علم کده

شهر هیجان انگیز علم و فنون مورد علاقه تمام مردم ایران

۱۴۵۳ مطلب با موضوع «مقاله و کارآموزی» ثبت شده است

ترجمه مقاله روشی کارا برای خوشه‌بندی در شبکه‌های حسگر بی‌سیم با استفاده از منطق فازی

عنوان انگلیسی مقاله: An Efficient Approach for Clustering in Wireless Sensor Network Using Fuzzy Logic
عنوان فارسی مقاله: روشی کارا برای خوشه‌بندی در شبکه‌های حسگر بی‌سیم با استفاده از منطق فازی.
دسته: فناوری اطلاعات و کامپیوتر
فرمت فایل ترجمه شده: WORD (قابل ویرایش)
تعداد صفحات فایل ترجمه شده: 12
ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.
_______________________________________
چکیده ترجمه:
شبکه‌ی حسگر بی‌سیم (WSN) از تعداد زیادی گره‌ی حسگر تشکیل شده که به یکدیگر متصل هستند تا عمل خاصی را انجام دهند. این گره‌ها انرژی، قدرت پردازش و حافظه‌ی محدودی دارند. به دلیل اینکه طول عمر شبکه بستگی به این گره‌ها دارد، منبع انرژی در گره‌ها بسیار مهم است. بنابراین نیاز به روش‌هایی برای کاهش مصرف انرژی در گره‌ها داریم. خوشه‌بندی یکی از روش‌ها برای کاهش مصرف انرژی است. الگوریتم‌های خوشه‌بندی بسیاری معرفی شده‌اند. الگوریتم LEACH یکی از معروف‌ترین این الگوریتم‌‌هاست. در این مقاله، ما یک روش کارا برای خوشه‌بندی با استفاده از منطق فازی با ورودی‌های مناسب پیشنهاد می‌دهیم و آن را با ویژگی‌های خوب LEACH ترکیب می‌کنیم. این روش‌ کاملاً توزیع شده است. بنابراین سرعت آن بیشتر و مصرف انرژی آن کمتر از روش‌های متمرکز است. همچنین روش پیشنهادی ما، ضعف‌های LEACH را بر طرف کرده و کاراتر از روش‌های موجود است.
مقدمه:
در سال‌های اخیر با پیشرفت فناوری، از شبکه‌های حسگر بی‌سیم (WSNها) در برنامه‌های مختلفی استفاده شده است. WSN شامل صدها یا هزاران گره‌ی حسگر کوچک است. ایم گره‌ها به یکدیگر متصل شده‌اند تا کار یا کارهای مشخصی را انجام دهند. هر گره در WSN شامل مؤلفه‌هایی مثل آنتن ارتباطی، حافظه‌ کم، مدار حسگر (حسگر دما، نور، رطوبت و ...)، پردازنده‌ی ضعیف و منبع تغذیه‌ی محدود است.
WSNها معمولا برای برنامه‌های نظارتی استفاده می‌شود و به محض تغییر در محیط، ایستگاه باخبر می‌شود. WSNها معمولاً در محیط‌هایی که دسترسی انسانی محدود است مثل کوه‌های آتشفشان یا مناطق نظامی استفاده می‌شوند.
به دلیل ویژگی‌های خاص شبکه‌های حسگر بی‌سیم، چالش‌های متعددی در این شبکه‌ها وجود دارد. یکی از این چالش‌ها منبع انرژی محدود گره‌هاست. در اکثر موارد، منبع انرژی غیر قابل تعویض و غیر قابل شارژ است. بنابراین باید از روش‌هایی در WSNها استفاده شود که مصرف انرژی گره‌ها را کاهش می‌دهد. 

جهت دانلود محصول اینجا کلیک نمایید

۲۲ مهر ۹۴ ، ۱۸:۰۸ ۰ نظر موافقین ۰ مخالفین ۰
alireza karimi

ترجمه مقاله انتخاب سر خوشه با استفاده از منطق فازی دو سطحی در شبکه‌های حسگر بی‌سیم

