جستجوی عبارت parallel plesk



کد زدن بدون آکولاد و سمی کالن مز ف است.

پایتون زبان خوبیه و کلی طرفدار داره این درست. اما بلوک هایی بدون آکولاد و عباراتی بدون سمی کالن که فقط با کاراکتر فاصله و خط جدید از هم تفکیک میشوند بسیار آزار دهنده است. مخصوصا اگر هدف خواندن و دنبال یک الگوریتم با حلقه های تو در تو در حالی که شامل عبارات شرطی تو در تو هم باشه.(حتی اگر شاخ ترین های دنیا اونو نوشته باشند از نظر من تفاوتی با اسپاگتی ندارد)

بخشی از برنامه morinus...

def calcaspmatrix(self): self.calcspeeds() self.aspmatrix = [[asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp()], [asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp()], [asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp()], [asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp()], [asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp()], [asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp()], [asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp()], [asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp()], [asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp()], [asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp()], [asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp()]] for i in range(self.planets.planets_num-1): for j in range(self.planets.planets_num-1): if i != j: k = i l = j if j > i: k = j l = i #check parallel-cont arallel self.aspmatrix[k][l].parallel = chart.none decl1 = self.planets.planets[i].dataequ[1] decl2 = self.planets.planets[j].dataequ[1] if (decl1 > 0.0 and decl2 > 0.0) or (decl1 < 0.0 and decl2 < 0.0): if ((decl1 > 0.0 and (decl1+self.options.orbisplanetspar[i][0]+self.options.orbisplanetspar[j][0] > decl2) and (decl1-(self.options.orbisplanetspar[i][0]+self.options.orbisplanetspar[j][0]) < decl2)) or (decl1 < 0.0 and (decl1+self.options.orbisplanetspar[i][0]+self.options.orbisplanetspar[j][0] > decl2) and (decl1-(self.options.orbisplanetspar[i][0]+self.options.orbisplanetspar[j][0]) < decl2))): self.aspmatrix[k][l].parallel = chart.parallel else: if decl1 < 0.0: decl1 *= -1.0 if decl2 < 0.0: decl2 *= -1.0 if (decl1+self.options.orbisplanetspar[i][1]+self.options.orbisplanetspar[j][1] > decl2) and (decl1-(self.options.orbisplanetspar[i][1]+self.options.orbisplanetspar[j][1]) < decl2): self.aspmatrix[k][l].parallel = chart.cont arallel for a in range(chart.aspect_num): #check aspects val1 = self.planets.planets[j].data[0]+self.options.orbis[j][a]+self.options.orbis[i][a] val2 = self.planets.planets[j].data[0]-(self.options.orbis[j][a]+self.options.orbis[i][a]) if (self.inorbsinister(val1, val2, self.planets.planets[i].data[0], a)): tmp = util.normalize(self.planets.planets[i].data[0]+chart.aspects[a]) dif = math.fabs(tmp-self.planets.planets[j].data[0]) if self.aspmatrix[k][l].typ == chart.none or (self.aspmatrix[k][l].typ != chart.none and self.aspmatrix[k][l].dif > dif): self.aspmatrix[k][l].typ = a self.aspmatrix[k][l].aspdif = dif self.aspmatrix[k][l].appl = self.isapplplanets(tmp, i, j) #check exact val1 = self.planets.planets[j].data[0]+self.options.exact val2 = self.planets.planets[j].data[0]-self.options.exact if (self.inorbsinister(val1, val2, self.planets.planets[i].data[0], a)): self.aspmatrix[k][l].exact = true else: self.aspmatrix[k][l].exact = false dif = self.planets.planets[i].data[0]-self.planets.planets[j].data[0] if self.planets.planets[j].data[0] > self.planets.planets[i].data[0]: dif = self.planets.planets[j].data[0]-self.planets.planets[i].data[0] if dif > 180.0: dif = 360.0-dif self.aspmatrix[k][l].dif = dif nodes = 2 # ascmc self.aspmatrixascmc = [[asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(), asp()], [asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(), asp()]] ascmc = [self.houses.ascmc2[houses.houses.asc][houses.houses.decl], self.houses.ascmc2[houses.houses.mc][houses.houses.decl]] for i in range(self.planets.planets_num-1): for j in range(2): #check parallel-cont arallel self.aspmatrixascmc[j][i].parallel = chart.none decl1 = self.planets.planets[i].dataequ[1] decl2 = ascmc[j] if (decl1 > 0.0 and decl2 > 0.0) or (decl1 < 0.0 and decl2 < 0.0): if ((decl1 > 0.0 and (decl1+self.options.orbisparascmc[0]+self.options.orbisplanetspar[i][0] > decl2) and (decl1-(self.options.orbisparascmc[0]+self.options.orbisplanetspar[i][0]) < decl2)) or (decl1 < 0.0 and (decl1+self.options.orbisparascmc[0]+self.options.orbisplanetspar[i][0] > decl2) and (decl1-(self.options.orbisparascmc[0]+self.options.orbisplanetspar[i][0]) < decl2))): self.aspmatrixascmc[j][i].parallel = chart.parallel else: if decl1 < 0.0: decl1 *= -1.0 if decl2 < 0.0: decl2 *= -1.0 if (decl1+self.options.orbisparascmc[1]+self.options.orbisplanetspar[i][1] > decl2) and (decl1-(self.options.orbisparascmc[1]+self.options.orbisplanetspar[i][1]) < decl2): self.aspmatrixascmc[j][i].parallel = chart.cont arallel for a in range(chart.aspect_num): if i == self.planets.planets_num-nodes and a > 0:#exclude the aspects of the nodes break #check aspects val1 = self.houses.ascmc[j]+self.options.orbisascmc[a]+self.options.orbis[i][a] val2 = self.houses.ascmc[j]-(self.options.orbisascmc[a]+self.options.orbis[i][a]) if (self.inorbsinister(val1, val2, self.planets.planets[i].data[0], a)): tmp = util.normalize(self.planets.planets[i].data[0]+chart.aspects[a]) dif = math.fabs(tmp-self.houses.ascmc[j]) if self.aspmatrixascmc[j][i].typ == chart.none or (self.aspmatrixascmc[j][i].typ != chart.none and self.aspmatrixascmc[j][i].dif > dif): self.aspmatrixascmc[j][i].typ = a self.aspmatrixascmc[j][i].aspdif = dif self.aspmatrixascmc[j][i].appl = tmp > self.houses.ascmc[j] #exact val1 = self.houses.ascmc[j]+self.options.exact val2 = self.houses.ascmc[j]-self.options.exact if (self.inorbsinister(val1, val2, self.planets.planets[i].data[0], a)): self.aspmatrixascmc[j][i].exact = true else: self.aspmatrixascmc[j][i].exact = false else:#negativ if (self.inorbdexter(val1, val2, self.planets.planets[i].data[0], a)): tmp = util.normalize(self.planets.planets[i].data[0]-chart.aspects[a]) dif = math.fabs(tmp-self.houses.ascmc[j]) if self.aspmatrixascmc[j][i].typ == chart.none or (self.aspmatrixascmc[j][i].typ != chart.none and self.aspmatrixascmc[j][i].dif > dif): self.aspmatrixascmc[j][i].typ = a self.aspmatrixascmc[j][i].aspdif = dif self.aspmatrixascmc[j][i].appl = tmp > self.houses.ascmc[j] #exact val1 = self.houses.ascmc[j]+self.options.exact val2 = self.houses.ascmc[j]-self.options.exact if (self.inorbdexter(val1, val2, self.planets.planets[i].data[0], a)): self.aspmatrixascmc[j][i].exact = true else: self.aspmatrixascmc[j][i].exact = false dif = self.planets.planets[i].data[0]-self.houses.ascmc[j] if self.houses.ascmc[j] > self.planets.planets[i].data[0]: dif = self.houses.ascmc[j]-self.planets.planets[i].data[0] if dif > 180.0: dif = 360.0-dif self.aspmatrixascmc[j][i].dif = dif # houses hidx = (1, 2, 3, 10, 11, 12) self.aspmatrixh = [[asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(), asp()], [asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(), asp()], [asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(), asp()], [asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(), asp()], [asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(), asp()], [asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(),asp(), asp()]] for i in range(self.planets.planets_num-1): for j in range(len(hidx)): #check parallel-cont arallel self.aspmatrixh[j][i].parallel = chart.none decl1 = self.planets.planets[i].dataequ[1] decl2 = self.houses.cusps2[hidx[j]-1][1] if (decl1 > 0.0 and decl2 > 0.0) or (decl1 < 0.0 and decl2 < 0.0): if ((decl1 > 0.0 and (decl1+self.options.orbisparh[0]+self.options.orbisplanetspar[i][0] > decl2) and (decl1-(self.options.orbisparh[0]+self.options.orbisplanetspar[i][0]) < decl2)) or (decl1 < 0.0 and (decl1+self.options.orbisparh[0]+self.options.orbisplanetspar[i][0] > decl2) and (decl1-(self.options.orbisparh[0]+self.options.orbisplanetspar[i][0]) < decl2))): self.aspmatrixh[j][i].parallel = chart.parallel else: if decl1 < 0.0: decl1 *= -1.0 if decl2 < 0.0: decl2 *= -1.0 if (decl1+self.options.orbisparh[1]+self.options.orbisplanetspar[i][1] > decl2) and (decl1-(self.options.orbisparh[1]+self.options.orbisplanetspar[i][1]) < decl2): self.aspmatrixh[j][i].parallel = chart.cont arallel for a in range(chart.aspect_num): if i == self.planets.planets_num-nodes and a > 0:#exclude the aspects of the nodes break #check aspects orbh = self.options.orbish[a] val1 = self.houses.cusps[hidx[j]]+orbh+self.options.orbis[i][a] val2 = self.houses.cusps[hidx[j]]-(orbh+self.options.orbis[i][a]) if (j == 0 or j == 3) and (self.houses.hsys == 'p' or self.houses.hsys == 'k' or self.houses.hsys == 'o' or self.houses.hsys == 'r' or self.houses.hsys == 'c' or self.houses.hsys == 'e' or self.houses.hsys == 't' or self.houses.hsys == 'b'): orbh = self.options.orbisascmc[a] pllon = self.planets.planets[i].data[0] if self.options.ayanamsha != 0 and self.houses.hsys == 'w': pllon = util.normalize(pllon-self.ayanamsha) if (self.inorbsinister(val1, val2, pllon, a)): tmp = util.normalize(pllon+chart.aspects[a]) dif = math.fabs(tmp-self.houses.cusps[hidx[j]]) if self.aspmatrixh[j][i].typ == chart.none or (self.aspmatrixh[j][i].typ != chart.none and self.aspmatrixh[j][i].dif > dif): self.aspmatrixh[j][i].typ = a self.aspmatrixh[j][i].aspdif = dif self.aspmatrixh[j][i].appl = tmp > self.houses.cusps[hidx[j]] #exact val1 = self.houses.cusps[hidx[j]]+self.options.exact val2 = self.houses.cusps[hidx[j]]-self.options.exact if (self.inorbsinister(val1, val2, pllon, a)): self.aspmatrixh[j][i].exact = true else: self.aspmatrixh[j][i].exact = false else:#negativ if (j == 0 or j == 3) and (self.houses.hsys == 'p' or self.houses.hsys == 'k' or self.houses.hsys == 'o' or self.houses.hsys == 'r' or self.houses.hsys == 'c' or self.houses.hsys == 'e' or self.houses.hsys == 't' or self.houses.hsys == 'b'): orbh = self.options.orbisascmc[a] if (self.inorbdexter(val1, val2, pllon, a)): tmp = util.normalize(pllon-chart.aspects[a]) dif = math.fabs(tmp-self.houses.cusps[hidx[j]]) if self.aspmatrixh[j][i].typ == chart.none or (self.aspmatrixh[j][i].typ != chart.none and self.aspmatrixh[j][i].dif > dif): self.aspmatrixh[j][i].typ = a self.aspmatrixh[j][i].aspdif = dif self.aspmatrixh[j][i].appl = tmp > self.houses.cusps[hidx[j]] #exact val1 = self.houses.cusps[hidx[j]]+self.options.exact val2 = self.houses.cusps[hidx[j]]-self.options.exact if (self.inorbdexter(val1, val2, pllon, a)): self.aspmatrixh[j][i].exact = true else: self.aspmatrixh[j][i].exact = false dif = pllon-self.houses.cusps[hidx[j]] if self.houses.cusps[hidx[j]] > pllon: dif = self.houses.cusps[hidx[j]]-pllon if dif > 180.0: dif = 360.0-dif self.aspmatrixh[j][i].dif = dif self.calclofaspmatrix() 


مقاله انگلیسی با ترجمه همجوشی داده آسنکرون (ناهمگام) با فریم ینگ پارالل

عنوان فایل ترجمه فارسی: همجوشی داده آسنکرون (غیرهمزمان) با فریم ینگ پارالل
عنوان نسخه انگلیسی: asynchronous data fusion with parallel filtering frame
مرتبط با رشته های : کامپیوتر و فناوری اطلاعات
تعداد صفحات مقاله فارسی: ۱۸ صفحه
این فایل ترجمه شده به صورت ورد word است و دارای امکان ویرایش می باشد.
و دریافت رایگان متون لاتین در قسمت پایین با فرمت pdf آمده است.

قسمتی از متن انگلیسی:
then, the basic idea of parallel filtering fusion algorithm with integer times sampling is as follows: the sampling points of all of sensors are mapped to the reference axis on the basis of sampling time of fusion center. afterwards, the time axis of sensor n can be taken as basis and the parallel filtering algorithm can be performed. especially, when the sampling point has multiple measurements, the sequential filtering fusion in [9] can be used. finally, we can get the fusion estimate based on the global information for every sampling point n n km + l in the fusion period. in order to realize above-mentioned idea, the following problems must be solved: i) one is how to perform the parallel filtering algorithm based on sensor n . ii) the other is how to distinguish which sensor measurements every sampling time has in a fusion period. next, the fusion algorithm is established in terms of solving above-mentioned two problems.

قسمتی از ترجمه مقاله
این مقاله به بررسی طرح الگوریتم همجوشی داده برای سیستم اسنکرون (غیرهمزمان) با نمونه برداری زمان عدد صحیح می پردازد. ابتدائا، نمونه برداری اسنکرون چندحسگری برای محور اصلی مد نظر قرار گرفته، و بر این اساس توالی نمونه برداری خسگر مجزا مد نظر قرار داده می شود. دوم اینکه، با مد نظر قرار دادن حسگرهایی با نقاط نمونه برداری متراکم، ینگ پارالل اصلاح شده، داده می شود. بعد از ان، روش همجوشی ینگ متوالی معرفی می شود تا در ارتباط با مواردی باشد تا نگاشت اندازه گیری متعددی در بعضی از نقاط نمونه برداری وجود داشته باشد. در نهایت، الگوریتم ینگ پارالل جدید برای سیستم اسنکرون با نمونه برداری زمان های عدد صحیح مطرح گردد. علاوه بر این، طرح مشخصی برای تفکیک ارقام اندازه گیری در هر نقطه نمونه برداری در دوره همجوشی مطرح می گردد. شبیه سازی ارقام عددی کامپیوتری ساده ارائه شده تا به تایید کارایی طرح مورد نظر و الگوریتم همجوشی اسنکرون مطرح شده بپردازد.
کلیدواژه- همجوشی داده، سیستم اسنکرون (غیرهمزمان)، نمونه برداری زمان عدد صحیح، ینگ پارالل، ینگ متوالی

مقاله انگلیسی با ترجمه همجوشی داده آسنکرون (ناهمگام) با فریم ینگ پارالل

جهت مشاهده ادامه نمونه متن پارسی این مقاله بر روی نوار پایین کلیک نمایید.
%d8%af%d8%a7%d9%86%d9%84%d9%88%d8%af-%d8%aa%d8%b1%d8%ac%d9%85%d9%87-%d9%85%d9%82%d8%a7%d9%84%d9%87-%d9%88-%d8%aa%d9%88%d8%b6%db%8c%d8%ad%d8%a7%d8%aa-%d8%a8%db%8c%d8%b4%d8%aa%d8%b1



اختصاصی از فایل هلپ ترجمه مقاله parallel algorithm for finding modules of large-scale coherent fault trees با و پر سرعت .

عنوان انگلیسی :

            parallel algorithm for finding modules of large-scale coherent fault trees

سال چاپ : 2015

تعداد صفحه : 4

عنوان فارسی :    

قابلیت اطمینان میکروالکترونیکی-الگوریتم های موازی برای پیدا نمونه های بزرگ درختان خطای منسجم

چکیده :

the computation of the probability of the top event or minimal cut sets of fault trees is known as intractable np-hard problems.modularization can be used to reduce the computational cost of basic operations on fault trees efficiently. the idea of the linear time algorithm, as a very efficient and compact modules detecting algorithm, is visiting the nodes one by one with top-down depth-first left-most traversal of the tree. so the efficiency of the linear time algorithm is limited by nodes visiting time successively and serially, especially when confronting large-scale fault trees. aiming at improving the efficiency of modularizing largescale fault trees, this paper proposes a new parallel method to find all possible modules. firstly, we transform the fault tree into a directed acyclic g h (dag) and treat the terminal basic nodes as entries of the algorithm. and then, according to the proposed rules in this paper, we traverse the g h bottom-up from the terminal nodes and mark the internal nodes in a parallel way. therefore, we can compare all internal nodes and decidewhich nodes aremodules. eventually, an experiment is carried out to compare the linear and parallel algorithm, and the result shows that the proposed parallel algorithm is efficient on handling large-scale fault trees.

