VIP ▽معرفی مقاله های ترجمه شده ▲

[☾♔TALAYEH_A♔☽]

مشخصات مقاله :
عنوان فارسی: یکپارچه سازی (ادغام) امن داده ها با دقت بالا و کارآمدی (صرفه جویی) انرژی مناسب در شبکه های حسگر بی سیم
عنوان انگلیسی: Energy-efficient and high-accuracy secure data aggregation in wireless sensor networks
تعداد صفحات مقاله انگلیسی : 7 تعداد صفحات ترجمه فارسی : ۲۴
سال انتشار : ۲۰۱۱ نشریه: الزویر – Elsevier
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : ۸۲۹۳ رفرنس : دارد
محتوای فایل : zip حجم فایل : 1.03Mb
رشته های مرتبط با این مقاله: مهندسی کامپیوتر، مهندسی فناوری اطلاعات و فناوری اطلاعات و ارتباطات
گرایش های مرتبط با این مقاله: شبکه های کامپیوتری، امنیت اطلاعات، دیتا و رایانش امن
مجله: ارتباطات کامپیوتری – Computer Communications
دانشگاه: دانشکده علوم و فناوری کامپیوتر، دانشگاه صنعتی دالیان، چین
کلمات کلیدی: شبکه های حسگر بی سیم، ادغام سازی داده ها، امنیت، پروتوکول
وضعیت ترجمه عناوین تصاویر و جداول : ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول : ترجمه نشده است
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است

 

[☾♔TALAYEH_A♔☽]

ترجمه فارسی مقاله توسعه سیستم پشتیبانی تصمیم بر اساس شبکه عصبی و الگوریتم ژنتیک
مقاله ترجمه شده توسعه سیستم پشتیبانی تصمیم بر اساس شبکه عصبی و الگوریتم ژنتیک مربوط به رشته مهندسی کامپیوتر و درباره مهندسی نرم افزار، مهندسی الگوریتم ها و محاسبات و هوش مصنوعی می باشد که هم اکنون می توانید مقاله انگلیسی بهمراه ترجمه فارسی آن را از سایت کالج پروژه دانلود نمایید.


بخشی از ترجمه فارسی مقاله : توسعه سیستم پشتیبانی تصمیم بر اساس شبکه عصبی و الگوریتم ژنتیک
با توجه به افزایش روزافزون حجم اطلاعات و پیچیدگی مهندسی، سیستم های اجتماعی و اقتصادی، ارزیابی داده های ورودی و مدیریت این سیستم ها به صورت صحیح دشوار شده است. سیستم های پشتیبانی تصمیم گیری جاری (DSS) تلاش دارند تا به نتایج بهینه دست پیدا کنند و در عین حال ریسک های تلفات جدی را به حداقل برسانند. هدف این DSS کمک به تصمیم گیرنده است که با مسئله حجم بسیار زیاد از داده ها و واکنش های مبهم سیستم های پیچیده بسته به عوامل خارجی مواجه است. با استفاده از تحلیل دقیق و عمیق، DSSها انتظار می رود که برای کاربران نشانگرهای پیش بینی شده دقیق و تصمیم های بیهنه را فراهم کنند.
در این مقاله ما یک ساختار جدید DSS را پیشنهاد می کنیم که می تواند در دامنه گسترده از کارهای دشوار تا رسمی استفاده و به سرعت بالای محابسه و تصمیم گیری دست پیدا کند.

ما رویکردهای مختلف به تعیین وابستگی یک متغیر هدف به داده های ورودی را ارزیابی کرده و رایج ترین روش های پیش بینی آماری را بازبینی می کنیم. مزایای استفاده از شبکه های عصبی برای این هدف توصیف شده اند. ما استفاده از شبکه های عصبی میانی را برای محاسبات با داده های میانی پیشنهاد می کنیم که به کاربر این امکان را می دهد تا DSS ما را در یک دامنه گسترده از کارهای پیچیده استفاده کند. ما یک الگوریتم یادگیری متناظر را برای شبکه های عصبی میانی نیز ایجاد کردیم. مزایای استفاده از یک الگوریتم ژنتیک (GA) برای انتخاب معنی دارترین ورودی ها نشان داده شده اند. ما استفاده از محاسبه با هدف کلی بر روی واحدهای پردازش گرافیک (GPGPU) را برای رسیدن به محاسبات سرعت بالا با سیستم پشتیبانی سرعت بالا در پرسش توجیه می کنیم. یک نمودار کارکردی از سیستم نیز ارائه و توصیف شده است. نتایج و نمونه های استفاده از DSS نشان داده شده اند.