عنوان انگلیسی مقاله: Cluster Head Selection using a Two-Level Fuzzy Logic in Wireless Sensor Networks
عنوان فارسی مقاله: انتخاب سر خوشه با استفاده از منطق فازی دو سطحی در شبکه‌های حسگر بی‌سیم.
دسته: فناوری اطلاعات و کامپیوتر
فرمت فایل ترجمه شده: WORD (قابل ویرایش)
تعداد صفحات فایل ترجمه شده: 11
ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.
_______________________________________
چکیده ترجمه:
به دلیل محدودیت منابع در شبکه‌های حسگر بی‌سیم، افزایش طول عمر شبکه همیشه مورد توجه بوده است. یک روش مسیریابی کارا، مسیریابی سلسله‌مراتبی بر اساس خوشه بندی است که یافتن سر خوشه‌های بهینه و تعداد آن‌ها یک چالش محسوب می‌شود. در این مقاله، از یک منطق فازی دو سطحی برای ارزیابی کیفیت حسگرها برای انتخاب سر خوشه استفاده می‌شود. در سطح اول (سطح محلی)، گره‌های واجد شرایط بر اساس انرژی و تعداد همسایه‌های آن‌ها انتخاب می‌شوند. سپس در سطح دوم (سطح سراسری)، همکاری کلی گره‌ها در کل شبکه با سه پارامتر فازی ارزیابی می‌شود. این پارامترها مرکزیت، مجاورت به ایستگاه اصلی و فاصله‌ی بین سر خوشه‌هاست. نتایج شبیه‌سازی در پنج معیار نشان می‌دهد که روش پیشنهادی انرژی کمتری مصرف می‌کند و طول عمر شبکه را حدود 54 درصد در مقایسه با دیگر الگوریتم‌ها افزایش می‌دهد.
مقدمه:
یک شبکه‌ی حسگر بی‌سیم (WSN) شامل تعداد زیادی گره‌ی حسگر و یک ایستگاه اصلی (BS) است. این حسگرها داده‌ها را جمع‌آوری و آن‌ها را از طریق فرستنده‌ی رادیویی به BS ارسال می‌کنند. این حسگرها نیرو و ظرفیت محاسباتی محدودی دارند. از WSNها می‌توان در بسیاری از برنامه‌ها مثل برنامه‌های نظامی، دارویی و محیطی استفاده کرد. یافتن مسیر ئ ذخیره‌ی آن کار آسانی نیست زیرا میزان محدود انرژی و تغییرات ناگهانی در موقعیت گره‌ها باعث تغییرات پیش‌بینی نشده می‌شود. انرژی، چالش اصلی در طراحی پروتکل مسیریابی در WSNهاست. یکی از مهم‌ترین الگوریتم‌های مسیریابی، مسیریابی سلسله‌مراتبی یا خوشه‌ای است. در یک معماری سلسله‌مراتبی، از گره‌هایی با انرژی بیشتر برای پردازش و ارسال اطلاعات استفاده می‌شود در حالی که از گره‌هایی با انرژی کم برای درک نزدیکی مقصد استفاده می‌شود. LEACH، PEGASIS، TEEN و APTEEN چند الگوریتم مسیریابی سلسله مراتبی هستند.