عنوان فارسی :    

قابلیت اطمینان میکروالکترونیکی-الگوریتم های موازی برای پیدا نمونه های بزرگ درختان خطای منسجم

تعداد صفحه : 10 صفحه

چکیده : 

محاسبه احتمال اتفاقات مهم یا حداقل مجموعه برشهای درختان خطا (گسل) به عنوان np مقاوم و رام نشدنی- مشکلات سخت، شناخته می شود. پیمانه بندی (ماژول سازی) میتواند برای کم شدن هزینه های محاسبات عملیات اولیه درختان خطای کار آمد، استفاده شود. ایده الگوریتم خطی زمانی، به عنوان یک الگوریتم خیلی کارآمد و شناساگر ماژول های فشرده، گره هارا یک به یک از بالا به پایین، اول عمق، بیشترین پیمایش به سمت چپ درخت را، بررسی می کند، بنابراین کارآمدی الگوریتم زمانی خطی به وسیله دیدن گره ها به صورت پی در پی و ردیفی محدود می باشد، مخصوصا زمانی که با یک درخت خطای بزرگ روبه رو هستیم. با هدف بهبود کارآیی پیمانه بندی درختان خطای منسجم بزرگ، این مقاله یک روش موازی را برا پیدا تمامی نمونه های احتمالی (ماژول) ارائه می دهد. در گام نخست، ما درختان خطای منسجم بزرگ را به یک گراف جهت دار غیر مدور تغییر میدهیم (dag) و با گره های اصلی ترمینال مانند ورودی الگوریتم برخورد می کنیم. و سپس، با توجه به قوانین ارائه شده در این مقاله، ما از گره ترمینال در گراف از پایین به بالا حرکت می کنیم و گره های داخلی در راه های موازی را، علامت می زنیم. بنابراین، ما می توانیم تمام گره های داخلی را باهم مقایسه کنیم و تصمیم بگیریم که کدام یک از گره ها ماژول هستند. در نهایت، پژوهشی برای مقایسه الگوریتم های موازی و خطی انجام شد، و نتایج نشان می دهد که الگریتم موازی برای بررسی و رسیدگی به درختان خطای بزرگ، کارآمد است.


با


ترجمه مقاله parallel algorithm for finding modules of large-scale coherent fault trees

اختصاصی از فایلکو تحقیق درباره تحلیل الگوریتم شاخه و قید موازی آسنکرون asynchronous parallel branch and bound algorithm با و پر سرعت .

لینک و ید پایین توضیحات

فرمت فایل word  و قابل ویرایش و پرینت

تعداد صفحات: 51

 

تحلیل الگوریتم شاخه و قید موازی آسنکرون

asynchronous parallel branch and bound algorithm

1- خلاصه:

در این مقاله توضیحی درباره کامپیوترهای موازی می دهیم و بعد الگوریتمهای موازی را بررسی می کنیم. ویژگیهای الگوریتم branch & bound را بیان می کنیم و الگوریتمهای b&b موازی را ارائه می دهیم و دسته ای از الگوریتمهای b&b آسنکرون برای اجرا روی سیستم mimd را توسعه می دهیم. سپس این الگوریتم را که توسط عناصر پردازشی ناهمگن اجرا شده است بررسی می کنیم.

نمادهای perfect parallel و achieved effiency را که بطور تجربی معیار مناسبی برای موازی سازی است معرفی می کنیم زیرا نمادهای قبلی speed up (تسریع) و efficiency (کارایی) توانایی کامل را برای اجرای واقعی الگوریتم موازی آسنکرون نداشتند. و نیز شرایی را فراهم کردیم که از آنومالیهایی که به جهت موازی سازی و آسنکرون بودن و یا عدم قطعیت باعث کاهش کارایی الگوریتم شده بود، جلوگیری کند.

2- معرفی:

همیشه نیاز به کامپیوترهای قدرتمند وجود داشته است. در مدل سنتی محاسبات، یک عنصر پردازشی منحصر تمام taskها را بصورت خطی (seqventia) انجام میدهد. به جهت اجرای یک دستورالعمل داده بایستی از محل یک کامپیوتر به محل دیگری منتقل می شد، لذا نیاز هب کامپیوترهای قدرتمند اهمیت روز افزون پیدا کرد. یک مدل جدید از محاسبات توسعه داده شد، که در این مدل جدید چندین عنصر پردازشی در اجرای یک task واحد با هم همکاری می کنند. ایده اصل این مدل بر اساس تقسیم یک task به subtask های مستقل از یکدیگر است که می توانند هر کدام بصورت parallel (موازی) اجرا شوند. این نوع از کامپیوتر را کامپیوتر موازی گویند.

تا زمانیکه این امکان وجود داشته باشد که یک task را به زیر taskهایی تقسیم کنیم که اندازه بزرگترین زیر task همچنان به گونه ای باشد که باز هم بتوان آنرا کاهش داد و البته تا زمانیکه عناصر پردازشی کافی برای اجرای این sub task ها بطور موازی وجود داشته باشد، قدرت محاسبه یک کامپیوتر موازی نامحدود است. اما در عمل این دو شرط بطور کامل برقرار نمی شوند:

اولاً: این امکان وجود ندارد که هر taskی را بطور دلخواه به تعدادی زیر task های مستقل تقسیم کنیم. چون همواره تعدادی زیر task های وابسته وجود دارد که بایستی بطور خطی اجرا شوند. از اینرو زمان مورد نیاز برای اجرای یک task بطور موازی یک حد پایین دارد.

دوماً: هر کامپیوتر موازی که عملاً ساخته می شود شامل تعداد معینی عناصر پردازشی (processing element) است. به محض آنکه تعداد taskها فراتر از تعداد عناصر پردازشی برود، بعضی از sub task ها بایستی بصورت خطی اجرا شوند و بعنوان یک فاکتور ثابت در تسریع کامپیوتر موازی تصور می شود.

الگوریتمهای b&b مسائل بهینه سازی گسسته را به روش تقسیم فضای ح حل می کنند. در تمام این مقاله فرض بر این است که تمام مسائل بهینه سازی مسائل می نیمم هستند و منظور از حل یک مسئله پیدا یک حل ممکن با مقدار می نیمم است. اگر چندین حل وجود داشته باشد، مهم نیست کدامیک از آنها پیدا شده.

الگوریتم b&b یک مسئله را به زیر مسئله های کوچکتر بوسیله تقسیم فضای ح به زیر فضاهای (subspace) کوچکتر، تجزیه می کند. هر زیر مسئله تولید شده یا حل است و یا ثابت می شود که به حل بهینه برای مسئله اصلی (original) نمی انجامد و حذف می شود. اگر برای یک زیر مسئله هیچ کدام از این دو امکان بلافاصله استنباط نشود، آن زیر مسئله به زیرمسئله های کوچکتر دوباره تجزیه می شود.


با


تحقیق درباره تحلیل الگوریتم شاخه و قید موازی آسنکرون asynchronous parallel branch and bound algorithm

صف بندی رشته یک ابزار مهم در زیست شناسی برای مرتبط ساختار مولکولی و عملکرد رشته داخل آن می باشد در این مساله، رشته های زیستی همچون dna و رشته های پروتئینی بصورت زنجیرهایی از الفبای کاراکترها در نظر گرفته می شوند jones صف بندی رشته در رشته های زیستی، تحت عنوان صف بندی شناخته شده اند
دسته بندی مقالات ترجمه شده isi
بازدید ها 52
فرمت فایل doc
حجم فایل 1796 کیلو بایت
تعداد صفحات فایل 13
ترجمه طلایی صف بندی موازی برنامه نویسی dna

فروشنده فایل

کد کاربری 197
کاربر

صف بندی موازی برنامه نویسی dna

چکیده-در این مقاله ما یک الگوریتم موازی جدید پیشنهاد می کنیم که صف بندی بهینه رشته برنامه نویسی dna مبتنی بر مدل dna/protein که توسط hein پیشنهاد شده است را بمنظور تعیین فاصله بین دو رشته برنامه نویسی dna محاسبه کند. اثبات خواهیم کرد که این الگوریتم نسبت به الگوریتم ترتیبی، از نظر هزینه بهینه بوده و تطبیقی می باشد. الگوریتم موازی اجرا شده و نتایج آزمایشی، کارایی این الگوریتم را نشان خواهد داد.

کلیدواژگان: بیوانفورماتیک، الگوریتم های موازی، تنظیمات رشته.

parallel alignment of coding dna
s.h. alavi-soltani, h. ahrabian1, a. nowzari-dalini
center of excellence in biomathematics,
school of mathematics, statistics, and computer science,
university of tehran, tehran, iran.
email: {alavi,ahrabian,nowzari}@ut.ac.ir.
abstract
we present a new parallel algorithm that computes an optimal alignment of the coding dna sequences based on dna/protein model proposed by hein for the evaluating distance between two coding dna sequence. the algorithm is proved to be adaptive and cost optimal with respect to the sequential algorithm. the parallel algorithm is implemented and experimental results show the efficiency of algorithm.
keywords: bioinformatics, parallel algorithms, sequence alignments.
1 introduction

  1. مقدمه

برنامه نویسی دینامیکی روش انتخاب نواحی هم جهت شده رشته های dna و پروتئینی می باشد. برای تعدادی از طرح های امتیازدهی صف بندی، این روش برای تولید یک صف بندی از دو رشته داده شده، با بیشترین احتمال امتیاز تضمین شده می باشد. امتیاز بندی با در نظر گرفتن فواصل بین دو رشته تغییر می یابد. مکانیزم امتیاز دهی برای دو رشته را می توان با سه مدل مختلف طراحی کرد:

مدل dna، مدل پروتئین، مدل پروتئین/dna. در این مقاله، با مدل پروتئین/dna سر و کار خواهیم داشت. حال توضیح مختصری در مورد این سه مدل می دهیم.

یک روش سرراست، فاصله تکاملی بین دو رشته برنامه نویسی dna این است که از برنامه نویسی پروتیئن چشم پوشی کرده و فاصله را با استفاده از چند مدل تکاملی dna محاسبه کند. فاصله تکاملی بین دو رشته در یک مدل سطح dna را می توان اغلب بصورت مساله صف بندی کلاسیک فرمول نویسی کرده و بصورت کارایی با برنامه نویسی دینامیکی محاسبه کرد [jones و همکارانش2004؛ needlman 1970و همکارانش؛ 1980waterman].

معمولا توصیف فاصله تکاملی بر اساس یک صف بندی از پروتئین های رمزگذاری شده نسبت به یک صف بندی تنها بر اساس برنامه نویسی dna بیشتر قابل اتکا می باشد [pearson, 1996].



شرکت گروه شبکه آوا سرور در آدرس avaserver.com دارای 8 سال سابقه حرفه ای در عرضه میزبانی وب ،‌ ارائه دهنده سرویس های وب هاستینگ ،‌نمایندگی هاست ، ثبت دامنه ، سرور مجازی ، سرور اختصاصی می باشد .
وب هاستینگ لینو آوا سرور : با بالاترین سطح امنیت و کیفیت، مخصوص انی که حرفه ای می شند ، مناسب برای میزبانی سایت ها و پرتال های php / mysql / html با به روزترین نسخه ها و دارای مجهزترین کنترل پنل cpanel/whm می باشد .
وب هاستینگ ویندوز آوا سرور : با بالاترین سطح امنیت و کیفیت، مناسب برای میزبانی سایتهای asp.net 4.5 & 3.5 & 2.0 html و بانک اطلاعاتی sql server 2014 و iis 8,7.5دارای url rewrite و external cacheودارای به روزترین نرم افزار های سرور های ویندوز دارای معتبرترین کنترل پنل ویندوزی جهان parallel plesk (odin) می باشد .
نمایندگی هاست های ویندوز و لینو با کنترل پنل های parallel plesk (odin) و cpanel/whm با سطح دسترسی بالا برای نمایندگان و قابلیت ایجاد dns اختصاصی برای هر هم می باشد .
سرویس ثبت دامنه : در آوا سرور در بهترین و معتبرترین ثبت کننده دامنه resello (publicregisterydomains) در جهان صورت می گیرد و همچنین آوا سرور دامنه های ایران در nic.ir می باشد و به محض پرداخت به صورت آنی فعال می شود و پنل اختصاصی به شما ارائه می شود .
سرور های مجازی آوا سرور : با به روز ترین و حرفه ای ترین تکنولوژی های مجازی سازی ارائه می شوند و در کشور های ، امارات ، ایران ، هلند ، آلمان قابل ارائه می باشند سرویس سرور های مجازی آوا سرور از برترین تکنولوژی های مجازی ساز بهره می برد ، که esxi/esx 6.0 با قدرت vmware می باشد.
سرور اختصاصی آوا سرور : ارائه سرور اختصاصی در بهترین مراکز داده جهان در کشور های ،‌‌امارات ، هلند ، فرانسه ، آلمان با رفع تمامی مشکلات تحریمی …
برای سفارش و اطلاعات بیشتر از سرویس های آوا سرور به سایت avaserver.com مراجعه فرمایید.


parallel structure

parallel structure is when you balance the grammatical structures of

words, clauses, sentences, or phrases in your writing.

they are important for any kind of writing and speaking in order to maintain

coherency.

in this particular lesson we'll look at parallel words and phrases.

we make words or phrases parallel when we are writing things in a list or

series, and each word must have the same grammatical form.

for words, nouns are balanced with nouns, adjectives with adjectives, verbs

with verbs, gerunds with gerunds, and so on.

for phrases, prepositional phrases are balanced with prepositional phrases,

infinitive phrases with infinitive phrases, and gerund phrases with gerund

phrases.

the coordinating conjunctionand’ is usually used to connect the parallel

items, but other coordinating conjunctions such as ‘or’ and ‘nor’ may be

used.

correlative conjunctions such as 'both/and', 'neither/nor' and 'whether/or'

are also used as connectors.


نرم افزار parallel space-multi accounts یک اپ مفید برای آن دسته از افرادی است که می خواهند چند اکانت متفاوت در شبکه های اجتماعی به صورت هم زمان داشته باشند، می باشد. شاید شما هم نیاز داشته باشید که چند اکانت از یک نرم افزار خاص را بر روی گوشی خود نصب کنید. نرم افزار هایی مثل پلاس مسنجر و واتس اَپ پلاس که به شما امکان نصب دو نسخه از مسنجر های محبوب تلگرام و واتس اَپ را می دهد  اما شما باید به تعداد نسخه هایی که نیاز دارین نرم افزار بر روی دستگاه اندرویدی خود نصب کنید.


parallel space-multi accounts


http://yazdapk.com/parallel-space-multi-accounts/


 intel parallel studio xe 2017 update 2 cluster edition x64 - کامپایل برنامه های فرترن و سی پلاس پلاس و ارائه بهترین عملکرد از آن ها

برنامه نویسی موازی (parallel programming) برای استفاده هر چه بهتر از منابع سیستم و افزایش سرعت و کارایی برنامه روی پردازنده ها به وجود آمد. در این نوع برنامه نویسی، قسمت هایی از برنامه اصلی که قابلیت اجرای همزمان را دارند به چند زیربرنامه ...
intel parallel studio xe 2017 update 2 cluster edition x64 - کامپایل برنامه های فرترن و سی پلاس پلاس و ارائه بهترین عملکرد از آن ها ...

مطالب مرتبط:




سیستمهای موازی و معماریهای پایگاه داده موازی parallel systems & parallel database architecturs

 

 

parallel systems :


سیستم های موازی ، پردازش و سرعت i/o را با استفاده از چندین cpu و دیسکهای موازی افزایش می دهند.ماشین های موازی به طور فزاینده ای عمومی شده اند و در نتیجه , مطالعه سیستم های پایگاه داده موازی را با اهمیت تر ساخته اند.برنامه های کاربردی(application) که با پایگاه داده های بزرگ سروکار دارند و یا برنامه هایی که بایستی تعداد بسیار زیادی تراکنش را در واحد زمان (ثانیه) پردازش نمایند , بیشتر متقاضی سیستم های پایگاه داده موازی هستند.


  • سیستم های client_ serverو متمرکز ، توانایی کافی برای اداره این چنین برنامه های کاربردی را ندارند .
  • در پردازش موازی،عملیات زیادی به طور همزمان اجرا می گردند برخلاف پردازش سری ، که گامهای محاسباتی به طور ترتیبی اجرا می شوند.


 


ماشینهای موازی را در دسته های coarse_garin(درشت) و fine_garin(ریز) تقسیم بندی می کنند.


  • یک ماشین موازی coarse_grain شامل یک تعدادی پردازنده قوی است.
  • یک ماشین m ively parallel یا fine_grain parallel , هزاران پردازنده کوچک را استفاده می کند.


 


database performance :


دو معیار سنجش کارآیی پایگاه داده ها عبارتند از :


  • through-put (توان عملیاتی) : تعداد وظایفی (تراکنشهایی) که می توانند در یک واحد زمانی کامل گردند.
  • response time (زمان پاسخ) : مقدار زمانی که یک وظیفه (تراکنش) از زمان آغاز تا پایان صرف می کند ، در ح میانگین یا بدترین ح .