.

بخشی از مقاله انگلیسی :

Development of a decision support system based on neural networks and a genetic algorithm
Given ever increasing information volume and complexity of engineering, social and economic systems, it has become more difficult to assess incoming data and manage such systems properly. Currently developed innovative decision support systems (DSS) aim to achieve optimum results while minimizing the risks of serious losses.
The purpose of the DSS is to help the decision-maker facing the problem of huge amounts of data and ambiguous reactions of complicated systems depending on external factors. By means of accurate and profound analysis, DSSs are expected to provide the user with precisely forecasted indicators and optimal decisions.

In this paper we suggest a new DSS structure which could be used in a wide range of difficult to formalize tasks and achieve a high speed of calculation and decision-making. We examine different approaches to determining the dependence of a target variable on input data and review the most common statistical forecasting methods. The advantages of using neural networks for this purpose are described. We suggest applying interval neural networks for calculations with underdetermined (interval) data, which makes it possible to use our DSS in a wide range of complicated tasks.

We developed a corresponding learning algorithm for the interval neural networks. The advantages of using a genetic algorithm (GA) to select the most significant inputs are shown. We justify the use of generalpurpose computing on graphics processing units (GPGPU) to achieve high-speed calculations with the decision support system in question. A functional diagram of the system is presented and described. The results and samples of the DSS application are demonstrated.

 

[☾♔TALAYEH_A♔☽]

مشخصات مقاله :
عنوان فارسی: توسعه سیستم پشتیبانی از تصمیم گیری بر اساس شبکه های عصبی و یک الگوریتم ژنتیک
عنوان انگلیسی: Development of a decision support system based on neural networks and a genetic algorithm
تعداد صفحات مقاله انگلیسی : 7 تعداد صفحات ترجمه فارسی : ۱۸
سال انتشار : ۲۰۱۵ نشریه: الزویر – Elsevier
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : ۲۳۸ رفرنس : دارد
محتوای فایل : zip حجم فایل : 1.52Mb
رشته های مرتبط با این مقاله: مهندسی کامپیوتر
گرایش های مرتبط با این مقاله: مهندسی نرم افزار، مهندسی الگوریتم ها و محاسبات و هوش مصنوعی
مجله: سیستم های خبره با کاربردهای آن – Expert Systems with Applications
دانشگاه: موسسه الکترونیک و ریاضی مسکو، دانشکده اقتصاد، دانشگاه ملی روسیه
کلمات کلیدی: سیستم پشتیبانی تصمیم، DSS، شبکه عصبی، الگوریتم ژنتیک، GPGPU ،CUDA
وضعیت ترجمه عناوین تصاویر و جداول : ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول : ترجمه شده است
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است

 

[☾♔TALAYEH_A♔☽]

ترجمه فارسی مقاله شبکه های اجتماعی بر روی وب معنایی
مقاله ترجمه شده شبکه های اجتماعی بر روی وب معنایی مربوط به رشته مهندسی فناوری اطلاعات و مهندسی کامپیوتر و درباره اینترنت و شبکه های گسترده، هوش مصنوعی می باشد که هم اکنون می توانید مقاله انگلیسی بهمراه ترجمه فارسی آن را از سایت کالج پروژه دانلود نمایید.

بخشی از ترجمه فارسی مقاله : شبکه های اجتماعی بر روی وب معنایی
هدف – اهداف بررسی روشی هایی است که وب معنایی برای نشان دادن و پردازش اطلاعات شبکه های اجتماعی مورد استفاده قرار می دهد.
طراحی / روش شناسی / رویکرد – موتور جستجوی Swoogle وب معنایی برای ساخت چند مجموعه داده های بزرگ از چارچوب توصیفی منابع (RDF) اسناد را با اطلاعات مربوط به شبکه های اجتماعی مورد استفاد قرار می دهد که با استفاده از آنتولوژی “دوست از یک دوست” (FOAF) کد گذاری شده بودند. مجموعه داده برای کشف اینکه چگونه FOAF مورد استفاده قرار می گیرد و بررسی انواع شبکه های اجتماعی بر روی وب مورد بررسی قرار گرفت.

