موضوع فارسی :مدل نقص و بازرسی الگوریتم مبتنی بر فیزیک برای بازرسی بصری به صورت خودکار
موضوع انگلیسی : A physics-based defects model and inspection algorithm for automatic visual inspection
تعداد صفحه : 6
فرمت فایل :pdf
سال انتشار : 2013
زبان مقاله : انگلیسی
چکیده
دانلود کد متلب الگوریتم جستجوی شکار Hunting Search
دانلود پاورپوینت رشته کامپیوتر و فناوری اطلاعات با عنوان الگوریتم و فلوچارت
هر دستورالعملی که مراحل انجام کاری را با زبانی دقیق و با جزئیات کافی بیان نماید بطوریکه ترتیب مراحل و شرط خاتمه عملیات در آن کاملا“ مشخص شده باشد را الگوریتم گویند.
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.
چکیده:
بسیاری از بررسی ها یک رشته بیت را با استفاده از الگوریتم ژنتیک به منظور بیان ساختار شبکه نگاشت داده اند تا کارایی شبکه های پس انتشار خطا را بهبود بخشند. زیرا محدودیت ها در تکنیک های جستجوی گرادیان که برای مسائل بهینه سازی غیر خطی پیچیده استفاده می شدند،اغلب کارایی متناقض و غیر قابل پیش بینی را نتیجه داده اند.این مقاله برروی چگونگی جمع آوری و ارزیابی مجدد ماتریس های وزن bpn تمرکز دارد، در حالیکه عملگرهای الگوریتم ژنتیک در هر نسل به منظور بهینه سازی ماتریس های وزن پردازش می شوند. در این روش over fitting، یک اشکال از bpn هاست که معمولا در طول مرحله بعد ازآموزش شبکه عصبی با نزول خطای آموزش و افزایش خطای پیش بینی اتفاق می افتد ، قابل حذف شدن می باشد .این مقاله هم چنین، پارامترها و توپولوژی شبکه عصبی را در جهت افزایش امکان پذیری اجرای فضای جواب برای مسائل غیرخطی پیچیده توسعه می دهد.
شامل 48 صفحه Word