یک سیستمی که تعداد زیادی ترکنشهای کوچک را پردازش می کند ، می تواند توان عملیاتی را با پردازش این تراکنشها بصورت موازی ، افزایش دهد.


یک سیستمی که تراکنشهای بزرگ را پردازش می کند ، می تواند زمان پاسخ را مانند توان عملیاتی ، با اجرای وظایف کوچک هر تراکنش (tasks) در ح موازی ، افزایش دهد.


 


speedup and scaleup (تسریع و توسعه) :


دو موضوع مهم در مطالعه موازی سازی ، تسریع و توسعه می باشد .


  • اجرای یک وظیفه task)) داده شده در زمان کمتر با افزایش درجه موازی سازی را تسریع speedup)) گویند.
  • اداره وظایف بزرگتر را با افزایش درجه موازی سازی ، توسعه (scaleup) گویند.


 


در سیستمهای پایگاه داده موازی بسته به اینکه چگونه سایز وظیفه (task) اندازه گیری شود ،دو نوع scaleup  وجود دارد :


 


  • ·          batch scaleup :

در batch scaleup سایز پایگاه داده افزایش می یابد و وظایفtask))، کارهای (jobs) بزرگی هستند که زمان اجرای آنها وابسته به اندازه پایگاه داده است. یک مثال می تواند پیمایش یک ج که سایز آن متناسب با سایز پایگاه داده باشد. درنتیجه اندازه پایگاه داده ، اندازه مسئله است.batch scaleup بیشتر در برنامه های کاربردی علمی بکار می رود .


 


  • ·          transaction scaleup :

در transaction scaleup نرخ تراکنشها ، به عنوان معیار افزایش سایز پایگاه داده به کار می رود.


 


معیار scaleup  معمولا معیار مهمتری برای اندازه گیری کارایی سیستم های پایگاه داده موازی است . هدف از موازی سازی در سیستم های پایگاه داده ، معمولا ایجاد این اطمینان است که سیستم پایگاه داده ، می تواند به اجرای خود با یک سرعت قابل قبول ادامه دهد . حتی اگر سایز پایگاه داده و تعداد تراکنشها افزایش یابند . افزایش ظرفیت سیستم با افزایش موازی سازی ، یک مسیر هموار کننده را برای رشد یک سازمان با جایگزینی یک سیستم متمرکز با ماشین سریع تر ارائه می کند.


 


عواملی که باعث کاهش speedup و scaleup می شوند:


     


  • هزینه start_up : هزینه start_up با آغاز یک پردازش واحد مرتبط است. در یک اجرای موازی شامل هزاران پردازش ، زمان start_up ممکن است زمان پردازش واقعی را تحت شعاع قرار دهد.(تاثیر منفی بر speedup).
  • تداخل interfrence)): از آنجایی که اجرای پردازش ها در یک سیستم موازی با دسترسی فراوان به منابع مشترک صورت می گیرد ، کاهش سرعت ممکن است نتیجه تداخل هر پردازش جدیدی باشد که نیازمند منابع مشترکی است که در اختیار پردازش های دیگر باشد.مانند systembus ، دیسک مشترک و یا حتی قفل(lock).(speedup و scaleup هر دو متأثر می شوند)
  • انحراف (skew) : با ش تن یک task به تعدادی گامهای موازی ، ما میانگین سایز هر مرحله را کاهش می دهیم . با وجود این ، زمان سرویس برای کم سرعت ترین مرحله ، زمان سرویس را برای وظیفه (task)در کل تعیین می کند.همچنین تقسیم وظیفه (task) به بخشهای کاملا مساوی کار مشکلی است و ما به آن انحرافskew) ) می گوییم .



 


معماریهای پایگاه داده موازی: (parallel database architectures)


چندین مدل معماری برای سیستم های پایگاه داده موازی وجود دارد که برجسته ترین آنها در شکل نشان داده شده است.








حافظه  = m


پردازنده = p


دیسک   = سیلندر

                                                                                                                                                                     


 


                                                                                                                                                                     


 


 


  • ·          حافظه مشترک:( shared memory )

               همه پردازنده ها یک حافظه را به طور مشترک استفاده می کنند.


  • ·          دیسک مشترک : (shared disk)

                پردازنده ها یک مجموعه از دیسک ها را به طور مشترک استفاده می کنند که گاهی به آنها cluster  گفته می شود.


 


  • بدون منابع مشترک : (shared nothing)

                هیچ چیزی در بین پردازنده مشترک نیست.


  • ·          سلسله مراتبی : hierarchical))

               این مدل ترکیبی از سه مدل قبل است.


  


 


حافظه مشترک : ( shared memory )


در این معماری ، پردازنده ها و دیسک ها دسترسی به یک حافظه مشترک دارند ، که به طور معمول از طریق یک bus یا ارتباط داخلی شبکه صورت می گیرد.مزیت حافظه مشترک ، ارتباط موثر بین پردازنده ها است. داده در حافظه مشترک می تواند بوسیله هر پردازنده ای در دسترس باشد بدون اینکه با نرم افزار انتقال یابد.


یک پردازنده می تواند پیامی را بسیار سریع به پردازنده های دیگر ارسال نماید. با استفاده از نوشتن بر حافظه (معمولا کمتر از یک میکرو ثانیه) و سپس بوسیله ارسال پیام از طریق مکانیزم ارتباطی .


  • ضعف ماشین های با حافظه مشترک این است که این معماری قابلیت توسعه بیشتر از 32 یا 64 پردازنده را ندارد زیرا bus یا ارتباط داخلی شبکه به گلوگاه تبدیل می شوند (از آنجا که بوسیله همه پردازنده ها ، مشترک استفاده می شوند) .

پردازنده در این معماری دارای حافظه پنهان ((cache بزرگی است بطوریکه هر وقت که ممکن است از ارجاع به حافظه بپرهیزد. اما اگر داده ای در حافظه پنهان(cache) نباشد به حافظه مراجعه می شود.


 


دیسک مشترک : ( shared disk )


در این مدل همه پردازنده ها می توانند از طریق ارتباط داخلی شبکه ، به همه دیسکها مستقیماً دسترسی داشته باشند. اما هر پردازنده حافظه ای خاص خود دارد.


دو مزیت این معماری نسبت به معماری حافظه مشترک عبارتند از:


1)      از آنجا که هر پردازنده ای حافظه خود را دارد ، در نتیجه bus حافظه ، گلوگاه نخواهد بود .


2)       یک راه ارزان برای ارائه درجه ای از تولرانس خطا را پیشنهاد می کند.  


اگر پردازنده ای با خطا مواجه شود ، دیگر پردازنده ها می توانند انجام وظایف (tasks) آنرا پوشش دهند.بدینسان ، پایگاه داده بر روی دیسکها قراردارد و توسط تمامی پردازنده ها قابل دسترسی است.البته می توان تولرانس خطا را با معماری raid افزایش داد.


3)    مسئله اصلی در این مدل باز هم ، مسئله توسعه پذیری است.اگر bus حافظه یک گلوگاه نیست ، ارتباط با زیر سیستم دیسکها اکنون یک گلوگاه است.مخصوصاً در ح ی که پایگاه داده دسترسیهای زیادی را به دیسک اعمال می نماید.در مقایسه با مدل حافظه مشترک ، مدل دیسک مشترک می تواند از نظر تعداد پردازنده ها ، توسعه پذیرتر باشد اما مسئله ارتباط داخلی شبکه ، باعث کاهش سرعت می گردد.


     


بدون منابع مشترک : (shared nothing)


در این مدل هر گره (node) در ماشین شامل یک پردازنده ، حافظه و یک یا چند دیسک خواهد بود.پردازنده ها در یک گره (node) ممکن است با پردازنده گره (node) دیگری ، از طریق ارتباط داخلی شبکه پرسرعت ارتباط داشته باشد.هر گره (node) برروی داده های دیسک خود ، به عنوان سرور عمل می کند.از آنجا که ارجاع به دیسکها ، در هر پردازنده بصورت محلی انجام می شود این مدل بر مشکل نیاز همه پردازنده ها برای یک خط ارتباطی داخلی جهت انجام i/o فائق آمده است.و تنها از این کانال ارتباطی جهت انجام پرس و جوها (query) و دسترسی به دیسکهای غیر محلی و انتقال نتایج حاصل از آنها ، استفاده می کند.این معماری قابلیت توسعه بیشتر را داراست و قادر است تعداد زیادی پردازنده را به سادگی پشتیبانی نماید.


4)      عیب اصلی معماری بدون منابع مشترک ، هزینه ، ارتباط و دسترسی به دیسکهای غیر محلی است.


 


مدل سلسله مراتبی : (hierarchical)


این معماری ترکیب سه مدل قبل است.در بالاترین سطح ، سیستم شامل گره هایی است که بوسیله یک ارتباط داخلی شبکه ، به یکدیگر متصل هستند و دیسکها و حافظه مستقلی دارند.در نتیجه در بالاترین سطح ، معماری بدون منابع مشترک را شاهد هستیم.هر گره (node) سیستم ، می تواند یک سیستم با حافظه مشترک بهمراه تعدادی پردازنده باشد و یا یک سیستم با دیسکهای مشترک.وهریک از سیستمها با اشتراک یک مجموعه از دیسکها ، می تواند یک سیستم با حافظه مشترک باشد.بدین ترتیب یک سیستم می تواند یک مدل سلسله مراتبی را ایجاد کند با معماری حافظه مشترک با تعدادی پردازنده در سطح پایه (base) و یک معماری بدون منابع مشترک در سطح بالا ، با امکان یک معماری دیسک مشترک در سطح میانی. 


حتما تا کنون بار ها و بار ها به این فکر افتاده اید تا بتوانید از یک برنامه دو اکانت داشته باشید و بتوانید هر دو آن ها را در یک دیوایس مشترک مدیریت کنید. در تمامی سیستم عامل های موجود، محدودیت هایی وجود دارد که به وسیله آن ها نمی توانید یک نرم افزار را دو بار بر روی دستگاه هوشمند خود نصب کنید. اپلیکیشن parallel space به شما کاربران گوشی های اندرویدی کمک می کند تا بتوانید چندین اکانت از یک برنامه یا بازی را بر روی دستگاه هوشمند اندرویدیتان داشته باشید. برنامه پارالل اسپیس تا کنون بیش از 50 میلیون بار توسط کاربران از پلی استور دریافت شده است که خود نشان دهنده کارایی بالای آن می باشد. اگر بخواهیم نحوه کار فضای موازی ( پارالل اسپیس) را شرح دهیم می توان گفت که در محیط خود برنامه ها را شبیه سازی کرده و دسترسی کاربران را برای ورود به محیط اصلی برنامه ها فراهم می کند. یکی از برترین ویژگی های این نرم افزار شبیه سازی برنامه های نصب شده به صورت نامرئی می باشد که ی به غیر شما به آن دسترسی نداشته و به صورت ویژه ای از حریم خصوصیتان محافظت می نماید.

برخی از امکانات و قابلیت های برنامه parallel space-multi accounts اندروید:

  • ایجاد نسخه ای شبیه سازی شده از برنامه های شما در محیط این اپلیکیشن
  • توانایی مدیریت همزمان دو اکانت بدون هیچ گونه ایجاد مشکلی
  • حفظ حریم خصوصی کاربران و محافظت از اطلاعات شخصی وارد شده
  • وجود تم های مختلف برای تغییر تم محیط شبیه سازی شده
  • پشتیبانی از 24 زبان مختلف برای پوشش تمامی اپلیکیشن ها
  • ایجاد تجربه بازی های آنلاین با دو اکانت مختلف به صورت همزمان
  • به وجود نیامدن هیچ گونه تداخل در هنگام استفاده از تو اکانت

اپلیکیشن parallel space-multi accounts با قابلیت و ویژگی های منحصر به فرد خود توانسته است با ب اعتماد بیش از 50 میلیون کاربر امتیاز 4.6 از 5.0 را به دست آورد که هم اکنون می توانید جدید ترین نسخه مود شده آن را از سایت فارسروید دریافت نمایید.

تغییرات نسخه ی v3.1.7141 :

* اضافه شدن ح افزایش و یا کاهش سرعت نسخه شبیه سازی شده برای صرفه جویی در مصرف باتری
* ح هوشمند قفل و نمایش ندادن اعلان های دریافتی
* برطرف شدن مشکلات برنامه

جعبه


اختصاصی از یاری فایل پکیج نرم افزار های حرفه ای الکترونیک و ی برق و مخابرات با و پر سرعت .

پکیج نرم افزار های حرفه ای الکترونیک و ی برق و مخابرات


پکیج نرم افزار های حرفه ای الکترونیک و ی برق و مخابرات

پکیج حرفه ای نرم افزار های رشته الکترونیک، برق و مخابرات

تمامی نرم افزار ها نسخه فول اکتیو و کامل هستند.

ارزش این پکیج نرم افزاری در فروشگاه  google play حدود 48.4 دلار است!!!

و بنابر نرخ دلار ارزش این پکیج به پول ایران 180,000 تومان می شود

اما شما می توانید این پکیج را تنها با 9000 تومان تهیه کنید!!!

 

 

 

معرفی قابلیت های نرم افزارهای موجود در پکیج:

این پیکج حاوی 8 نرم افزار فوق العاده و ویژه می باشد که در زیر به معرفی تک تک آنها می پردازیم:

 

نرم افزار شماره 1

بسیار کاربردی و مناسب دانشجویان و ان رشته برق و الکترونیک 

نرم افزار شماره (1)  یک نرم افزار ماشین حساب الکترونیک مربوط به رشته برق و الکترونیک برای ان و دانشجویان این رشته پرطرفدار است . این اپلیکیشن نرم افزاری متشکل از انواع جداول و اطلاعات الکترونیکی مرجع و قابلیت تبدیل واحد ها و قابلیت انجام محاسبات الکترونیکی پیشرفته و به طور کلی یک ماشین حساب اساسی جیبی است

ویژگی های این نرم افزار به صورت تخصصی رشته برق و الکترونیک است . در ادامه به ارائه ویژگی های کامل این اپلیکیشن به زبان انگلیسی می پردازیم:

calculators:

dc circuits:

  • ohm`s law
    • voltage divider – resistive
    • led resistor
    • rl transient circuits
    • rc transient circuits

ac circuits:

  • reactance
    • impedance
    • star delta transformation
    • ac power

power supply:

  • transformer ratios
    • rectifiers
    • capacitor filter

amplification:

  • slew rate
    • gain | ratio
    • non inverting op amp
    • inverting op amp
    • differential op amp
    • inverting summing op amp

filters:

  • rc filter – p ive
    • lc filter – p ive
    • rl filter – p ive

semiconductors:

  • series circuits
    • parallel circuits
    • capacitors
    • inductors
    • diodes
    • 555 timer

identification:

  • resistor – color bands
    • inductor – color bands
    • capacitor – printed
    • fuse, gl – color bands
    • diodes
    • 7-segment display

physics:

  • coulomb`s law
    • magnetism

converters:
• area
• angle
• temperature
• power
• distance/length
• number base

reference:
• si unit prefixes
• logic gates
• 74xx ic
• ascii
• abbreviations
• schematic symbols
• ingress protection
• decibel suffixes
•rf spectrum

 

 

نرم افزار شماره 2

 

طراحی مدار و انجام محاسبات پیشرفته برق و الکترونیک

نرم افزار شماره (2) یک برنامه بسیار فوق العاده آموزشی، محاسباتی و طراحی مدارهای الکترونیکی می باشد که برای اسمارت فون های اندرویدی منتشر شده است. این برنامه بسیار عالی، با طراحی بسیار مناسب مخصوص دانش آموزان و دانشجویان رشته های برق می باشد که به آنها در شناخت هر چه بهتر مدارها و اطلاعات لازم برای این رشته یاری می دهد و بسیار کاربردی است.

 

ویژگی ها :

  • رابط کاربری بسیار ساده و روان
  • دارا بودن یک ماشین حساب با قابلیت هایی همچون قانون اهم و جریانات مستقیم و متناوب
  • انجام محاسبات پیچیده مقاومتی نظیر سری های موازی و تقسیم ولتاژ
  • انجام محاسبات پیچیده مربوط به خازن ها و مغنطیسی بودن آن
  • مسائل مربوط به تقسیم کننده ولتاژ
  • امکاناتی همچون تبدیل درجات حرارتی به یکدیگر
  • انجام محاسباتی همچون طول موج و مقدار مقاومت led
  • بهینه سازی شده برای دستگاه های اندرویدی

 بررسی برنامه

یک برنامه بسیار جامع و کاربردی برای رشته برق و علاقه مندان به این رشته تحصیلی می باشد که در بالا فقط به برخی از امکانت این برنامه در قسمت ویژگی ها اشاره شده است. در حقیقت این یک برنامه کامل می باشد که مسائل و مباحث بسیار زیادی را در خود جای داده است. مسائلی که در برنامه وجود دارد مثل محاسبات بسیار پیچیده قدرت خازن ها، سری و مسائل مربوط به آن، انجام محاسبات وقت گیر مقاومتی نیز می باشد.

