دانلود رایگان مقالات ISI با ترجمه فارسی 2020

دانلود رایگان مقالات ISI با ترجمه فارسی دانلود رایگان مقالات انگلیسی ISI برای رشته های مدیریت، حسابداری، کامپیوتر، مهندسی برق، اقتصاد، کشاورزی، پزشکی، عمران، معماری و سایر رشته ها از نشریات معتبر همچون الزویر، امرالد، اسپرینگر، IEEE به همراه ترجمه فارسی

دانلود رایگان مقالات ISI با ترجمه فارسی 2020

دانلود رایگان مقالات ISI با ترجمه فارسی دانلود رایگان مقالات انگلیسی ISI برای رشته های مدیریت، حسابداری، کامپیوتر، مهندسی برق، اقتصاد، کشاورزی، پزشکی، عمران، معماری و سایر رشته ها از نشریات معتبر همچون الزویر، امرالد، اسپرینگر، IEEE به همراه ترجمه فارسی

مقاله ترجمه شده پروتکل‌های مسیریابی در شبکه‌های حسگر بی سیم


چکیده

در شبکه‌های حسگر بیسیم، گره‌های سنسور، داده را از محیط با توجه به عملکرد آن حس کرده و آن را به ایستگاه پایه خود ارسال می‌کند. این فرآیند جمع آوری داده نامیده شده و به صورت مستقیم یا چندجهتی انجام می‌شود. در مسیریابی مستقیم، هر گره سنسور به صورت مستقیم داده حس شده خود را به ایستگاه پایه‌ای ارسال می‌کند که بر مصرف انرژی گره سنسور به سبب فاصله طولانی بین گره سنسور و ایستگاه پایه نسبت به آن، تاثیرگذار خواهد بود. در روش مسیریابی چند-جهشی، داده حس شده از طریق گره‌های مختلف در ایستگاه پایه رله می‌شود و لذا انرژی کمتری مصرف می‌شود. این مقاله یک روش جدید برای جمع آوری داده و مسیریابی مبتنی بر دینامیک تشکیل رودخانه ارائه می‌کند. الگوریتم پیشنهادی به عنوان RFDMRP: پروتکل مسیریابی چند-جهشی پایه دینامیکی تشکیل رودخانه برای جمع آوری داده در شبکه‌های حسگر بیسیم بیان می‌شود. این الگوریتم با استفاده از نرم افزار متلب پیاده سازی و توصیف می‌شود. نتایج عملکرد با روش LEACH و MODLEACH مقایسه می‌شود. مقایسه انجام شده نشان می‌دهد که الگوریتم پیشنهاد شده عملکرد بهتری از روش‌های فوق دارد.

کلمات کلیدی: جمع آوری داده‌ها؛ بهره وری انرژی؛ دینامیک تشکیل رودخانه؛ پروتکل‌های مسیریابی. شبکه‌های حسگر بی سیم

————————————————

عنوان اصلی مقاله:  RFDMRP: River Formation Dynamics based Multi-Hop Routing Protocol for Data Collection in Wireless Sensor Networks

ترجمه فارسی عنوان:  RFDMRP: پروتکل مسیریابی چند-جهشی براساس دینامیک تشکیل رودخانه برای جمع آوری داده در شبکه‌های حسگر بیسیم

تعداد صفحات انگلیسی: ۶ صفحه

تعداد صفحات ترجمه فارسی: ۱۹ صفحه


دانلود مقاله و ترجمه


مقاله ترجمه شده رمزگذاری در شبکه‌های حسگر بی سیم


چکیده

 امنیت یکی از قابل توجه ترین و پایه‌ای‌ترین موضوعات برای ارسال داده در WSNها می‌باشد. رمزنگاری DNA یک نقش بسیار حیاتی در حوزه مخابرات و ارسال داده ایفا می‌کند. در رمزنگاری DNA، مفهوم DNA زیست شناختی می‌تواند نه تنها جهت ذخیره سازی داده و حامل‌های اطلاعاتی استفاده شود، بلکه محاسابات را نیز انجام می‌دهد. این مقاله مبتنی بر امنیت محاسبات با استفاده از رمزنگاری DNA است. الگوریتمی پیشنهاد شده است که از رمزنگاری DNA با لایه سوکت امن برای تأمین یک کانال امن با تبادل امن بیشتر اطلاعات در شبکه‌های حسگر بیسیم استفاده می‌کند.