جهت دانلود محصول اینجا کلیک نمایید

۲۲ مهر ۹۴ ، ۱۸:۰۸ ۰ نظر موافقین ۰ مخالفین ۰
alireza karimi

ترجمه مقاله استفاده از داده‌کاوی برای کارمند گزینی و بهبود سرمایه‌ی انسانی

عنوان انگلیسی مقاله: Data mining to improve personnel selection and enhance human capital: A case study in high-technology industry
عنوان فارسی مقاله:  استفاده از داده‌کاوی برای کارمند گزینی و بهبود سرمایه‌ی انسانی: بررسی موردی در صنعت مدرن.
دسته: مدیریت - اقتصاد
فرمت فایل ترجمه شده: WORD (قابل ویرایش)
تعداد صفحات فایل ترجمه شده: 18
ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.
_______________________________________
چکیده ترجمه:
کیفیت سرمایه‌ی انسانی برای شرکت‌های مدرن برای دستیابی به عرصه‌ی اقتصادی دانش بسیار حیاتی است. با این حال، شرکت‌های مدرن که درگیر هزینه‌های بالا هستند اغلب از استخدام افراد با استعداد سرباز می‌زنند. به علاوه طبق روش‌های مدیریتی منابع انسانی، نیاز ضروری به توسعه‌ی مؤثر مکانیزم کارمند گزینی برای یافتن استعدادهایی که مناسب‌ترین برای سازمان هستند وجود دارد. این تحقیق این خلأ را با ارائه چارچوب داده‌کاوی بر اساس درخت تصمیم و قانون‌های وابستگی پر می‌کند تا قانون‌های مفیدی برای کارمند گزینی تولید کند. نتایج می‌توانند قوانین تصمیم‌گیری را بر اساس اطلاعات پرسنلی با استفاده از کار روی عملکرد و نگه‌داری تولید کنند. مطالعه‌ی تجربی در یک شرکت نیمه رسانا انجام شد تا اطلاعات استخدام کارگران باواسطه شامل مهندسین و مدیران با کارهای عملیاتی مختلف را جمع‌آوری کند. نتایج، اهمیت تجربی این پژوهش را اثبات کرد. به علاوه، بر اساس بحث‌های داده‌کاوان و متخصصان، روش‌های خاص استخدام و کارگزینی نیز از این نتایج گرفته شده است. 
مقدمه:
سرمایه‌ی انسانی، یکی از صلاحیت‌های شرکت‌های مدرن است تا بتوانند به شایستگی‌های خود در زمینه‌ی اقتصادی دانش برسند. استخدام پرسنل و انتخاب باواسطه روی کیفیت کارمندان تأثیرگذار است. بنابراین، مطالعات مختلف روی رزومه، مصاحبه‌ها، سنجش عملکرد، تست‌های دانش شغلی، تست‌های کاری نمونه، تست‌های ادراکی و تست‌های شخصیتی در مدیریت منابع انسانی صورت گرفته است که به سازمان‌ها کمک می‌کند تا بهتر بتوانند در مورد انتخاب پرسنل تصمیم بگیرند. در واقع، روش‌های انتخاب موجود روی کار و شغلی تمرکز می‌کنند که از طریق وظایف و کارهایی مطابق با خصوصیات ثابت آن‌ها تعریف می‌شوند. با این حال، به علت ذات در حال تغییر دانش در صنعت تکنولوژی، شغل‌ها را نمی‌توان به راحتی توصیف کرد مخصوصاً شغل‌های سطوح مدیریتی. با پیشرفت تکنولوژی و جهانی شدن آن، کارهای میان کارکردی نیز افزایش یافته‌اند در حالی که شغل‌های جدیدی نیز در حال ایجاد است. 

جهت دانلود محصول اینجا کلیک نمایید

۲۲ مهر ۹۴ ، ۱۸:۰۸ ۰ نظر موافقین ۰ مخالفین ۰
alireza karimi

ترجمه مقاله سیستم تشخیص نفوذ بر اساس مدل جدید استخراج قوانین وابستگی

عنوان انگلیسی مقاله: Intrusion Detection System Based on New
Association Rule Mining Model
عنوان فارسی مقاله: سیستم تشخیص نفوذ بر اساس مدل جدید استخراج قوانین وابستگی.
دسته: فناوری اطلاعات و کامپیوتر
فرمت فایل ترجمه شده: WORD (قابل ویرایش)
تعداد صفحات فایل ترجمه شده: 7
ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.
_______________________________________
چکیده ترجمه:
تشخیص نفوذ یکی از مشکلات مهم برای حفاظت از امنیت سیستم‌های اطلاعاتی است. تکنیک آن به دو دسته تقسیم می‌شود: تشخیص ناهنجاری و تشخیص سوء استفاده؛ که این دو مورد یکدیگر را تکمیل می‌کنند. این تحقیق روی تکنیک‌های تشخیص ناهنجاری برای تشخیص نفوذ تمرکز دارد. در حال حاضر، روش‌های متعددی بر اساس استخراج قوانین وابستگی کلاسیک برای تشخیص نفوذ ارائه شده است. به دلیل دو مشکلی که در مسئله‌ی استخراج قوانین وابستگی، یعنی اینکه با همه‌ی آیتم ست بطور مساوی رفتار می‌شود و یک ساپورت مینیمم و اطمینان مینیمم به عنوان استاندارد سنجش در نظر گرفته می‌شود، بسیاری از قوانین و قوانین جالب تولید می‌شوند که باعث کاهش کارایی سیستم تشخیص نفوذ می‌شود. بر اساس مدل جدید استخراج قوانین وابستگی که li در سال 2002 پیشنهاد داد و قادر به حل این دو مشکل به طور همزمان بود،‌ سیستم تشخیص نفوذ دیگری ارائه شد. از آنجایی که میزان سود و علاقه‌ی یک آیتم به عنوان معیار در نظر گرفته می‌شود و الگوریتم استخراج بر اساس FP-tree است، تجربیات ما نشان داده است که سیستم پیشنهادی مقاوم‌تر و مؤثرتر از الگوریتم APRIORI است.
مقدمه:
با پیشرفت تکنولوژی شبکه‌های کامپیوتری، تشخیص نفوذ که برای ثبت فعالیت‌های بدذات در سیستم‌های شبکه‌ی کامپیوتری استفاده می‌شود، مهم‌ و مهم‌تر می‌شوند. تکنیک‌های تشخیص نفوذ به دو دسته‌ی کلی تقسیم می‌شوند: تشخیص ناهنجاری و تشخیص امضا که یکدیگر را تکمیل می‌کنند. این مقاله روی تکنیک‌های تشخیص برای تشخیص نفوذ تمرکز دارد. امروزه سیستم‌های تشخیص نفوذ تجاری زیادی برای جمع‌آوری اطلاعات فعالیت سیستم و شبکه موجود است که اطلاعات را تحلیل می‌کنند تا ببینند آیا حمله‌ای صورت گرفته است یا خیر. این پیاده‌سازی‌های تجاری در نظارت و تحلیل محدود هستند و تحقیقات بیشتری برای بهبود کارکردها ارائه شده است. 