قابل توجه است که در کنار تمامی این امکانات عالی و آموزشی، امکانات ساده تر و جانبی نیز از قلم انداخته نشده است همچون وجود یک ماشین حساب آن هم با قابلیت های بالا و حتی تبدیل واحد های حرارتی به یکدیگر که همگی دست به دست هم داده اند تا شما دارای یک برنامه جامع شوید. در ضمن قابل ذکر است ان برنامه دارای امتیاز بسیار بالای 4.9 از گوگل پلی می باشد.

برخی از قابلیت های برنامه به شرح زیر است:

calculator:
# ohm’s law
-direct current
-alternating current

# resistors:
-colour code
-series & parallel
-voltage divider

# inductors:
-colour code
-std values
-series & parallel
-reactance (xl)
-resonance

# capacitors:
-std values
-series & parallel
-reactance (xc)
-resonance

# rlc impedance:
-series / parallel : rl, rc, lc, rlc

# voltage regulator:
-78xx & 79xx
-lm317 & lm337

# operational amplifier
-inverting
-non inverting
-summing inverting
-differential

# ic-555
-astable
-monostable

# delta-star equivalent

# battery average lifetime

# converters
-number converter (dec, bin, hex, oct)
-temperature converter (celsius, kelvin, fahrenheit)
-scientific notation converter
-voltage converter (peak, peak to peak, rms)
-power converter (db to watts)
-degree – radians

# wavelength

# pcb trace resistance

# stepper motor

# antenna power density

# led resistor value

cables:
pinout cables and connectors:

lists:
#resistivity (materials)
#circuit symbols
#radiowave frequency
#abbreviations
#db values
#ascii table
#logic gates
#international system of units

theory:
#basic theory and formulas

 

نرم افزار شماره 3

 

نرم افزار شماره (3) نرم افزاری شامل ابزار های الکترونیک و منابع است. این نرم افزار مخصوص ین الکترونیک، دانشجویان، تعمیرکاران لوازم الکترونیک و علاقه مندان طراحی شده است.

 

 

ویژگی ها:

  • نمایش کد رنگ های مقاومت
  • دارا بودن کد مقاومت های smd
  • ماشین حساب قانون اهم
  • محاسبه عمر باتری
  • محاسبه راکتانس و رزونانس
  • محسابه مقاومت های led
  • ابزار های طراحی سلف
  • ماشین حساب ne555
  • محاسبه افت ولتاژ
  • مبدل
  • نسبت مقاومت ، ارزش / سری / موازی
  • مبدل موج های آنالوگ به دیچیتال
  • مبدل دسیبل
  • محاسبه المان های سر و موازی
  • نمایش کد رنگ های فیبر های نوری
  • دارا بودن ج pt100
  • نمایش ج تقسیم بندی موج های رادیویی

 

نرم افزار شماره 4

 

برنامه طراحی و محاسبه مدارهای الکتریکی

نرم افزار شماره (4) نرم افزاری قدرتمند و کامل برای ین برق و انی که قصد طراحی مدارهای الکتریکی دارند، می باشد.

ویژگی ها:

  • شامل قانون اهم برای جریان dc
  • شامل قانون اهم برای جریان ac
  • قابلیت محاسبه شدت l-c
  • محاسبه انرژی الکتریکی
  • چگالی جریان
  • محاسبه transformer پایه
  • محاسبه و نحوه اتصال خازن ها
  • تقسیم ولتاژ

 این نرم افزار قابلیت محاسبات ساده مدارهای ریکی را در اختیار کاربران قرار می دهد. این نرم افزار یک اپلیکیشن مناسب برای ین و همچنین انی که در رشته برق در حال تحصیل هستند، می باشد.

با استفاده از این نرم افزار، کاربران قادر خواهند بود تا مدارهای الکتریکی مختلف را طراحی کنند. برای این کار ابزارهای کاملی قرار داده شده است تا تمام نیازهای کاربران را رفع نماید. از طرفی با استفاده از این برنامه قادر به محاسبه مدارهای الکتریکی نظیر شدت جریان، مقاومت، خازن معادل و می باشید.

 

نرم افزار شماره 5

برنامه محاسبه مدارهای الکتریکی

 

 این برنامه به شما این امکان را می دهد تا بتوانید محاسبات خود را در زمینه الکترونیک انجام دهید. این نرم افزار به شما این امکان را می دهد تا محاسبات مربوط به مدارها را بسیار ساده تر انجام دهید. در این برنامه همچنین می توانید به منبعی از آموزش ها در زمینه الکترونیک دسترسی داشته باشید.

 

نرم افزار شماره 6

 

اگر شما هم در رشته برق تحصیل می کنید و یا بسته به موقعیت اجتماعی و شغلی روزانه با انواع و اقسام مدارها و کیت های الکترونیکی و طراحی انواع و اقسام مدارها ، سر و کار دارید ، این نرم افزار مطمئنا برایتان پر کاربرد خواهد بود.

 

 

 

ویژگی ها

** کنترل آنالوگ تنظیم پارامترهای مدار
**
سیستمم خ ر مسیری
**
اسیلوسکوپ
**
محاسبه مقاومت ها ، خازن ها و سلف ها
**
محدود رله های تقویت کننده های عملیانی

 

نرم افزار شماره 7

برنامه قدرتمند شبیه ساز مدارهای الکترونیکی

نرم افزاری بسیار ویژه و عالی که مختص دانشجویان و ین رشته برق می باشد و قابلیت شبیه سازی مدارهای الکتریکی مختلف را در اختیارشان قرار می دهد.

برای انی که در زمینه طراحی مدارهای رونیکی و مدارهای مقاومتی فعالیت دارند، این برنامه می تواند بهترین گزینه باشد؛ چرا که این نرم افزار با نصب بر روی گوشی یا تبلت همیشه در دسترس خواهد بود و این امکان را فراهم خواهد کرد تا کاربران بتوانند با استفاده از آن در هر موقعیتی کارهایشان را با ابزارهای مختلف و کامل انجام دهند. این نرم افزار دارای ابزارهای کاملی می باشد که تمام امکانات را برای کاربران فراهم خواهد آورد.

این نرم افزار در حال حاضر قابلیت شبیه ساز موارد زیر را دارد:

-resistor
-capacitor
-inductor
-potentiometer
-light bulb
-ideal operational amplifier
-bipolar junction transistor (npn pnp)
-mosfet n-channel depletion
-mosfet n-channel enhancement
-mosfet p-channel depletion
-mosfet p-channel enhancement
-jfet n and p
-pn diode
-pn led diode
-pn zener diode
-ac current source
-dc current source
-ac voltage source
-dc voltage(battery) source
-ccvs – current controlled voltage source
-cccs – current controlled current source
-vcvs – voltage controlled voltage source
-vccs – voltage controlled current source
-square wave voltage source
-triangle wave voltage source
-ac ampermeter
-dc ampermeter
-ac voltmeter
-dc voltmeter
-two channe oscilloscope
-spst switch
-spdt switch
-voltage controlled switch
-current controlled switch
-and
-nand
-or
-nor
-not
-xor
-xnor
-jk flip-flop
-7 segment display
-d flip-flop
-relay
-ic 555
-transformer
-graetz circuit

 

 

نرم افزار شماره 8

برنامه انجام محاسبات برق

 

 

این  نرم افزار برای محاسبات رشته تخصصی برق می باشد. با نصب این نرم افزار در گوشی همراهتان، می توانید هر زمان که لازم داشتید با استفاده از گوشی، محاسبات را به سادگی انجام دهید. نکته جالب در مورد این برنامه، پشتیبانی از زبان فارسی می باشد. به این صورت که شما می توانید محیط برنامه را فارسی کنید!

به صورت کلی نرم افزار از زبان های ایتالیایی، انگلیسی، فرانسوی، اسپانیایی، پرتغالی، پرتغالی،  عربی، لهستانی، دویچ، یونانی، لتونی، رومانیایی، ترکی، روسیه ای، هلندی، مجارستانی، کرواتی، مالایی، لیتوانی، فارسی، چینی ساد شده، صربی، زبان کشور چک، ویتنامی، کاتالان، نروژی، بلغاری، سوئدی و دیگر زبان های مرسوم پشتیبانی می کند.

محاسبه مقطع
افت ولتاژ
شدت جریان
ولتاژ
نیروهای فعال
قدرت ظاهری
توان راکتیو
مقاومت
خازن برای موتور تک فاز
محاسبه دور موتور در دقیقه
بازده موتور
حداکثر گشتاور
نمودار موتور سه فاز
مقاومت کد با 4 رنگ
مقاومت کد با 6 رنگ
کد سلف
نمایش ارزش مقاومت بر اساس رنگ آن
کد مقاومت smd
فیوز
مجموع مقاومت
مجموع خازن
مقاومت در برابر کاهش ولتاژ
مقاومت برای led
دیود زنر به عنوان تثبیت کننده ولتاژ
مقاومت القایی یا خازنی
سیم پیچ اولیه و ثانویه ترانسفورماتور
اصلاح ضریب قدرت
جریان اتصال کوتاه
ظرفیت حمل جریان از کابل
ج مقاومت
مقاومت هادی
پیشوند si
unit of measurement
battery life
power factor correction of transformer mv/lv
electrical symbols
fault current of strings
ip protection cl es
antenna length
electricity around the world
joule effect
wiring color codes
table awg/mm
conversion hp/kw
conversion section
conversion δ-y
conversion cm/inch
conversion length
conversion voltage
conversion energy
conversion temperature
conversion pressure
conversion φ/senφ/cosφ/tgφ
conversion rpm – rad/s – m/s
conversion ah / kwh
conversion gauss / tesla
ethernet wiring (rj-45)
pinout rj-11,14,25,48
pinout scart
pinout usb
pinout hdmi
pinout vga
pinout dvi
pinout rs-232
pinout a
pinout molex
pinout gpio raspberry
pinout iso 10487 (car audio)
pinout xlr

 


با


پکیج نرم افزار های حرفه ای الکترونیک و ی برق و مخابرات

اختصاصی از فایلکو مقاله معتبر ieee پیاده سازی با کودا و gpu سال انتشار 2017 موازی سازی تطابق رشته ها به صورت دقیق و تقریبی از طریق اسکن فراگیر با و پر سرعت .

 مقاله معتبر ieee پیاده سازی با کودا و gpu سال انتشار 2017 موازی سازی تطابق رشته ها به صورت دقیق و تقریبی از طریق اسکن فراگیر


 مقاله معتبر ieee پیاده سازی با کودا و gpu سال انتشار 2017 موازی سازی تطابق رشته ها به صورت دقیق و تقریبی از طریق اسکن فراگیر

مقاله معتبر ieee به زبان انگلیسی به همراه کدهای برنامه نویسی و پیاده سازی آن با استفاده از cuda و ویژال استودیو سی پلاس پلاس

موضوع مقاله: موازی سازی تطابق رشته ها به صورت دقیق و تقریبی از طریق اسکن فراگیر بر روی gpu (تطبیق رشته)

سال انتشار مقاله: 2017
ناشر مقاله:   article in ieee transactions on parallel and distributed systems (مقاله ژورنالی چاپ شده آی تریپل ای در ژورنال) مقاله جورنالی
تعداد صفحات مقاله: 15 صفحه

 حیطه کاری مقاله: cuda programming ، برنامه نویسی کودا ، برنامه نویسی gpu ، برنامه نویسی واحد پردازش گرافیکی ، برنامه نویسی واحد پردازشگر گرافیکی ، تطبیق رشته، الگوریتم بیتی موازی ، string matching ، اسکن فراگیر، الگوریتم manber


نرم افزارهای مورد نیاز:

visual studio 2013       -  visualstudioversion = 12.0.40629.0

 

cuda 7.5

زبان برنامه نویسی: ++c سی پلاس پلاس (c plus plus)

چکیده مقاله ترجمه شده با گوگل:

چکیده در این مطالعه، به طور قابل توجهی بهبود زمان اجرای الگوریتم دقیق و تقریبی تطبیق رشته، ما یک روش موازی tribrid برای الگوریتم بیتی موازی مانند الگوریتم های shift-یا و وو-manber. ایده اساسی ما این است که به تفسیر الگوریتم های موازی بیت به عنوان عملیات فراگیر اسکن، که اجازه می دهد این الگوریتم بیتی موازی برای اجرای موثر در پردازش گرافیکی واحد (gpu). ما این سرعت بالا رسیدن به اینجا به دلیل عملیات فراگیر اسکن نه تنها از بین بردن جستجو تکراری بین موضوعات اما یک الگوی دسترسی به حافظه gpu پسند است که حداکثر حافظه خواندن / نوشتن توان هم را درک کنند. برای تحقق بخشیدن به ایده های ما، ما برای اولین بار تعریف دو عملگرهای باینری و سپس ارائه اثبات در مورد ociativity از این اپراتورها، که برای لازم است
موازی سازی عملیات فراگیر اسکن. در نهایت، ما ادغام طرح فراگیر اسکن به یک تقسیم بندی مبتنی بر قبلی طرح برای به حداکثر رساندن توان جستجو، شناسایی بهترین نقطه معاوضه بین هزینه هماهنگ سازی و کار های تکراری. از طریق آزمایش های ما، ما روش پیشنهادی ما با روش های مبتنی بر تقسیم بندی قبلی و توالی مبتنی بر نمایه سازی در مقایسه aligners. برای تطبیق رشته اینترنتی، روش پیشنهادی ما انجام 6.7-16.7 برابر سریع تر از روش های قبلی، دستی به یک جستجو توان تا 1.88 تر ت در ثانیه (tbps) در gpu کارت گرافیک geforce gtx titan x. پس نتیجه می گیریم که ما پیشنهاد روش برای کاهش زمان های اجرا از تطبیق رشته آنلاین الگوهای کوتاه کاملا موثر است.

 

 مشتری گرامی لطفاً توجه داشته باشید که این کدها توسط نویسنده مقاله به صورت رایگان در اختیار عموم قرار گرفته است و ما تنها هزینه پیدا این مقاله و پیاده سازی های آن را از شما دریافت می نماییم و ما هیچگونه مسئولیتی برای اجرای این پیاده سازی ها بر عهده نخواهیم داشت.

پیشنهاد ما برای ترجمه این مقاله:

اگر خواستید این مقاله را ترجمه نمایید پیشنهاد ما این است که در سایت زیر ثبت نام نمایید و سپس پروژه ترجمه خود را ثبت کنید، تا بهترین مجریان با سوابق مشخص به شما پیشنهاد ترجمه بدهند  (ترجمه مقالات شما با بهترین کیفیت و قیمت مناسب):

yon.ir/parstarjom

توجه: لطفا حتماً در این سایت، سوابق مجریان را بررسی کنید و کار را به یک مجری توانمند بسپارید.

 

آنچه تحویل داده می شود:

1. مقاله به زبان انگلیسی و فرمت pdf

2. کدهای پیاده سازی و شبیه سازی مقاله (ما هیچگونه مسئولیتی در قبال اجرای آن ها نخواهیم داشت، در صورتی که میخواهید ما کدها را برای شما اجرا نماییم و نحوه اجرای آن ها را در صورتی که زمان داشته باشیم،  توسط ویدئو به شما آموزش دهیم با ما در ارتباط باشید)

 

مناسب برای دانشجویان کارشناسی (لیسانس) و کارشناسی ارشد (فوق لیسانس) و ا

 می توان به عنوان پروژه دروس کارشناسی ارشد یا کارشناسی یا ی این پروژه را تحویل داد، دروسی مانند  پردازش تکاملی، پردازش  ی نرم افزار پیشرفته، مباحث پیشرفته در ی نرم افزار، یادگیری ماشین، سیستم خبره، پردازش ابری، محاسبات ابری، پردازش توزیع شده، محاسبات توزیع شده، الگوریتم موازی، الگوریتم توزیع شده، سیستم عامل پیشرفته، شبیه سازی، سیستم عامل، آزمایشگاه سیستم عامل، سیستم های موازی و مناسب برای سمینار کارشناسی ارشد، پردازش گرافیکی ، واحد پردازش گرافیکی ، واحد پردازشگر گرافیکی

 پس از ید از درگاه امن بانکی، لینک در اختیار شما قرار میگیرد و همچنین به آدرس ایمیل شما فرستاده می شود. تماس با ما برای راهنمایی، درخواست مقالات و پایان نامه ها و یا ترجمه و یا انجام پروژه های برنامه نویسی و حل تمرینات با آدرس ایمیل:

ebarkat.shop@yahoo.com

یا شماره تلگرام (آی دی تلگرام ما): 09301644413

توجه: اگر کارت بانکی شما رمز دوم ندارد و یا در ید 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.

توجه توجه توجه: هرگونه کپی برداری و فروش فایل های فروشگاه برکت الکترونیک (به آدرس ebarkat.ir یا ebarkat.sellfile.ir) در فروشگاه های دیگر شرعاً حرام است، تمامی فایل ها و پروژه های موجود در فروشگاه، توسط ما اجرا و پیاده سازی و یا از منابع معتبر زبان اصلی جمع آوری شده اند و دارای حق کپی رایت ی می باشند.

از پایین همین صفحه (بخش پرداخت و ) می توانید این پروژه را یداری و نمایید.