کلمات کلیدی: رمزنگاری DNA؛ لایه سوکت امن (SSL)، شبکه‌های حسگر بی سیم، رمزگذاری، رمزگشایی

——————————————-

عنوان اصلی مقاله:  Secure communication using DNA cryptography with secure socket layer (SSL) protocol in wireless sensor networks

ترجمه فارسی عنوان:  مخابرات امن با استفاده از رمزنگاری DNA پروتکل لایه سوکت امن در شبکه‌های حسگر بیسیم

تعداد صفحات انگلیسی: ۶ صفحه

تعداد صفحات ترجمه فارسی: ۱۰ صفحه


دانلود مقاله و ترجمه

مقاله ترجمه شده رایانش ابری 2017


چکیده

رایانش ابری به عنوان یک راه حل امیدبخش برای مدیریت و پردازش داده بزرگ توسط فراهم کردن یک مرکز داده و الگوریتم‌های مؤثر برای مدیریت و سازمان دهی داده، اثبات شده است. یکی از منابع داده سیستم‌های ابری، شبکه‌های حسگر بیسیم است. WSN ها یک روش جدید منابع رشته-داده را ارائه می‌کنند که در آن داده به صورت دوره‌ای از سنسورهای دیگر دریافت می‌شود و منجر به یک حجم بسیار زیادی از داده جمع آوری شده در یک دوره کوتاه می‌شود. WSN ها دارای منابع محدودی هستند به نحوی که رشته داده با ریز جزئیات منجر به مصرف انرژی بسیار زیاد می‌شود. در این مقاله، ما یک مدل پیش بینی داده را پیشنهاد کرده این که در داخل گره‌های سنسور ساخته شده و توسط سیستم ابری جهت تولید استفاده می‌شود. هدف از مدل پیشنهاد شده، معاف کردن گره‌های سنسور از ارسال حجم عظیمی از داده است که در نتیجه موجب صرفه جویی انرژی در باتری سنسور می‌شود. ما در این مقاله قصد در جهت فرموله کردن مدل پیش بینی به صورت یک معادله خطی از طریق دو بردار n بعدی در فضای n-بعدی داریم. نتایج اولیه نشان می‌دهد که مدل پیشنهاد شده قادر به دستیابی به نرخ خطا بهتر در مقایسه با روش‌های پیش بینی داده سنتی می‌باشد.

 کلمات کلیدی: شبکه‌های حسگر بی سیم؛ داده کاوی؛ پیش بینی داده‌ها؛ بسترهای رایانش ابری

——————————————-

عنوان اصلی مقاله:  A Data Predication Model for Integrating Wireless Sensor Networks and Cloud Computing

ترجمه فارسی عنوان:  یک مدل پیش بینی برای تلفیق شبکه‌های حسگر بیسیم و رایانش ابری

تعداد صفحات انگلیسی: ۶ صفحه

تعداد صفحات ترجمه فارسی: ۱۲ صفحه

مقاله ترجمه شده شبکه‌های حسگر بی سیم


چکیده

 نظارت بر سطوح بزرگ، یک چالش بسیار بزرگ برای انسان است. در برخی از محیط‌ها، انجام این کار می‌تواند بسیار دشوار، هزینه بَردار و زمانبر باشد. نظارت خودکار بهترین راه حل در بسیاری از حالات است. شبکه‌های حسگر بیسیم (WSN ها) به عنوان یک ابزار نظارتی، کاربردهای فراوانی در حوزه‌های مختلف از جمله حوزه نظامی، فضایی وکشاورزی دارد. هدف از این مقاله، ارائه طراحی یک معماری‌ای است که درآن یک شبکه حسگر بیسیم به منظور نظارت بر جنگل خرما بزرگ به کارگرفته شده است. این ماقله سطح مشخصات این معماری و یک تأیید رسمی این مشخصات را ارائه می‌کند.