یافتهها – آنتولوژی FOAF دامنه ای از آنتولوژی است که به طور گسترده در وب معنایی استفاده می شود . مردم آن را در شیوه ای باز و توسعه پذیر توسط تعاریف جدیدی از کلاس ها و خواص با استفاده از FOAFبه کار می برند.

محدودیت های تحقیق/ مفاهیم تحقیق – داده های RDF تنها از اسنادعمومی منتشر شدهRDF بر روی وب به دست می آیند. برخی از داده های RDF FOAF ممکن است در دسترس نباشند زیرا آن را در پشت فایروال، بر روی اینترانت باشند و یا در پایگاه داده های خصوصی ذخیره شده شده باشند. راه هایی که در آن زبان های وب معنایی RDF و OWL استفاده می شود (و مورد سو استفاده قرار می گیرند) پویا هستند و هنوز هم در حال تحولند. مطالعه مشابه انجام شده دو سال اخیر ممکن است نتایج بسیار متفاوتی را نشان دهد.

اصالت / ارزش – این مقاله توضیح می دهد که چگونه شبکه های اجتماعی کد گذاری می شوند و در جهان گسترده وب به صورت اسناد RDF و آنتولوژی FOAFمورد استفاده قرار می گیرند. این امر قرار گیری داده ها را بر روی شبکه های بزرگ اجتماعی، و همچنین بینش این که چگونه وب معنایی در سال ۲۰۰۵ مورد استفاده قرار گرفته است را فراهم می کند.

.

بخشی از مقاله انگلیسی :

Social networking on the semantic web
Purpose – Aims to investigate the way that the semantic web is being used to represent and process social network information.
Design/methodology/approach – The Swoogle semantic web search engine was used to construct several large data sets of Resource Description Framework (RDF) documents with social network information that were encoded using the “Friend of a Friend” (FOAF) ontology. The datasets were analyzed to discover how FOAF is being used and investigate the kinds of social networks found on the web.

Findings – The FOAF ontology is the most widely used domain ontology on the semantic web. People are using it in an open and extensible manner by defining new classes and properties to use with FOAF.

Research limitations/implications – RDF data was only obtained from public RDF documents published on the web. Some RDF FOAF data may be unavailable because it is behind firewalls, on intranets or stored in private databases. The ways in which the semantic web languages RDF and OWL are being used (and abused) are dynamic and still evolving. A similar study done two years from now may show very different results.

Originality/value – This paper describes how social networks are being encoded and used on the world wide web in the form of RDF documents and the FOAF ontology. It provides data on large social networks as well as insights on how the semantic web is being used in 2005.

 

[☾♔TALAYEH_A♔☽]

مشخصات مقاله :
عنوان فارسی: شبکه های اجتماعی بر روی وب معنایی
عنوان انگلیسی: Social networking on the semantic web
تعداد صفحات مقاله انگلیسی : 18 تعداد صفحات ترجمه فارسی : ۲۵
سال انتشار : ۲۰۰۵ نشریه: امرالد – Emerald
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : ۷۶۸۵ رفرنس : دارد
محتوای فایل : zip حجم فایل : 1.53Mb
رشته های مرتبط با این مقاله: مهندسی فناوری اطلاعات و مهندسی کامپیوتر
گرایش های مرتبط با این مقاله: اینترنت و شبکه های گسترده، هوش مصنوعی
مجله: سازمان یادگیرنده – The Learning Organization
دانشگاه: دانشگاه مریلند، ایالت بالتیمور، ایالات متحده آمریکا
کلمات کلیدی: اینترنت، شبکه های اطلاعات، شبکه های اجتماعی
وضعیت ترجمه عناوین تصاویر و جداول : ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول : ترجمه نشده است
کامی،ص 28