کد محصول 103526


با


مقاله معتبر ieee پیاده سازی با کودا و gpu سال انتشار 2017 موازی سازی تطابق رشته ها به صورت دقیق و تقریبی از طریق اسکن فراگیر

انجام کار به همراه آموزش گام به گام

پیاده سازی انواع مقاله در نرم افزار متلب (matlab)

پیاده سازی مقاله های هوش

پیاده سازی مقاله های شبکه عصبی

پیاده سازی مقاله های ژنتیک

پیاده سازی کد apriori در متلب و تغییر ان برای کاربردهای شما

پیاده سازی مقاله پردازش تصویر

پیاده سازی انواع روش های خوشه بندی

پروژه های الگوریتم ژتتیک

پزوژه با الگوریتم pso

پروژه با الگوریتم تکاملی تفاضلی de

پروژه با الگوریتم جهش قورباغه
پشتیبان
آموزش متلب
استگانوگرافی (steganog hy)
الگوریتم بهینه سازی فاخته
الگوریتم تکاملی تفاضلی (de)
الگوریتم تکاملی توده ذرات (pso algorithm)
الگوریتم تکاملی خقاش (bat algorithm)
الگوریتم تکاملی زنبور عسل bee algorithm
الگوریتم تکاملی واکنش شیمیایی cro
الگوریتم جستجوی ممنوعه tabu search
الگوریتم جستجوی هارمونی harmony

الگوریتم حریصانه greedy

azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir


الگوریتم دسته ماهی های
الگوریتم رقابت استعماری ica
الگوریتم سیستم ایمنی ais
الگوریتم غذای باکتری bfo
الگوریتم مبتنی بر چگالی dbscan, الگوریتم dbscan
الگوریتم ممتیک memetic algorithm
الگوریتم ژنتیک genetic
اموزش پردازش تصویر در متلب
برنامه نویسی ژنتیک genetic programming
بیوانفورماتیک
ترجمه
حل ج سودوکو (sudoku puzzles)
حل مسئله سفر اسب
حل مسئله کوله پشتی (knapsak) در متلب
حل مسائل معروف هوش
خوشه بندی fuzzy c mean
خوشه بندی kmeans
دسته بندی نشده
رمز نگاری بصری یا کریپتوگرافی
زبان ارمنی (ترجمه متون فارسی به ارمنی و ارمنی به فارسی)
سی شا
شبیه سازی با نرم افزار gpss
مسائل جبرخطی
مسیری وسایل نقلیه vrp
پردازش تصویر

پردازش موازی در متلب


azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir

پروژه های الگوریتم جهش قورباغه sfla
پروژه های الگوریتم کرم شب تاب firefly algorithm
پروژه های پردازش تصویر
پیاده سازی مقاله game theory
پیاده سازی مقاله smartgrid
پیاده سازی مقاله داده کاوی
پیاده سازی مقاله در متلب
پیاده سازی مقاله درس بازشناسی الگو
پیاده سازی مقاله شبکه عصبی
پیاده سازی مقاله فازی
پیاده سازی مقاله پردازش تصویر
پیاده سازی مقاله ژنتیک
پیاده سازی کلاسترینگ
کد متلب فروشنده دوره گرد (tsp)
کد متلب معمای ۸ (n queen)
یادگیری ماشین
شبه کد الگوریتم زنبور عسل bee algorithm الگوریتم زنبور (به انگلیسی: bee algorithm) شامل گروهی مبتنی بر الگوریتم جستجو است که اولین بار در سال ۲۰۰۵ میلادی توسعه یافت؛ این الگوریتم شبیه سازی رفتار جستجوی غذای گروه های زنبور عسل است. در نسخه ابت این الگوریتم، الگوریتم نوعی از جستجوی محلی انجام می دهد که با جستجوی کتره­­ای (تصادفی) ترکیب شده و می تواند برای بهینه سازی ترکیبی یا



الگوریتم زنبور عسل از جمله الگوریتم های تکاملی است که برای بهینه سازی و حل توابع غیرخطی استفاده میشود در این کار ما از الگوریتم زنبور عسل برای بهینه تابع غیرخطی زیر استفاده کرده ایم     جهت دریافت کد متلبالگوریتم تکاملی زنبور عسل (bee algorithm)   برای بهینه سازی و حل توابع غیرخطی  یا انجام پروژه و مقاله ... ادامه مطلب »

شبه کد الگوریتم زنبور عسل bee algorithm
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir

    الگوریتم تکاملی زنبور عسل bee algorithm نظر بدهید

شبه کد الگوریتم زنبور عسل bee algorithm الگوریتم زنبور (به انگلیسی: bee algorithm) شامل گروهی مبتنی بر الگوریتم جستجو است که اولین بار در سال ۲۰۰۵ میلادی توسعه یافت؛ این الگوریتم شبیه سازی رفتار جستجوی غذای گروه های زنبور عسل است. در نسخه ابت این الگوریتم، الگوریتم نوعی از جستجوی محلی انجام می دهد که با جستجوی کتره­­ای (تصادفی) ترکیب شده و می تواند برای بهینه سازی ترکیبی یا بهینه سازی ... ادامه مطلب »

اموزش الگوریتم تکاملی زنبور عسل (bee algorithm)

    الگوریتم تکاملی زنبور عسل bee algorithm نظر بدهید

  در این فایل اموزش الگوریتم تکاملی زنبور عسل (bee algorithm) به همراه مثال اورده شده است . با خواندن این فایل به خوبی با نحوه کار الگوریتم آشنا میشوید. اموزش به همراه مثال و اجرای گام به گام الگوریتم. نوع فایل :pdf اندازه فایل: ۲۵ صفحه فایل اموزش الگوریتم تکاملی زنبور عسل (bee algorithm) رمز فایل : www.ipco. ... ادامه مطلب »

شبه کد الگوریتم زنبور عسل bee algorithm

    الگوریتم تکاملی زنبور عسل bee algorithm نظر بدهید

الگوریتم زنبور (به انگلیسی: bee algorithm) شامل گروهی مبتنی بر الگوریتم جستجو است که اولین بار در سال ۲۰۰۵ میلادی توسعه یافت؛ این الگوریتم شبیه سازی رفتار جستجوی غذای گروه های زنبور عسل است. در نسخه ابت این الگوریتم، الگوریتم نوعی از جستجوی محلی انجام می دهد که با جستجوی کتره­­ای (تصادفی) ترکیب شده و می تواند برای بهینه سازی ترکیبی یا بهینه سازی تابعی به کار رود. جهت دریافت کد متلب الگوریتم زنبور ... ادامه مطلب »



    پیاده سازی مقاله در زمینه انتخاب ویژگی   
    پیاده سازی مقاله در زمینه انتخاب ویژگی
    پیاده سازی مقاله درس بازشناسی الگو نظر بدهید
    استفاده از تئوری اطلاعات(information theory) برای انتخاب ویژگی feature selection using dynamic weights for cl ification feature selection aims at finding a feature subset that has the most discriminative information from the original feature set. in this paper, we firstly present a new scheme for feature relevance, interdependence and redundancy analysis ... ادامه مطلب »
    توضیحات کد الگوریتم تکاملی آینه ها
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir

    پیاده سازی مقاله در متلب ۴ نظرات
    حل سودوکو با الگویتم تابو
    حل سودوکو با الگویتم تابو

    الگوریتم جستجوی ممنوعه tabu search, حل ج سودوکو (sudoku puzzles), پیاده سازی مقاله در متلب نظر بدهید

الگوریتم جستجوی ممنوعه tabu search

    کد متلب مسیری وسایل نقلیه با الگوریتم تابو سرچ

    الگوریتم جستجوی ممنوعه tabu search, مسیری وسایل نقلیه vrp نظر بدهید
    کد متلب مسیری وسایل نقلیه با الگوریتم تابو سرچ کد متلب مسیری وسایل نقلیه یا cvrp با الگوریتم تابو سرچ   برای دریافت کد متلب حل مسیری وسایل نقلیه (vrp) با الگوریتم سرچ با ما تماس بگیرید شماره تماس : ۰۹۱۳۹۹۳۵۳۶۰ ایمیل : matlab24ir@gmail.com یاهو: proje_92@yahoo.com جهت ید آنلاین کد بر روی ... ادامه مطلب »
    حل کوله پشتی با الگوریتم جستجوی ممنوعه
    حل کوله پشتی با الگوریتم جستجوی ممنوعه

      الگوریتم جستجوی ممنوعه tabu search, حل مسئله کوله پشتی (knapsak) در متلب نظر بدهید
    حل سودوکو با الگویتم تابو
    حل سودوکو با الگویتم تابو

     الگوریتم جستجوی ممنوعه tabu search, حل ج سودوکو (sudoku puzzles), پیاده سازی مقاله در متلب نظر بدهید

الگوریتم تکاملی زنبور عسل bee algorithm
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir

    کد متلب زنبور عسل غیرخطی

    الگوریتم تکاملی زنبور عسل bee algorithm نظر بدهید
    الگوریتم زنبور عسل از جمله الگوریتم های تکاملی است که برای بهینه سازی و حل توابع غیرخطی استفاده میشود در این کار ما از الگوریتم زنبور عسل برای بهینه تابع غیرخطی زیر استفاده کرده ایم     جهت دریافت کد متلبالگوریتم تکاملی زنبور عسل (bee algorithm)   برای بهینه ... ادامه مطلب »
    شبه کد الگوریتم زنبور عسل bee algorithm

    الگوریتم تکاملی زنبور عسل bee algorithm نظر بدهید
    اموزش الگوریتم تکاملی زنبور عسل (bee algorithm)

        الگوریتم تکاملی زنبور عسل bee algorithm نظر بدهید

آموزش متلب

    announcement: تدریس خصوصی برنامه نویسی متلب در کرج و تهران   
    announcement: تدریس خصوصی برنامه نویسی متلب در کرج و تهران

    آموزش متلب نظر بدهید
    تدریس خصوصی برنامه نویسی متلب در کرج و تهران وب سایت matlab24 با تکیه بر تجربه و کارهای فراوانی که با نرم افزار متلب انجام داده و با توجه به نیاز روز افزون دانش پژوهان به استفاده از متلب اقدام به برگزاری دوره های تدریس خصوصی نرم افزار متلب در ... ادامه مطلب »
    جزوه اموزش نرم افزار متلب

     آموزش متلب نظر بدهید
    حل معادلات دیفرانسیل در متلب
    حل معادلات دیفرانسیل در متلب


الگوریتم تکاملی تفاضلی (de)
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir

    الگوریتم de
    الگوریتم تکاملی تفاضلی (de) نظر بدهید
    بزرگ شدن مسائل و اهمیت یافتن سرعت رسیدن به پاسخ و عدم پاسخگویی روشهای کلاسیک ،امروزه از الگوریتمهای جستجوی تصادفی به جای جستجوی همه جانبه فضای مسئله ، استقبال بیشتری می شود. در این بین در سالهای اخیر استفاده از الگوریتمهای جستجوی هیوریستیک (شهودی) همچون الگوریتم وراثتی(ga) ، الگوریتم کلونی ... ادامه مطلب »
    حل پازل سودوکو با روش الگوریتم تکامل تفاضلی de
    حل پازل سودوکو با روش الگوریتم تکامل تفاضلی de

     الگوریتم تکاملی تفاضلی (de), حل ج سودوکو (sudoku puzzles) نظر بدهید
    اموزش الگوریتم تکاملی تفاضلی (de)

       الگوریتم تکاملی تفاضلی (de) نظر بدهید

الگوریتم تکاملی توده ذرات (pso algorithm)

    حل مسئله کوله پشتی با الگوریتم توده ذرات pso

    الگوریتم تکاملی توده ذرات (pso algorithm), حل مسئله کوله پشتی (knapsak) در متلب نظر بدهید
    مسئله کوله پشتی که با عنوان های knapsack یا rucksack مطرح می شود، مسئله ای در بهینه سازی ترکیبیاتی است. فرض کنید مجموعه ای از اشیا، که هر کدام داری وزن و ارزش خاصی هستند در اختیار دارید. به هر شی تعدادی را تخصیص دهید به طوری که وزن اشیا انتخاب شده کوچکتر یا مساوی حدی ... ادامه مطلب »
    الگوریتم توده ذرات یا pso
    الگوریتم تکاملی توده ذرات (pso algorithm) نظر بدهید
    الگوریتم پرندگان یا اجتماع ذرات چیست؟

      الگوریتم تکاملی توده ذرات (pso algorithm) نظر بدهید

الگوریتم سیستم ایمنی ais

    کد فروشنده دوره گرد با الگوریتم سیستم ایمنی   
    کد فروشنده دوره گرد با الگوریتم سیستم ایمنی

      الگوریتم سیستم ایمنی ais, کد متلب فروشنده دوره گرد (tsp) نظر بدهید
    کد فروشنده دوره گرد با الگوریتم سیستم ایمنی   الگوریتم سیستم ایمنی : مراحل الگوریتم بصورت زیر می باشد: گام اول : ایجاد انتی بادی های اولیه : در واقع انتی بادی ها میتوان به نوعی همان کروموزومها در الگوریتم ژنتیک دانست. هر انتی بادی در واقع شامل مقادیر تصادفی ... ادامه مطلب »
    کد متلب الگوریتم سیستم ایمنی

      الگوریتم سیستم ایمنی ais نظر بدهید
    کد متلب معمای ۸ با الگوریتم سیستم ایمنی ais
    کد متلب معمای ۸ با الگوریتم سیستم ایمنی ais

      الگوریتم سیستم ایمنی ais, کد متلب معمای 8 (n queen) نظر بدهید

پروژه های الگوریتم کرم شب تاب firefly algorithm

    کد فروشنده دوره گرد با الگوریتم کرم شب تاب fa   
    کد فروشنده دوره گرد با الگوریتم کرم شب تاب fa

    admin ۱۳۹۴/۰۳/۳۰    پروژه های الگوریتم کرم شب تاب firefly algorithm, کد متلب فروشنده دوره گرد (tsp) نظر بدهید
    کد فروشنده دوره گرد با الگوریتم کرم شب تاب fa   الگوریتم کرم شب تاب یا firefly algorithm (به اختصار fa) در اوا سال ۲۰۰۷ و توسط xin-she yang معرفی شده است، که ایده اصلی آن از ارتباط نوری میان کرم های شب تاب الهام گرفته شده است. این الگوریتم ... ادامه مطلب »
    حل معمای ۸ با الگوریتم کرم شب تاب
    حل معمای ۸ با الگوریتم کرم شب تاب

     پروژه های الگوریتم کرم شب تاب firefly algorithm, کد متلب معمای 8 (n queen) نظر بدهید
    بهینه تابع غیرخطی با الگوریتم کرم شب تاب

    پروژه های الگوریتم کرم شب تاب firefly algorithm نظر بدهید

پروژه های الگوریتم جهش قورباغه sfla

    الگوریتم جهش قورباغه ها sfla

    پروژه های الگوریتم جهش قورباغه sfla نظر بدهید
    الگوریتم جستجوی جهش قورباغههای متحرک، یک الگوریتم جدید در خانواده الگوریتم های تکاملی می باشد . این الگوریتم از زندگی گروهی قورباغه ها زمانی که به دنبال غذا می گردند الهام گرفته شده است. این الگوریتم در سال ۲۰۰۶ به منظور حل مسائل پیچیده ی بهینهسازی، بدون استفاده از روابط ... ادامه مطلب »
    آشنایی با الگوریتم جهش قورباغه sfal

    پروژه های الگوریتم جهش قورباغه sfla نظر بدهید
    فلوچارت الگوریتم جهش قورباغه sfal
    پروژه های الگوریتم جهش قورباغه sfla نظر بدهید

الگوریتم ممتیک memetic algorithm

    حل فروشنده دوره گرد باالگوریتم ممتیک

    الگوریتم ممتیک memetic algorithm, کد متلب فروشنده دوره گرد (tsp) نظر بدهید
    حل فروشنده دوره گرد باالگوریتم ممتیک شرح مسئله بدین شکل است: تعدادی شهر داریم و هزینه رفتن مستقیم از یکی به دیگری را می دانیم. مطلوب است کم هزینه ترین مسیری که از یک شهر شروع شود و از تمامی ا دقیقاًٌ یکبار عبور کند و به شهر شروع بازگردد. تعداد کل راه حل ها ... ادامه مطلب »
    آموزش الگوریتم های ممتیکی ( رضا)
    الگوریتم ممتیک memetic algorithm نظر بدهید
    آموزش الگوریتم های ممتیکی ( رضا)

    الگوریتم ممتیک memetic algorithm نظر بدهید

برنامه نویسی ژنتیک genetic programming

    رایگان تولبا برنامه ریزی ژنتیک – genetic programming toolbox

    آموزش متلب, برنامه نویسی ژنتیک genetic programming نظر بدهید
      برنامه ریزی ژنتیک (genetic programming) و یا به اختصار gp، یکی از روش های قدرتمند در حوزه الگوریتم های تکاملی است و اصول آن مبتنی بر الگوریتم ژنتیک است. اما طرز نمایش جواب ها در این روش، به صورت ساختارهای درختی است که برای حل مسائل مختلف می تواند ... ادامه مطلب »
    حل multiple sequence alignments با genetic algorithm مربوط به درس بیوانفورماتیک

    برنامه نویسی ژنتیک genetic programming, بیوانفورماتیک نظر بدهید

کد متلب معمای 8 (n queen)

    حل معمای n با الگوریتم کلونی زنبور عسل   
    حل معمای n با الگوریتم کلونی زنبور عسل

