مقاله ترجمه شده شبکه های حسگر بی سیم اجتماعی

چکیده

شبکه های حسگر بی سیم (WSN) به صورت فضایی در گره های حسگر بدون رله توزیع شده اند. یک سرمایه گذار داده های موبایل ،M-سرمایه گذار، برای جمع آوری داده ها از گره حسگر و آپلود داده ها به یک مخزن داده استفاده می شود. وقتی که یک M-سرمایه گذار حرکت می کند، داده ها را از هر گره و همه ی گره های کل شبکه جمع آوری می کند و آن ها را به مخزن داده آپلود می کند. محدودیت فاصله / زمان همچنین افزایش می یابد. سیستم پیشنهادی از M-سرمایه گذار چندگانه استفاده می کند که توسط بخش بندی شبکه به تعدادی از شبکه های فرعی کوچک تشکیل می شوند. هر کدام از آنها داده ها را به صورت پویا از طریق حرکت از میان تعدادی زیر تور کوچکتر در کل شبکه جمع آوری می کنند، داده ها را به یک مخزن داده آپلود می کنند و محدودیت فاصله / زمان را کاهش می دهند. سیستم پیشنهادی سیاست های حمایتی ذخیره را برای به حداقل رساندن هزینه تأمین داده های الکترونیکی در شبکه های حسگر بی سیم اجتماعی( (SWSNET معرفی می کند. SWSNET ها توسط سرمایه گذار اطلاعات موبایل ، مانند گوشی های فعال داده ، خوانندگان کتاب های الکترونیکی و غیره، تشکیل می شوند. که منافع مشترک را در محتوای الکترونیکی به اشتراک می گذارند ، و به صورت فیزیکی با هم در مکان های عمومی جمع می شوند. ذخیره شی الکترونیکی در چنین SWSNETs نشان داده شده است که قادر به کاهش هزینه ی تأمین داده می باشد که به شدت به خدمات و قیمت گذاری در میان سهامداران مختلف از جمله ارائه دهندگان داده ها (DP)، ارائه دهندگان خدمات شبکه و مشتریان نهایی (EC) وابسته می باشند.

کلمات کلیدی: M-سرمایه گذار، SWSNET، ارائه دهندگان داده (DP)، ارائه دهندگان خدمات شبکه، مشتریان نهایی (EC)، ارائه دهندگان خدمات مخابرات (CSP)

—————————————————————–

عنوان اصلی مقاله:  Ensuring higher security for gathering and economically distributing the data in social wireless sensor networks

ترجمه فارسی عنوان: اطمینان از امنیت بالاتر برای جمع آوری و توزیع اقتصادی داده ها در شبکه های حسگر بی سیم اجتماعی

تعداد صفحات انگلیسی:  ۹ صفحه

تعداد صفحات ترجمه فارسی: ۱۹ صفحه

دانلود مقاله و ترجمه

مقاله ترجمه شده یادگیری ماشین 2016

چکیده

 در این مقاله، یک الگوریتم یادگیری متوالی جدید با ترکیب کردن یادگیری ماشین حدی متوالی آنلاین (OS-ELM) و رگرسیون فیلتر کالمن ساخته شده است. یادگیری ماشین حدی متوالی آنلاین کالمن (KOSELM) مسئله‌ی چند خطی OS-ELM را حل می‌کند، که می تواند پیش بینی ضعیف و مدل‌های ناپایداری را تولید نماید. KOSELM داده های آموزشی را یک به یک یا تکه به تکه با تنظیم واریانس وزن‌های خروجی از طریق فیلتر کالمن، می آموزد. عملکرد الگوریتم ارائه شده بر روی مجموعه داده‌ها‌ی رگرسیون معیار، اعتبارسنجی شده است و نتایج نشان می‌دهد که KOSELM می تواند دقت آموزش بهتری را نسبت به OS-ELM و الحاقات مربوط به آن، ارائه نماید. اعتبار سنجی آماری در مورد تفاوت دقت برای تمام الگوریتم ها انجام شده است، و نتایج تایید می‌کنند که KOSELM پایداری بهتری نسبت به ReOS-ELM، TOSELM و LS-IELM دارا می‌باشد.

 کلمات کلیدی: آموزش متوالی آنلاین، یادگیری ماشین حدی، یادگیری ماشین آنلاین متوالی حدی، رگرسیون فیلتر کالمن، چند خطی

———————————————————-

عنوان اصلی مقاله:    Kalman filter-basedmethodforOnlineSequentialExtremeLearning Machine forregressionproblems

ترجمه فارسی عنوان:  روش مبتنی بر فیلتر کالمن برای یادگیری ماشین حدی متوالی آنلاین برای مسائل رگرسیون

تعداد صفحات انگلیسی:  ۱۰ صفحه

تعداد صفحات ترجمه فارسی: ۳۴ صفحه

دانلود جدیدترین مقالات ترجمه شده کامپیوتر - 2016

کامل ترین بانک مقالات ترجمه شده رشته کامپیوتر
هوش مصنوعی
رباتیک
نرم افزار
سخت افزار
ترجمه مقالات به صورت تخصصی و کامل می باشند
ادرس فروشگاه
www.novintarjome.com
09197902538

مقاله ترجمه شده شبکه ادهاک

خلاصه

در شبکه ادهاک وسیله نقیله(VANET)، وسایل نقیله مجهز به قابلیت‌های رایانشی، دریافتی و ارتباطاتی می‌تواند اطلاعات را در حوزه جغرافیایی مبادله کنند تا پیامهای اضطراری توزیع شود و به سیستم ایمنی دست یابد. سپس چگونگی اجرای کنترل ظریف این پیامها و تضمین پیامهای دریافتی وارده از منبع مطالبه شده در محیط‌هایی با پویای بالا، چالش مهمی می‌شوند که بر کیفیت خدمات تأثیر می‌گذازد. در این مقاله‌ها، کنترل دسترسی سلسله مراتبی را با طرح احراز هویت برای پیامهای انتقال یافته با تضمین امنیت در طول VANET را مطرح نمودیم. با گسترش رمزگذاری بر مبنای مشخصه سیاست خروجی را در یک مرز(CP-ABE) با ساختار سلسله مراتبی چند اختیاری، این طرح نه تنها به علت ساختار سلسله مراتبی به مقیاس پذیری دست می‌یابد، بلکه وارث کنترل دسترسی ظریف به پیامهای ارسال شده است. همچنین با بهره برداری از امضای مبتنی بر ویژگی (ABS) این طرح  می‌تواند وسایل نقلیه‌ای که سازگاری مناسبی با پیام دارد را تأیید هویت نماید. نتایج تحلیل کارآیی و مقایسه با کارهای مرتبط نشان می‌دهد که طرح پیشنهادی جهت سروکار داشتن با کنترل دسترسی و احراز هویت پیام برای انتشار داده‌ها در  VANET ، کارآمد و مقیاس‌پذیر است.

---

عنوان اصلی مقاله :    An efficient message access quality model in vehicular communication networks

ترجمه فارسی عنوان :   مدل کیفیت دسترسی به پیام کارآمد در شبکه‌های ارتباطی وسیله نقلیه

تعداد صفحات انگلیسی:   ۹ صفحه

تعداد صفحات ترجمه فارسی: ۱۸ صفحه

دانلود مقاله و ترجمه