جهت دانلود محصول اینجا کلیک نمایید

۲۲ مهر ۹۴ ، ۱۸:۰۸ ۰ نظر موافقین ۰ مخالفین ۰
alireza karimi

ترجمه مقاله طبقه بندی سبک یادگیری یادگیرنده با توجه به IQ و استرس برمبنای EEG

عنوان انگلیسی مقاله: Learners’ Learning Style Classification related to IQ and Stress based on EEG
عنوان فارسی مقاله: طبقه بندی سبک یادگیری یادگیرنده با توجه به IQ و استرس برمبنای EEG.
دسته: آموزش و روانشناسی
فرمت فایل ترجمه شده: WORD (قابل ویرایش)
تعداد صفحات فایل ترجمه شده: 9
ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.
_______________________________________
چکیده ترجمه:
اهمیت شناسایی سبک یادگیری (LS) یادگیرنده برای تضمین موفقیت در یک فرایند آموزش و یادگیری ضروری است. درعین حال، IQ و و ویژگی های شخصیتی نظیر استرس نیز در پژوهش های آموزشی مورد بررسی قرار گرفته اند و این پژوهش ها در تلاشند تا به طور دقیق تری یادگیرندگان را بشناسند. با این وجود، این تلاش ها معمولاً به آزمون روانشناسی محدود می گردد. با ظهور تکنولوژی برق نگاری مغز (EEG) می توان مستقیماً به مشخصه های مغزی یادگیرنده دسترسی پیدا کرد و و نتایج می توانند با آزمون های مرسوم مورد پشتیبانی قرار گیرند. در این مطالعه، شرکت کنندگان (n=80) با استفاده از پرسشنامه سبک یادگیری کلب (KLSI) به سبک های یادگیری واگرا، جذب کننده، همگرا یا انطباق دهنده گروه بندی می شوند. درنتیجه، سیگنال های مغز آن ها با استفاده از EEG در حالت چشمان باز و چشمان بسته ثبت گردید. ابزار آماری SPSS 16 با هدف تحلیل داده ها مورد استفاده قرار گرفت. با استفاده از تحلیل خوشه ای دو مرحله ای، مجموعه های داده ای EEG شرکت کنندگان برای LS مربوطه طبقه بندی گردید. سپس دسته آلفا برای ارتباط بین LS، IQ و استرس  انتخاب گردید. این مطالعه نتیجه گرفت که سبک واگرا، سبک یادگیری با بالاترین IQ می باشد درحالیکه سبک همگرا و واگرا سبک های در معرض استرس هستند.
مقدمه:
1.1 سبک یادگیری
نتایج پیشرفت های علمی در حیطه هوش و ذستاوردهای علمی گذشته، گسترده تر شده است. درحقیقت، مفاهیم زیادی از قبیل ادراک کنترل تحصیلی و انگیزه تحصیلی در رابطه با یادگیری وجود دارند که درهنگام دلسردی درمورد برتری تحصیلی باید مدنظر قرار داد (Cassidy و Eachus، 2000). یکی از مفاهیم مهمی که نکات ارزشمندی را در یادگیری به همراه داشته است، سبک یادگیری (LS) است. LS به این مفهوم اشاره دارد که افراد نسبت به اینکه چه حالتی از آموزش و مطالعه برای آن ها اثربخش تر است، با یکدیگر متفاوتند (Kolb، 1984). LS همچنین فرایندی تعریف می گردد که یک شخص از طریق آن دانش یا مهارت را از طریق درک و حفط اطلاعات کسب می نماید (Adesunloy و سایرین، 2008). پژوهش ها و اقدامات آموزشی نشان داده است که زمانیکه فرایند آموزش با سبک های یادگیری متفاوت دانش آموزان همراه است، یادگیری ارتقاء می یابد (Buch، 2002).

جهت دانلود محصول اینجا کلیک نمایید

۲۲ مهر ۹۴ ، ۱۸:۰۷ ۰ نظر موافقین ۰ مخالفین ۰
alireza karimi