    کد متلب معمای 8 (n queen) نظر بدهید
    حل معمای n با الگوریتم کلونی زنبور عسل   معمای ۸ :  هدف از مساله هشت ، چیدن ۸ مهره روی یک صفحه شطرنج خالی است، به قسمی که هیچ مهره ای مهره های دیگر را تهدید نکند. به عبارت دیگر، ۸ باید به نحوی چیده شوند که هیچ کدام در بک سطر، ... ادامه مطلب »
    حل معمای ۸ با الگوریتم کرم شب تاب
    حل معمای ۸ با الگوریتم کرم شب تاب

    پروژه های الگوریتم کرم شب تاب firefly algorithm, کد متلب معمای 8 (n queen) نظر بدهید
    حل معمای ۸ با الگوریتم ژنتیک باینری

    پیاده سازی مقاله ژنتیک, کد متلب معمای 8 (n queen) نظر بدهید

حل ج سودوکو (sudoku puzzles)

    حل ج سودوکو با الگوریتم ژنتیک   
    حل ج سودوکو با الگوریتم ژنتیک
    حل ج سودوکو (sudoku puzzles), پیاده سازی مقاله ژنتیک نظر بدهید
    حل ج سودوکو با الگوریتم ژنتیک پیاده سازی مقاله ۲۰۱۳ در زمینه حل ج سودوکو با الگوریتم ژنتیک با عنوان: یک الگوریتم ژنتیک ترکیبی جدید برای حل ج سودوکو a novel hybrid genetic algorithm for solving sudoku puzzles چکیده مقاله: در این مقاله ، یک الگوریتم ژنتیک ترکیبی جدید ارائه ... ادامه مطلب »
    حل سودوکو با الگویتم تابو
    حل سودوکو با الگویتم تابو
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir

        الگوریتم جستجوی ممنوعه tabu search, حل ج سودوکو (sudoku puzzles), پیاده سازی مقاله در متلب نظر بدهید
    حل پازل سودوکو با روش الگوریتم تکامل تفاضلی de
    حل پازل سودوکو با روش الگوریتم تکامل تفاضلی de

     الگوریتم تکاملی تفاضلی (de), حل ج سودوکو (sudoku puzzles) نظر بدهید

کد متلب فروشنده دوره گرد (tsp)

    کد فروشنده دوره گرد با الگوریتم فاخته   
    کد فروشنده دوره گرد با الگوریتم فاخته

    الگوریتم بهینه سازی فاخته, کد متلب فروشنده دوره گرد (tsp) نظر بدهید
    کد فروشنده دوره گرد با الگوریتم فاخته روش جستجوی فاخته (cs) یک روش بهینه سازی فرااکتشافی است که رویکردی تکاملی در جستجوی راه حل بهینه دارد و در سال ۲۰۰۹ توسط yang  و deb پیشنهاد شده است. این روش از رفتار جالب توجه گونه هایی از پرنده ی فاخته در پرورش تخم الهام گرفته است و آن ... ادامه مطلب »
    کد فروشنده دوره گرد با الگوریتم کرم شب تاب fa
    کد فروشنده دوره گرد با الگوریتم کرم شب تاب fa

     پروژه های الگوریتم کرم شب تاب firefly algorithm, کد متلب فروشنده دوره گرد (tsp) نظر بدهید
    کد فروشنده دوره گرد با الگوریتم رقابت استعماری ica
    کد فروشنده دوره گرد با الگوریتم رقابت استعماری ica

      الگوریتم رقابت استعماری ica, کد متلب فروشنده دوره گرد (tsp) نظر بدهید

الگوریتم سیستم ایمنی ais

    کد فروشنده دوره گرد با الگوریتم سیستم ایمنی   
    کد فروشنده دوره گرد با الگوریتم سیستم ایمنی
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir

    الگوریتم سیستم ایمنی ais, کد متلب فروشنده دوره گرد (tsp) نظر بدهید
    کد فروشنده دوره گرد با الگوریتم سیستم ایمنی   الگوریتم سیستم ایمنی : مراحل الگوریتم بصورت زیر می باشد: گام اول : ایجاد انتی بادی های اولیه : در واقع انتی بادی ها میتوان به نوعی همان کروموزومها در الگوریتم ژنتیک دانست. هر انتی بادی در واقع شامل مقادیر تصادفی ... ادامه مطلب »
    کد متلب الگوریتم سیستم ایمنی

    الگوریتم سیستم ایمنی ais نظر بدهید
    کد متلب معمای ۸ با الگوریتم سیستم ایمنی ais
    کد متلب معمای ۸ با الگوریتم سیستم ایمنی ais

    الگوریتم سیستم ایمنی ais, کد متلب معمای 8 (n queen) نظر بدهید

الگوریتم مبتنی بر چگالی dbscan, الگوریتم dbscan

    سگمنت تصویر با الگوریتم dbscan   
    سگمنت تصویر با الگوریتم dbscan

    الگوریتم مبتنی بر چگالی dbscan, الگوریتم dbscan, پیاده سازی کلاسترینگ نظر بدهید
      سگمنت تصویر با الگوریتم dbscan الگوریتم dbscan نخستین بار توسط مارتین استر و همکاران معرفی شد. این الگوریتم روشی برای خوشه بندی است که بر پایه چگالی داده ها عمل می کند. در این روش به منظور تخمین چگالی توزیع نقاط از دو پارامتر شعاع همسایگی (eps) حداقل نقاط مورد نیاز برای تشکیل یک ... ادامه مطلب »
    الگوریتم خوشه بندی براساس چگالی الگوریتم dbscan

     الگوریتم مبتنی بر چگالی dbscan, الگوریتم dbscan, پیاده سازی کلاسترینگ نظر بدهید
    الگوریتم مبتنی بر چگالی dbscan

      الگوریتم مبتنی بر چگالی dbscan, الگوریتم dbscan, پیاده سازی کلاسترینگ نظر بدهید

خوشه بندی fuzzy c mean

    آموزش الگوریتم خوشه بندی c میانگین (fuzzy c-means)

    خوشه بندی fuzzy c mean, پیاده سازی کلاسترینگ نظر بدهید
    آموزش الگوریتم خوشه بندی c میانگین (fuzzy c-means) یکی از مهمترین و پرکاربردترین الگوریتم های خوشه بندی، الگوریتم c میانگین می باشد. در این الگوریتم نمونه ها به c خوشه تقسیم می شوند و تعداد c از قبل مشخص شده است. در نسخه فازی این الگوریتم نیز تعداد خوشه ها ... ادامه مطلب »
    کد متلب الگوریتم خوشه بندی فازی fuzzy c-means

    خوشه بندی fuzzy c mean, پیاده سازی کلاسترینگ نظر بدهید
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir

خوشه بندی kmeans

    خوشه بندی داده های iris با الگوریتم kmeans

    a    خوشه بندی kmeans, پیاده سازی کلاسترینگ نظر بدهید
    خوشه بندی داده های iris با الگوریتم kmeans   در این کار ما داده های دیتاست iris را که شامل سه کلاس میباشد توسط الگوریتم خوشه بندی kmeansخوشه بندی کرده ایم  کد متلب نوشته شده به این صورت است که داده های دیتاست iris را میخواند و دو بعد ا ... ادامه مطلب »
    اموزش الگوریتم خوشه بندی k-means
    خوشه بندی kmeans, پیاده سازی کلاسترینگ نظر بدهید
    کد متلب خوشه بندی بصورت موازی parallel computing

      خوشه بندی kmeans, پردازش موازی در متلب نظر بدهید

پردازش موازی در متلب

    پردازش موازی (parallel computing) در متلب

    آموزش متلب, پردازش موازی در متلب نظر بدهید
    پردازش موازی (parallel computing) در متلب : نرم افزار متلب، این امکان را به وجود آورده است که در کامپیوترهای دارای پردازنده (cpu) چند هسته ای، از پردازش موازی (parallel computing) استفاده نماییم. در این مبحث آموزشی، قصد داریم که نحوه نوشتن کدهای متلب، برای پردازش موازی کدها را شرح ... ادامه مطلب »
    استفاده از cuda در matlab
    پردازش موازی در متلب نظر بدهید
    کد متلب خوشه بندی بصورت موازی parallel computing

   
    خوشه بندی kmeans, پردازش موازی در متلب نظر بدهید

پیاده سازی مقاله game theory

    نظریه بازی ها و حل مسئله یارانه

    پیاده سازی مقاله game theory نظر بدهید
    نظریه بازی ها و حل مسئله یارانه طبق تئوری بازی ها، شخص می بیند که فارغ از اینکه دیگران چه انتخ انجام دهند، گزینه بهتر برای وی عدم انصراف است. آقای فرهاد خانمیرزایی که دانشجوی ای اقتصاد در ای ی آریزونا هستند، تحلیلی زیبا مبتنی بر نظریه بازیها در مورد علت ... ادامه مطلب »
    پیاده سازی مقاله انتخاب ویژگی با نظریه بازی ها

    پیاده سازی مقاله game theory نظر بدهید
    پیاده سازی مقاله نظریه بازیها game theory در حوزه multi agent و smartgrid
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir

      پیاده سازی مقاله game theory, پیاده سازی مقاله smartgrid, پیاده سازی مقاله در متلب نظر بدهید

پیاده سازی مقاله smartgrid

    پیاده سازی مقاله شبکه هوشمند با حراج

     پیاده سازی مقاله smartgrid نظر بدهید
    پیاده سازی مقاله شبکه هوشمند با حراج عنوان مقاله : matching demand with supply in the smart grid using agent-based multiunit auction ieee 2013 تطابق تقاضا با عرضه در شبکه هوشمند با استفاده از حراج چند واحدی مبتنی بر عامل چکیده: recent work has suggested reducing electricity generation cost by ... ادامه مطلب »
    ترجمه مقاله در مورد smart grid سال ۲۰۱۲
    پیاده سازی مقاله smartgrid نظر بدهید
    پیاده سازی مقاله نظریه بازیها game theory در حوزه multi agent و smartgrid

       پیاده سازی مقاله game theory, پیاده سازی مقاله smartgrid, پیاده سازی مقاله در متلب نظر بدهید

پیاده سازی مقاله شبکه عصبی

    پیاده سازی مقاله فازی و شبکه عصبی rbf در متلب

    پیاده سازی مقاله شبکه عصبی, پیاده سازی مقاله فازی نظر بدهید
    پیاده سازی مقاله فازی و شبکه عصبی rbf در متلب عنوان مقاله : improvement of rbf neural networks using fuzzy-osd algorithm in an online radar pulse cl ification system سال چاپ : ۲۰۱۳ لینک مقاله :   http://dx.doi.org/10.1016/j.asoc.2013.04.021 چکیده مقاله : in this paper a new methodology for training radial basis function ... ادامه مطلب »
    کد متلب مقاله شبکه عصبی

      پیاده سازی مقاله در متلب, پیاده سازی مقاله شبکه عصبی نظر بدهید
    پیاده سازی مقاله isi شبکه عصبی
    پیاده سازی مقاله isi شبکه عصبی

    پیاده سازی مقاله در متلب, پیاده سازی مقاله شبکه عصبی نظر بدهید

پیاده سازی مقاله ژنتیک

    حل ج سودوکو با الگوریتم ژنتیک   
    حل ج سودوکو با الگوریتم ژنتیک

    حل ج سودوکو (sudoku puzzles), پیاده سازی مقاله ژنتیک نظر بدهید
    حل ج سودوکو با الگوریتم ژنتیک پیاده سازی مقاله ۲۰۱۳ در زمینه حل ج سودوکو با الگوریتم ژنتیک با عنوان: یک الگوریتم ژنتیک ترکیبی جدید برای حل ج سودوکو a novel hybrid genetic algorithm for solving sudoku puzzles چکیده مقاله: در این مقاله ، یک الگوریتم ژنتیک ترکیبی جدید ارائه ... ادامه مطلب »
    اموزش الگوریتم ژنتیک (ga)
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir

    پیاده سازی مقاله ژنتیک نظر بدهید
    حل فروشنده دوره گرد با الگوریتم ژنتیک باینری
    پیاده سازی مقاله ژنتیک, کد متلب فروشنده دوره گرد (tsp) نظر بدهید

پیاده سازی مقاله پردازش تصویر

    تشخیص هویت از روی عنبیه چشم با شبکه های    
    تشخیص هویت از روی عنبیه چشم با شبکه های

    پیاده سازی مقاله شبکه عصبی, پیاده سازی مقاله پردازش تصویر نظر بدهید
     تشخیص هویت از روی عنبیه چشم با استفاده از شبکه های عنوان مقاله: iris recognition using artificial neural networks تشخیص هویت از روی عنبیه چشم با استفاده از شبکه های : سال نشر ۲۰۱۰  مقاله isi  در expert systems with applications چکیده:   تشخیص هویت بیومتری یکی از مهم ترین ... ادامه مطلب »
    دانلو مقاله شبکه عصبی به همراه ترجمه و کد متلب، مقاله پردازش تصویر به همراه ترجمه و کد متلب

     پیاده سازی مقاله در متلب, پیاده سازی مقاله پردازش تصویر نظر بدهید

پیاده سازی مقاله فازی
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir

    پیاده سازی مقاله فازی و شبکه عصبی rbf در متلب

        پیاده سازی مقاله شبکه عصبی, پیاده سازی مقاله فازی نظر بدهید
    پیاده سازی مقاله فازی و شبکه عصبی rbf در متلب عنوان مقاله : improvement of rbf neural networks using fuzzy-osd algorithm in an online radar pulse cl ification system سال چاپ : ۲۰۱۳ لینک مقاله :   http://dx.doi.org/10.1016/j.asoc.2013.04.021 چکیده مقاله : in this paper a new methodology for training radial basis function ... ادامه مطلب »
    پیاده سازی مقاله فازی ۲۰۱۴
     پیاده سازی مقاله فازی نظر بدهید
    کد متلب مقاله فازی ۲۰۱۳

       پیاده سازی مقاله فازی نظر بدهید

پیاده سازی کلاسترینگ

    سگمنت تصویر با الگوریتم dbscan   
    سگمنت تصویر با الگوریتم dbscan

    admin ۱    الگوریتم مبتنی بر چگالی dbscan, الگوریتم dbscan, پیاده سازی کلاسترینگ نظر بدهید
      سگمنت تصویر با الگوریتم dbscan الگوریتم dbscan نخستین بار توسط مارتین استر و همکاران معرفی شد. این الگوریتم روشی برای خوشه بندی است که بر پایه چگالی داده ها عمل می کند. در این روش به منظور تخمین چگالی توزیع نقاط از دو پارامتر شعاع همسایگی (eps) حداقل نقاط مورد نیاز برای تشکیل یک ... ادامه مطلب »
    خوشه بندی داده های iris با الگوریتم kmeans

    admin     خوشه بندی kmeans, پیاده سازی کلاسترینگ نظر بدهید
    اموزش مفاهیم خوشه بندی

    admin     پیاده سازی کلاسترینگ نظر بدهید

بیوانفورماتیک
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir

    حل مسئله msa با الگوریتم توده ذرات pso

    admin     بیوانفورماتیک نظر بدهید
    مسئله هم تراز رشته ها با الگوریتم توده ذرات pso در متلب   در این کار ما مسئله همترازی رشته ها را با الگوریتم pso در متلب پیاده سازی کرده ایم حل  multiple sequence alignments با   pso مربوط به درس بیوانفورماتیک در بیوانفورماتیک مسئله هم تراز چند رشته ... ادامه مطلب »
    حل multiple sequence alignments با genetic algorithm مربوط به درس بیوانفورماتیک

    admin     برنامه نویسی ژنتیک genetic programming, بیوانفورماتیک نظر بدهید

پیاده سازی مقاله داده کاوی

    مقاله داده کاوی بهمراه ترجمه و پاو وینت

    admin     پیاده سازی مقاله داده کاوی نظر بدهید
    مقاله داده کاوی بهمراه ترجمه و پاو وینت نام مقاله :  ranking discovered rules from data mining with multiple criteria by data envelopment analysis سال انتشار : ۲۰۰۷ institute of traffic and transportation, national chiao tung university-2007   خلاصه  در کاربردهای دیتاماینینگ ، مهم است که   روشهای ارزی را برای ... ادامه مطلب »
    مقاله داده کاوی به همراه کد متلب

    admin ۱۳۹۳/۰۵/۲۸    پیاده سازی مقاله داده کاوی نظر بدهید
    پیاده سازی apriori در متلب + پروژه داده کاوی

    admin ۱۳۹۳/۰۵/۲۸    پیاده سازی مقاله داده کاوی نظر بدهید

الگوریتم تکاملی واکنش شیمیایی cro
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir

