)” with the advancement of sensing technology. A redundancy allocation is the safest, most convenient, and most economical way to increase the reliability of smart sensor systems. To solve the smart sensor systems redundancy allocation problem (RAP) in IOT, a cooperative parallel simplified swarm algorithm (pSSO) is presented in this study. This pilot study includes several innovative points. First, research is conducted to use the RAP in IOT. Second, the proposed pSSO is the first parallel algorithm to solve the RAP and the first one to parallelize the simplified swarm optimization (SSO) with the Taguchi method. A simple real-life example regarding shopping and shipping in TAOBAO is given to describe the way how to model the IOT used the RAP. As proof of the success of the proposed pSSO, detailed computational results from solving a series-parallel redundancy allocation problem with a mix of components is presented. The computational results reflect the efficiency of the pSSO proposed.
Keywords
Internet of Things (IOT); Smart sensor systems; Redundancy allocation problem (RAP); Cooperative parallel search; Soft computing; Simplified swarm optimization (SSO); Taguchi method
کلمات کلیدی:
مقاله 2016 با ترجمه، مقاله 2016 ترجمه شده، مقاله الزویر ترجمه شده، مقاله ژورنال ترجمه شده، مقاله کنفرانس ترجمه شده، مقاله اشپرینگر ترجمه شده، مقاله ترجمه شده الگوریتم موازی، الگوریتم موازی، الگوریتم های موازی، مقاله آی اس آی الگوریتم موازی با ترجمه، مقاله با ترجمه، مقاله 2016 اینترنت اشیا، پردازش موازی، کاربرد الگوریتم موازی، مقاله الگوریتم موازی، کاربردهای الگوریتم موازی، مقاله جدید الگوریتم موازی، مقاله 2016 سنسور، مقاله 2016 شبکه حسگر بیسیم، مقاله جدید الگوریتم موازی، مقاله 2015 الگوریتم موازی، مقاله 2014 الگوریتم موازی، مقاله 2014 الگوریتم موازی، مقاله 2013 الگوریتم موازی، مقاله ISI الگوریتم موازی، پروژه الگوریتم موازی، مقاله کامپیوتر، مقاله ISI کامپیوتر، مقاله آی اس آی کامپیوتر، مقاله 2015 کامپیوتر، مقاله ISI 2015 کامپیوتر، موازی سازی جریان کار، داده های بزرگ، کلان داده ها، داده های حجیم، سیستم های توزیع شده، سیستم های موازی، موازی سازی، دانلود مقاله 2015 کامپیوتر، مقاله 2015 رایگان، دانلود رایگان مقاله 2015 کامپیوتر، Parallel execution, workflow management, parallel workflow execution system, parallel algorithms, parallel algorithms, distributed computing,
پس از خرید از درگاه امن بانکی لینک دانلود در اختیار شما قرار میگیرد و همچنین به آدرس ایمیل شما فرستاده میشود.
تماس با ما برای راهنمایی، درخواست مقالات و پایان نامه ها و یا ترجمه تخصصی با آدرس ایمیل:
IRTopArticle@gmail.com
شماره تماس ما در نرم افزار واتس آپ:
+98 921 764 6825
شماره تماس ما در نرم افزار تلگرام:
+98 921 764 6825
شناسه ما در تلگرام:
توجه: اگر کارت بانکی شما رمز دوم ندارد، در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.
عنوان مقاله :
محاسبه میزان دمای فتوولتائیک به وسیله ی شبکه های عصبی مصنوعی
شامل 10 صفحه لاتین
27 صفحه ترجمه فارسی روان
به همراه نمودارها و محاسبات