————————————–

عنوان اصلی مقاله:  Wireless Sensor Networks for the Surveillance of Wide Date Palm Forests: (Specification and Verification Levels)

ترجمه فارسی عنوان:  شبکه‌های حسگر بی سیم برای نظارت بر جنگل‌های خرما وحشی: (سطوح مشخصات و تأیید صحت)

تعداد صفحات انگلیسی: ۶ صفحه

تعداد صفحات ترجمه فارسی: ۱۳ صفحه


دانلود مقاله و ترجمه

مقاله ترجمه شده امنیت در شبکه های حسگر بیسیم


خلاصه

شبکه های حسگر بیسیم (WSN) یکی از تکنولوژی های اصلی برای تحویل داده ی مرتبط با حسگر است که موجب پیشرفت سیستم های سایبری-فیزیکی (CPSs) در اتصال فاصله ی بین دنیای سایبری و دنیای فیزیکی می شود. بنابراین کشف چگونگی استفاده ی درست از هوش بوسیله ی توسعه ی الگوی موثر در WSN ها را توصیف می کند تا سنجش داده و ترکیب CPS را پشتیبانی کند. این مقاله در نظر دارد که این هدف را با ارائه ی سنجش داده مبتنی بر پیش بینی و الگوی ترکیب به منظور کاهش انتقال داده و حفظ سطح پوشش مورد نیاز حسگر ها در WSN انجام دهد، درحالی که محرمانه بودن داده را تضمین می کند. طرح ارائه شده GM-KRLS نامیده می شود که از طریق استفاده از مدل خاکستری (GM)، کرنل بازگشتی حداقل مربعات (KRLS) و الگوریتم Blowfish  (BA) مشخص می شود. در طول سنجش داده و فرایند ترکیب، GM مسئول پیش بینی اولیه ی داده از دوره ی بعدی با تعداد کمی از آیتم های داده می باشد، درحالی که KRLS به منظور پیش بینی مقادیر اولیه پیش بینی شده استفاده می شود که مقدار درست آن را با صحت بالایی تخمین می زند. KRLS به عنوان یک الگوریتم یادگیری ماشینن کرنل توسعه یافته ضرایب را با هر ورودی تنظیم می کند، درحالی که باعث پیش بینی مقادیر نزدیک به مقادیر واقعی می شود و BA به منظور رمزنگاری و رمزگشایی در حین فرایند انتقال استفاده می شود که به دلیل کاربرد های موفق آن در سراسر طیف گسترده ای از دامنه ها می باشد، سپس، سنجش داده ی امن ارائه شده و الگوی ترکیب GM-KRLS ، کارایی پیش بینی بالا، ارتباطات پایین، مقیاس پذیری خوب و محرمانه بودن را فراهم می کند. به منظور تصدیق کارایی و مسئولیت پذیری روش ارائه شده ی ما، شبیه سازی هایی بر روی مجموعه های داده ی واقعی صورت گرفته که از حسگر های آزمایشگاه تحقیق برکلی جمع آوری شده است. نتایج شبیه سازی نشان می دهند که الگوی ارائه شده به صورت قابل توجهی انتقالات زائد را با دقت پیش بینی بالا کاهش می دهد.

کلمات کلیدی: سنجش دادهی امن و ترکیبی، شبکه های حسگر بیسیم، کرنل حداقل مربعات بازگشتی ، سیستم های سایبری-فیزیکی

———————-
عنوان اصلی مقاله:   A kernel machine-based secure data sensing and fusion scheme in wireless sensor networks for the cyber-physical systems   

ترجمه فارسی عنوان:   کرنل سنجش داده ی امن مبتنی بر ماشین و الگوی ترکیبی در شبکه های حسگر بی سیم برای سیستم های سایبری فیزیکی

تعداد صفحات انگلیسی: ۱۲ صفحه

تعداد صفحات ترجمه فارسی: ۳۶ صفحه


دانلود مقاله و ترجمه