    الگوریتم واکنش شیمیایی   
    الگوریتم واکنش شیمیایی

    admin ۱۳۹۳/۱۱/۱۵    الگوریتم تکاملی واکنش شیمیایی cro نظر بدهید
    الگوریتم واکنش شیمیایی این الگوریتم در سال ۲۰۱۰ توسط اقای albert در مقاله ای با عنوان chemical-reaction-inspired metaheuristic for optimization منتشر و معرفی شد. این الگوریتم از فرایند و واکنش های مولکولی الهام گرفته شد ه است.   هر مولکول مجموعه ای از اتم ها و خواصی مانند تعداد و ... ادامه مطلب »
    اموزش الگوریتم واکنش شیمیایی یا cro
    اموزش الگوریتم واکنش شیمیایی یا cro

    admin     الگوریتم تکاملی واکنش شیمیایی cro نظر بدهید
    الگوریتم بهینه سازی واکنش شیمیایی
    الگوریتم بهینه سازی واکنش شیمیایی

    admin     الگوریتم تکاملی واکنش شیمیایی cro نظر بدهید

svm ماشین بردار پشتیبان
رافی

    استگانوگرافی (steganog hy) نظر بدهید

پیاده سازی مقاله در زمینه استگانوگرافی پیاده سازی مقاله با عنوان key dependent image steganog hy using edge detection سال چاپ ۲۰۱۴ محل چاپ: international conference on a nced computing & communication technologies جهت خزید آنلاین کد متلب مقاله با عنوان key dependent image steganog hy using edge detection از لینک زیر اقدام نمایید ادامه مطلب »

پیاده سازی مقاله واترمارکینگ در متلب

    استگانوگرافی (steganog hy), اموزش پردازش تصویر در متلب, پردازش تصویر نظر بدهید
واترمارکینگ در متلب   

پیاده سازی مقاله واترمارکینگ در متلب عنوان مقاله : anti-cropping digital image watermarking using sudoku سال انتشار ۲۰۱۳ برای مشاهده اطلاعات بیشتر در باره مقاله اینجا را کلیک کنید چکیده فارسی مقاله: چکیده: بسیاری از طرح های نهان نگاری تصویر دیجیتال ، برای جاسازی اطلاعات کپی رایت در یک تصویر توسعه یافته اند. با این حال، یک مهاجم ممکن است

اخته


کد فروشنده دوره گرد با الگوریتم فاخته روش جستجوی فاخته (cs) یک روش بهینه سازی فرااکتشافی است که رویکردی تکاملی در جستجوی راه حل بهینه دارد و در سال ۲۰۰۹ توسط yang  و deb پیشنهاد شده است. این روش از رفتار جالب توجه گونه هایی از پرنده ی فاخته در پرورش تخم الهام گرفته است و آن را با پرواز لووی که نوعی گشت تصادفی است ترکیب ... ادامه مطلب »
azsoftir@gmail.com
0936-729-2276
azsoft.ir
azsoftir@gmail.com
0936-729-2276
azsoft.ir

حل مسئله کوله پشتی با الگوریتم فاخته

    الگوریتم بهینه سازی فاخته, حل مسئله کوله پشتی (knapsak) در متلب نظر بدهید
مسئله کوله پشتی در متلب   

حل مسئله کوله پشتی با الگوریتم فاخته حل مسئله کوله پشتی با الگوریتم فاخته coa در این کار ما مسئله کوله پشتی صفر و یک را با الگوریتم فاخته coa  حل کرده ایم برای دریافت کد حل کوله پشتی صفر و یک با الگوریتم فاخته با ما تماس بگیرید هزینه : ۳۰ هزار تومان = هزینه کد بعلاوه یک فایل ... ادامه مطلب »


سرویسهای مهر هاست بر روی سرورهای امن لینو و ویندوز، با پهنای باند بالا و در پیشرفته ترین مراکز دیتا در جهان، ارایه می شوند. سرورهای میزبانی وب ما، مجهز به سخت افزارهای قدرتمند روز بوده، و از آ ین ورژن نرم افزارها بهره مند میباشند. کنترل پنل cpanel و plesk محبوبترین و قدرتمندترین کنترل پنل مدیریت منابع وب سایت و سرورهای وب موجود در دنیا می باشند. جهت مطالعه بیشتر امکانات قدرتمند این کنترل پنل به سایت رسمی کنترل پنل cpanel و plesk مراجه بفرمایید.ثبت دامنه با کنترل پانل کامل : مالکیت قانونی دومین به نام ثبت کننده خواهد بود.


خدمات میزبانی باید مدیریت سیستم شامل از آن است که توسط بسیاری از کاربران به اشتراک گذاشته. این یک مزیت برای کاربرانی که نمی خواهند برای مقابله با آن، اما مانعی برای کاربران قدرت که می خواهند کنترل بیشتری است. در سرور میزبانی مشترک کلی برای کاربران که نیاز به توسعه نرم افزار گسترده خارج از آنچه که ارائه دهنده هاست پشتیبانی نامناسب خواهد بود. تقریبا تمام برنامه های در نظر گرفته شده به روی یک وب سرور خوب کار استاندارد با یک سرویس میزبانی وب به اشتراک گذاشته می شود.

اما از سوی دیگر، سرور میزبانی مشترک ارزان تر از انواع دیگر میزبانی مانند میزبانی سرور اختصاصی است. میزبانی مشترک معمولا محدودیت های استفاده و ارائه دهندگان خدمات میزبانی باید ویژگی های گسترده قابلیت اطمینان در مکان داشته باشد. خدمات میزبانی وب به اشتراک گذاشته شده به طور معمول ارائه پشتیبانی آمار وب، ایمیل و پست الکترونیکی وب خدمات اساسی، نصب و راه اندازی اسکریپت خ ر، پی اچ پی به روز رسانی و وجی، پس از فروش پشتیبانی فنی پایه است که با اشتراک ماهانه گنجانده شده است.

همچنین به طور معمول با استفاده از یک سیستم کنترل پانل مبتنی بر وب، مانند پنل، دایرکت، پلسک (plesk)، interworx، h-کره و یا یکی از بسیاری دیگر از محصولات کنترل پنل. بسیاری از شرکت های میزبانی وب بزرگ استفاده سفارشی خود کنترل توسعه یافته پنل خود. پانل های کنترل و رابط وب می توانید جنجال حال می شود، از شرکت های میزبانی وب گاه حق استفاده از سیستم کنترل پانل خود را به دیگران به فروش برساند. تلاش برای از نو خلق از قابلیت های یک کنترل پنل خاص است، که منجر به بسیاری از پرونده های حقوقی بیش از نقض حق ثبت اختراع.

در سرور میزبانی مشترک، ارائه دهنده به طور کلی مسئول برای مدیریت سرور، نصب نرم افزار سرور، به روز رسانی های امنیتی، پشتیبانی فنی، و دیگر جنبه های این سرویس است. ترین سرورها بر روی سیستم عامل لینو و lamp (نرم افزار بسته نرم افزاری)، است که توسط قابلیت اطمینان و امنیت نرم افزار منبع باز مانند لینو و آپاچی (از 'l' و 'a' از lamp) رانده است. برخی از ارائه دهندگان ارائه راه حل های مایکروسافت ویندوز مبتنی بر یا مبتنی بر freebsd. به عنوان مثال، کنترل پنل plesk برای دو سیستم عامل، لینو و ویندوز در دسترس است. امکانات سمت سرور برای هر دو سیستم عامل دارای قابلیت هایی مشابه (برای مثال: وجی زیر (پایگاه داده) و بسیاری از زبان های برنامه نویسی سمت سرور (مانند زبان پی اچ پی برنامه نویسی وب به طور گسترده ای استفاده می شود) تحت لینو ، یا sql سرور اختصاصی (پایگاه داده) و asp. زبان برنامه نویسی net تحت ویندوز). [نیازمند منبع]


وجود دارد هزاران نفر از ارائه دهندگان خدمات میزبانی مشترک در ایالات متحده به تنهایی. [نیازمند منبع] از مغازه ها مادر و پاپ و شرکت های کوچک طراحی به ارائه دهندگان چند میلیون دلاری در محدوده آنها با صدها نفر از هزاران نفر از مشتریان. بخش بزرگی از به اشتراک گذاشته میزبانی وب بازار از طریق پرداخت هر کلیک رانده (ppc) تبلیغاتی و یا وابسته به برنامه در حالی که برخی از آنها صرفا غیر انتفاعی.


برای ید هاست و سفارش هاست نامحدود به لینک پردیس هاستینگ مراجعه کنید.


خدمات میزبانی باید مدیریت سیستم شامل از آن است که توسط بسیاری از کاربران به اشتراک گذاشته. این یک مزیت برای کاربرانی که نمی خواهند برای مقابله با آن، اما مانعی برای کاربران قدرت که می خواهند کنترل بیشتری است. در سرور میزبانی مشترک کلی برای کاربران که نیاز به توسعه نرم افزار گسترده خارج از آنچه که ارائه دهنده هاست پشتیبانی نامناسب خواهد بود. تقریبا تمام برنامه های در نظر گرفته شده به روی یک وب سرور خوب کار استاندارد با یک سرویس میزبانی وب به اشتراک گذاشته می شود.

اما از سوی دیگر، سرور میزبانی مشترک ارزان تر از انواع دیگر میزبانی مانند میزبانی سرور اختصاصی است. میزبانی مشترک معمولا محدودیت های استفاده و ارائه دهندگان خدمات میزبانی باید ویژگی های گسترده قابلیت اطمینان در مکان داشته باشد. خدمات میزبانی وب به اشتراک گذاشته شده به طور معمول ارائه پشتیبانی آمار وب، ایمیل و پست الکترونیکی وب خدمات اساسی، نصب و راه اندازی اسکریپت خ ر، پی اچ پی به روز رسانی و وجی، پس از فروش پشتیبانی فنی پایه است که با اشتراک ماهانه گنجانده شده است.

همچنین به طور معمول با استفاده از یک سیستم کنترل پانل مبتنی بر وب، مانند پنل، دایرکت، پلسک (plesk)، interworx، h-کره و یا یکی از بسیاری دیگر از محصولات کنترل پنل. بسیاری از شرکت های میزبانی وب بزرگ استفاده سفارشی خود کنترل توسعه یافته پنل خود. پانل های کنترل و رابط وب می توانید جنجال حال می شود، از شرکت های میزبانی وب گاه حق استفاده از سیستم کنترل پانل خود را به دیگران به فروش برساند. تلاش برای از نو خلق از قابلیت های یک کنترل پنل خاص است، که منجر به بسیاری از پرونده های حقوقی بیش از نقض حق ثبت اختراع.

در سرور میزبانی مشترک، ارائه دهنده به طور کلی مسئول برای مدیریت سرور، نصب نرم افزار سرور، به روز رسانی های امنیتی، پشتیبانی فنی، و دیگر جنبه های این سرویس است. ترین سرورها بر روی سیستم عامل لینو و lamp (نرم افزار بسته نرم افزاری)، است که توسط قابلیت اطمینان و امنیت نرم افزار منبع باز مانند لینو و آپاچی (از 'l' و 'a' از lamp) رانده است. برخی از ارائه دهندگان ارائه راه حل های مایکروسافت ویندوز مبتنی بر یا مبتنی بر freebsd. به عنوان مثال، کنترل پنل plesk برای دو سیستم عامل، لینو و ویندوز در دسترس است. امکانات سمت سرور برای هر دو سیستم عامل دارای قابلیت هایی مشابه (برای مثال: وجی زیر (پایگاه داده) و بسیاری از زبان های برنامه نویسی سمت سرور (مانند زبان پی اچ پی برنامه نویسی وب به طور گسترده ای استفاده می شود) تحت لینو ، یا sql سرور اختصاصی (پایگاه داده) و asp. زبان برنامه نویسی net تحت ویندوز). [نیازمند منبع]


وجود دارد هزاران نفر از ارائه دهندگان خدمات میزبانی مشترک در ایالات متحده به تنهایی. [نیازمند منبع] از مغازه ها مادر و پاپ و شرکت های کوچک طراحی به ارائه دهندگان چند میلیون دلاری در محدوده آنها با صدها نفر از هزاران نفر از مشتریان. بخش بزرگی از به اشتراک گذاشته میزبانی وب بازار از طریق پرداخت هر کلیک رانده (ppc) تبلیغاتی و یا وابسته به برنامه در حالی که برخی از آنها صرفا غیر انتفاعی.


برای ید هاست و سفارش هاست نامحدود به لینک پردیس هاستینگ مراجعه کنید.





درباره هاست لینو ایران


هاست لینو ایران ، هاست کد بر روی سرورهای اختصاصی ما در دیتاسنتر زیرساخت میزبانی می شود. هاست میزبانی شده در ایران به دلیل استفاده از بستر داخلی و فواصل کم بین کاربران و سرور باعث پینگ بسیار پایینتر و سرعت بارگزاری بالاتر نسبت به سرویس های خارج کشور هستند . هاست لینو ایران ارائه شده در هاست کد دارای مزایای متعددی است که از مهمترین آنها می توان به استفاده از بهترین سخت افزارها از جمله درایوهای اس اس دی (ssd) و همچنین حافظه (ram) بالا و پردازنده (cpu) قدرتمند اشاره نمود. هاست داخل ایران ما بر روی قویترین سرورهای لینو در یکی از مجهز ترین دیتا سنترهای ایران واقع شده اند .











هاست لینو ایران


تمامی پلان های هاست لیو ایران بر روی هاردهای پر سرعت ssd ارائه می گردد که سرعت باز شدن سایت شما را به صورت چشمگیری افزایش می دهد. ما از آ ین نسخه پنل مدیریت میزبانی وب ، هاست لینو ، plesk به عنوان کنترل پنل میزبانی وب ، هاست لینو استفاده میکنیم. ارائه کنترل پنل کامل میزبانی وب ، هاست plesk ، با امکانات فوق العاده ، کاربری آسان و رابط گرافیکی زیبا ، بهره وری و کارایی سرویس وب سایت شما را بالا برده تا با کمترین کوشش ، بهترین نتیجه را از امکانات میزبانی وب ، هاست لینو داخل ایران دریافت نمایید. این سرویس ها داری تضمین پایداری اطلاعات می باشند، یک نسخه بکاپ هفتگی در هارد دوم یا سوم همین سرور و یک نسخه دیگر در سرور بکاپ میزبان آنلاین واقع در دیتاسنتر ovh کانادا نگه داری می شود. در صورت هر گونه مشکل اعم از سوختن هارد سرور یا آسیب به اطلاعات سایت، آ ین بکاپ سایت را restore خواهیم کرد. هاست کد تمام تلاش خود را از مرحله ی انتخاب دیتاسنتر و سخت افزار و نرمافزار تا تحویل سرویس به مشتری به کار گرفته است تا با توجه به بسترها و امکانات موجود بهترین ها در کنار یکدیگر قرار دهد تا به سرویسی با کیفیت مناسب دست پیدا کند و بدین منظور با وجود قیمت های کاملا رقابتی هرگز کیفیت را فدای قیمت نکرده است و می تواند به مشتریان خود این اطمینان را دهد که سرویس های میزبانی این مجموعه در ایران جزء با کیفیت ترین سرویسهای قابل ارائه در داخل کشور می باشد.







برای دیدن محصولات بیشتر لینکهای زیر را کلیک کنید:

برای دیدن پروژه ها و مقالات شبیه سازی شده در بخش اول اینجا را کلیک کنید

برای دیدن پروژه ها و مقالات شبیه سازی شده در بخش سوم اینجا را کلیک کنید

برای دیدن پروژه ها و مقالات شبیه سازی شده در بخش چهارم اینجا را کلیک کنید

برای دیدن پروژه ها و مقالات شبیه سازی شده در بخش پنجم اینجا را کلیک کنید

جهت انتخاب پروژه:
می توانید با زدن ctrl+f کلید واژه خود را جستجو کرده و مقاله مناسب را بی د. مثلا برای مقالات فازی، کلمه فازی را در صفحه جستجو کرده و با توجه به موضوع و سال انتشار و نوع مقاله، کد پروژه یا مقاله مورد نظر را به ایمیل ما بفرستیدیا جهت اطلاع از هزینه پروژه مورد نظر در روزهایی که قیمت پروژه ها نامعلوم است کد آن را به شماره 09378425676 ارسال کنید.لازم است از طریق پیامک ایمیل خود را به همراه کد پروژه ارسال فرمایید تا مراحل دریافت پروژه و پرداخت هزینه را به اطلاع برسانیم.در صورت داشتن سوال در مورد پروژه ها به ایمیل matlabi_ir@yahoo.com ارسال کنید تا در اولین فرصت پاسخگو باشیم.

بخش دوم:پروژه ها و مقالات شبیه سازی شده در متلب- بخش دوم

ارزان تر از همه

هزینه پرداختی به ازای هر کدمقاله، معادل 76000تومان می باشد

کد مقاله g2

عنوان اصلی مقاله :
suppression of powerline interference in ecg using adaptive digital filter
حذف نویز از سیگنال قلب ecg توسط دیجیتال تطبیقی
سال ارائه: 2011 نوع مقاله: ژورنال گزارش فارسی: دارد
کلید واژه : پردازش سیگنال ، ی پزشکی electrocardiogram, matlab and simulink, least mean square (lms) algorithm


کد مقاله g4
عنوان اصلی مقاله : multiresolution bilateral filtering for image denoising
ترجمه فارسی موضوع مقاله: حذف نویز از تصاویر (ع ) با استفاده از بیلاترال (دوطرفه)
سال ارائه: 2008 نوع مقاله: ieee گزارش فارسی: دارد کلید واژه : پردازش تصویر ، تبدیل موجک گسسته image processing , wavelet thresholding , image denoising, wavelet

کد مقاله g5
عنوان اصلی مقاله : color plane interpolation using alternating projections
ترجمه فارسی موضوع مقاله: درونی طرح رنگ با استفاده از پیش بینی های متناوب

سال ارائه: 2002 نوع مقاله: ieee گزارش فارسی: -

کلید واژه : پردازش تصویر bayer pattern, color filter array, demosaicing,

کد پروژه g9

عنوان اصلی پروژه : تشخیص تعداد خانه های پر نشده در ورق کپسول در چرخه تولید (مثله آمو ی سیلین)

سال ارائه: - نوع مقاله: - گزارش فارسی: -

کلید واژه : پردازش تصویر، ی پزشکی image processing

کد پروژه g10

عنوان اصلی پروژه : تشخیص پلاک خودرو

سال ارائه: - نوع مقاله: - گزارش فارسی: -

کلید واژه : پردازش تصویر، image processing

کد مقاله g15

عنوان اصلی مقاله : locality-sensitive hashing for finding nearest neighbors

ترجمه فارسی موضوع مقاله: هشینگ محل دقیق برای پیدا نزدیک ترین همسایگان

سال ارائه: 2008 نوع مقاله: ieee گزارش فارسی: -

کلید واژه : lsh ، signal processing ،

کد مقاله g16

عنوان اصلی مقاله :

1) a review of fetal ecg signal processing; issues and promising directions 2) comparative analysis of fetal electrocardiogram (ecg) extraction techniques using system simulation

ترجمه فارسی موضوع مقاله: مروری بر پردازش سیگنال ecg جنین، مسائل و دستورالعمل امید بخش

سال ارائه: 2011 نوع مقاله: ieee گزارش فارسی: -

کلید واژه : پردازش سیگنال قلب جنین و مادر، ی پزشکی adaptive noise cancelation (anc), recursive least square (rls), normalized least mean square (nlms), mqrs window, fetal electrocardiogram (fecg) extraction ، signal processing ،

کد پروژه g17

عنوان اصلی پروژه :
کالر آیدی caller id ،گرفتن شماره تلفن و ایجاد سیگنال به همراه سکوت پس از هر شماره و تشخیص سیگنال تولید شده و در نهایت تشخیص شماره گرفته شده
سال ارائه: - نوع پروژه: پردازش سیگنال گزارش فارسی:دارد کلید واژه : پردازش سیگنال، signal processing ,dtmf ,fft , telephone number , callerid

کد پروژه g21
عنوان اصلی پروژه :
ارائه تمام پروژه های کتاب:
simulation and software radio for mobile communications
سال ارائه: - نوع پروژه: مخابراتی ،پردازش سیگنال گزارش فارسی: -
chapter4:orthogonal frequency division multiplexing (ofdm) transmission technology

کد مقاله g22

عنوان اصلی مقاله :
edgedetectionusingadaptivethresholding and ant colonyoptimization
ترجمه فارسی موضوع مقاله: تشخیص لبه تصویر با استفاده از الگوریتم مورچگان سال ارائه: 2011 نوع مقاله: ieee گزارش فارسی: - کلید واژه :
colony optimization, adaptive thresholding, pheromone, entropy, end point

کد پروژه g23

عنوان اصلی پروژه :
تشخیص متن لاتین از درون ع و است اج و ذخیره در فایل متنی ت ت
سال ارائه: - نوع پروژه:پردازش تصویر ،پردازش سیگنال گزارش فارسی:دارد
کلید واژه: تشخیص حروف انگلیسی، است اج متن از تصویر


کد پروژه g26
عنوان اصلی پروژه :
طراحی انواع م اسیون ها
سال ارائه: - نوع پروژه: ،پردازش سیگنال گزارش فارسی: دارد
کلید واژه: ask و bpsk و 8psk , fsk, ook , qpsk , dpsk , amdsb-sc or am , amdsb-tc , amssb , fm , pm , pwm , ppm

کد مقاله g28

عنوان اصلی مقاله :

selection and fusion of facial features for face recognition

تشخیص چهره با استفاده از ویژگی های چهره (چشم، بینی و دهان) برای شناسایی افراد

سال ارائه: 2009 نوع مقاله: ژورنال گزارش فارسی: دارد

کلید واژه : پردازش تصویر، تشخیص چهره، شبکه عصبی، الگوریتم استعماری face recognition, neural networks, evolutionary algorithms, pattern recognition

کد پروژه g32

عنوان اصلی پروژه :
اصلاح زاویه چرخش تصویر
اگر ع ی از ج یا برگه ای گرفته شود زوایای آن را اصلاح و به صورت صحیح در خط افقی نشان می دهد
سال ارائه: - نوع پروژه: اصلاح زاویه گزارش فارسی: دارد
کلید واژه:

کد پروژه g33
عنوان اصلی پروژه :
گفتار شناسی یا همان واژه شناسی توسط الگوریتم dtw
دیت سی را فرد با صدای خود ایجاد میکند و به برنامه می دهد .در هنگام اجرای برنامه صدای کاربر توسط میکروفون ضبط شده و تشخیص می دهد که کاربر چه چیزی را ادا کرده است.
سال ارائه: - نوع پروژه: گفتارشناسی گزارش فارسی: دارد
کلید واژه: speech recognition ،algorithm dynamic time warping

کد پروژه g34

عنوان اصلی پروژه :
تغییر یا حذف بکگراند مشکی از تصویر چرخیده شده
وقتی ع ی را در متلب میچرخانیم در گوشه های تصویر رنگ پیش فرض به صورت مشکی است که این را به دو صورت در این پروژه رفع کرده ایم
سال ارائه: - نوع پروژه: پردازش تصویر گزارش فارسی: دارد
کلید واژه:rotation image. change background in rotate image

کد پروژه g35

عنوان اصلی پروژه :
اورلب سیگنال صوت با روش ola
تقسیم بندی سیگنال به پارتهای مشخص و دارای همپوشانی و ....
این روش را به سه صورت معروف ola پیاده سازی کرده ایم
سال ارائه: - نوع پروژه: پردازش سیگنال صوت گزارش فارسی: دارد
کلید واژه: overlap and add algorithms ،

کد پروژه g36

عنوان اصلی پروژه :
اورلب سیگنال صوت با روش sola
سال ارائه: - نوع پروژه: پردازش سیگنال صوت گزارش فارسی: دارد
کلید واژه: synchronous overlap and add (sola(

کد مقاله g53

عنوان مقاله:

an augmented lagrangian method for total variation video restoration
روش لاگرانژ آگمنت برای بازسازی همه واریاسیون ویدئو

سال ارائه: 2011 نوع مقاله:ieee گزارش فارسی: -

کلید واژه :

augmented lagrangian, total variation, alternating direction method,video restoration, video deblurring,video disparity, -air turbulence

کد مقاله g54

عنوان مقاله:

wave energy extraction maximization in irregular ocean waves using pseudospectral methods
سال ارائه: 2013 نوع مقاله:ژورنال گزارش فارسی: -
کلید واژه :

کد مقاله g68

عنوان مقاله:

a new edge detection algorithm for flame image processing

الگوریتم جدید لبه ی برای پردازش تصاویر آتش و شعله

سال ارائه: 2012 نوع مقاله: ieee گزارش فارسی: دارد

کلید واژه : پردازش تصویر، لبه ی ، شعله، آتش، است اج ویژگی، تشخیص شکل

image processing; combustion, edge detection, feature extraction, fire, flame, image edge analysis, monitoring, shape measurement

کد مقاله g69

عنوان مقاله:

تشخیص بر لحظه حرکت دست آنسان در تصاویر ویدئویی

سال ارائه: 2013 نوع مقاله: ieee گزارش فارسی: دارد

کلید واژه : پردازش تصویر

کد مقاله g70

عنوان مقاله:

license plate extraction from still images

مقاله در رابطه با شناسایی محل پلاک

سال ارائه: 2013 نوع مقاله: کنفرانس گزارش فارسی: دارد

کلید واژه : پردازش تصویر، پلاک خودرو

license plate extraction; edge detection; morphology

کد مقاله g82

عنوان اصلی مقاله :

image inpainting with nonsubsampled contourlet transform

ترمیم تصویر

سال ارائه: 2013 نوع مقاله :elsevier گزارش فارسی: دارد

کلید واژه:پردازش تصویر, nonsubsampled contourlet transform,inpainting, multiscale representation ,broken edges ,object removal

کد مقاله g83

عنوان اصلی مقاله :

localization of license plate number using dynamic image processing techniques and genetic algorithms

سال ارائه: 2012 نوع مقاله :ژورنال گزارش فارسی: دارد

کلید واژه:تشخیص پلاک genetic algorithms, image processing, image representations, license plate detection, machine vision, road vehicle identification, sorting crossover

کد مقاله g105
عنوان مقاله:
a new facial expression recognition method based on local gabor filter bank and pca plus lda
شناسایی حالات چهره با گابور و روش های کاهش بعد pca و lda
سال ارائه: 2005 نوع مقاله: ژورنال گزارش فارسی: دارد
کلید واژه : پردازش تصویر، است اج ویژگی، ح چهره
local gabor filter bank, feature extraction, pca, lda, facial expression recognition

کد مقاله i1
عنوان مقاله:
pixel indicator technique for rgb image steganog hy
این روش استگانوگرافی (pit) pixel indicator
سال ارائه: 2010 نوع مقاله: ژورنال گزارش فارسی: دارد
کلید واژه : پردازش تصویر،پنهان نگاری، امنیت اطلاعات، نهان نگاری، واترمارک، استگانوگرافی
steganog hy, rgb bitmaps, pixel indicator algorithm, information security, digital watermarking


کد مقاله i2
عنوان مقاله:
mammogram breast cancer image detection using image processing functions
تشخیص سرطان در تصویر ماموگرافی
سال ارائه: 2007 نوع مقاله: ژورنال گزارش فارسی: دارد
کلید واژه : پردازش تصویر، ماموگرافی، سرطان ، تشخیص سرطان، پزشکی
mammogram image, breast cancer, cancer detection, medical image

کد مقاله i3
عنوان مقاله:
design of a neural networks cl ifier or face detection
تشخیص نوع تصویر مانند نوع گل با استفاده از شبکه عصبی
سال ارائه: 2005 نوع مقاله: ژورنال گزارش فارسی: دارد
کلید واژه : پردازش تصویر، طبقه بندی، تشخیص، شبکه عصبی، شبکه mlp، شبکه pnn
cl ification, face detection, fpga hardware description, mlp,pnn


کد مقاله i4
عنوان مقاله:
a robust and efficient algori thm for eye detection on gray intensity face
تشخیص و شناسایی چشم
سال ارائه: 2005 نوع مقاله: ژورنال گزارش فارسی: -
کلید واژه : پردازش تصویر، تشخیص چهره، چشم، عنبیه


کد مقاله i5
عنوان مقاله:
performance of three recursive algorithms for fast space-variant gaussian filtering
بررسی عملکرد الگوریتم های بازگشتی برای گوسی سریع متغیر با مکان
سال ارائه: 2003 نوع مقاله: ژورنال گزارش فارسی: دارد
کلید واژه : پردازش تصویر، بازگشتی، گوسی

کد مقاله i6
عنوان مقاله:
efficient impulse noise detection method with anfis for accurate image restoration
بازی تصویر ت یب شده با نویز ضربه­ای با استفاده از میانه­ی تطبیقی و فازی
سال ارائه: 2011 نوع مقاله: ژورنال گزارش فارسی: دارد
کلید واژه : پردازش تصویر، نویز ضربه­ای، میانه­ی تطبیقی، ت یب، بازی
impulsive noise, impulse noise detector, anfis


کد مقاله i8
عنوان مقاله:
selection and fusion of facial features for face recognition
تشخیص چهره با استفاده از ویژگی های چهره (چشم، بینی و دهان) برای شناسایی افراد
سال ارائه: 2009 نوع مقاله: ژورنال گزارش فارسی: دارد
کلید واژه : پردازش تصویر، تشخیص چهره، شبکه عصبی، الگوریتم استعماری
face recognition, neural networks, evolutionary algorithms, pattern recognition

کد مقاله i9
عنوان مقاله:
2d-lda : a statistical linear discriminant analysis for image matrix
تشخیص چهره به روش تحلیل تفکیکی خطی دو بعدی 2d lda
سال ارائه: 2005 نوع مقاله: ieee گزارش فارسی: دارد
کلید واژه : پردازش تصویر، تشخیص چهره
image representation, linear discriminant analysis, subspace techniques, face recognition

کد مقاله i10
عنوان مقاله:
fingerprint image compression
فشرده سازی اثر انگشت
سال ارائه: 2010 نوع مقاله: ieee گزارش فارسی: دارد
کلید واژه : پردازش تصویر، موجک، ویولت، اثر انگشت
spiht, discrete wavelet transform, lossy


کد مقاله i11
عنوان مقاله:
fingercode: a filterbank for fingerprint representation and matching
تشخیص اثر انگشت با استفاده از بانک
سال ارائه: 2000 نوع مقاله: ieee گزارش فارسی: دارد
کلید واژه : پردازش تصویر، تشخیص هویت، شناسایی


کد مقاله i12
عنوان مقاله:
canny edge detection enhancement by scale multiplication
سال ارائه: 2005 نوع مقاله: transactions گزارش فارسی: -
کلید واژه : پردازش تصویر، تشخیص لبه
edge detection, scale multiplication, multiscale analysis

کد مقاله i13
عنوان مقاله:
robust object tracking using joint color - texture histogram
سال ارائه: 2009 نوع مقاله: ژورنال گزارش فارسی: -
کلید واژه : پردازش تصویر، هیستوگرام رنگ، ردی اشیا
object tracking, mean shift, local binary pattern, color histogram


کد مقاله i15
عنوان مقاله:
مدلی مبتنی بر الگوریتم ژنتیک برای انتخاب/است اج ویژگی و بهینه سازی پارامترهای svm
سال ارائه: 2007 نوع مقاله: کنفرانس گزارش فارسی: دارد
کلید واژه : الگوریتم ژنتیک، انتخاب ویژگی، شناسایی الگو، کلاسبندی، ماشین بردار حامی

کد مقاله i16
عنوان مقاله:
fuzzy system learned through fuzzy clustering and support vector machine for human skin color segmentation
سیستم آموزش دیده فازی با استفاده از شبکه فازی و ماشین بردار پشتیبان برای بخش بندی رنگی پوست صورت
سال ارائه: 2007 نوع مقاله: ژورنال گزارش فارسی: دارد
کلید واژه : فازی، svm، پردازش تصویر،
color segmentation, fuzzy clustering, fuzzy neural network (fnn), mixture of gaussian cl ifier (mgc), structure learning

کد مقاله i16
عنوان مقاله:
fuzzy system learned through fuzzy clustering and support vector machine for human skin color segmentation
سیستم آموزش دیده فازی با استفاده از شبکه فازی و ماشین بردار پشتیبان برای بخش بندی رنگی پوست صورت
سال ارائه: 2007 نوع مقاله: ژورنال گزارش فارسی: دارد
کلید واژه : فازی، svm، پردازش تصویر،
color segmentation, fuzzy clustering, fuzzy neural network (fnn), mixture of gaussian cl ifier (mgc), structure learning


کد مقاله p1
عنوان مقاله:
active and re active power control and quality mana ent in dg-grid interfaced systems
سال ارائه: 2009 نوع مقاله: ژورنال گزارش فارسی: دارد
کلید واژه : توان راکتیو، توزیع قدرت،، کیفیت توان، توزیع پراکنده، dg
active power filter, distributed generation, harmonics, reactive power , power quality

کد مقاله i17
عنوان مقاله:
ocr-based ch is-number recognition using artificial neural network
تشخیص کاراکترهای شاسی اتومبیل با استفاده از شبکه های عصبی چند لایه
سال ارائه: 2009 نوع مقاله: ژورنال گزارش فارسی: دارد
کلید واژه : شبکه عصبی، پردازش تصویر

vehicle identification number (vin); optical character recognition (ocr); artificial neural network (ann)

کد مقاله i18
عنوان مقاله:
image deblurring and super-resolution by adaptive sparse domain selection and adaptive regularization
سال ارائه: 2011 نوع مقاله: ieee گزارش فارسی: دارد
کلید واژه : پردازش تصویر
image interpolation, restoration and super-resolution


کد مقاله i19
عنوان مقاله:
an edge-guided image interpolation algorithm via directional filtering and data fusion
سال ارائه: 2006 نوع مقاله: ژورنال گزارش فارسی: دارد
کلید واژه : پردازش تصویر
image interpolation, restoration and super-resolution


کد مقاله i20
عنوان مقاله:
monogenic binary coding: an efficient local feature extraction approach to face recognition
سال ارائه: 2012 نوع مقاله: ieee گزارش فارسی: دارد
کلید واژه : پردازش تصویر


کد مقاله i21
عنوان مقاله:
sparse representation based image interpolation with nonlocal autoregressive modeling
سال ارائه: 2013 نوع مقاله: ieee گزارش فارسی: دارد
کلید واژه : پردازش تصویر


کد مقاله i22
عنوان مقاله:
nonlocally centralized sparse representation for image restoration
سال ارائه: 2013 نوع مقاله: ieee گزارش فارسی: دارد
کلید واژه : پردازش تصویر


کد مقاله i23
عنوان مقاله:
regularized robust coding for face recognition
سال ارائه: 2013 نوع مقاله: ieee گزارش فارسی: دارد
کلید واژه : پردازش تصویر

کد مقاله i24
عنوان مقاله:
re-initialization free level set evolution via reaction diffusion
سال ارائه: 2013 نوع مقاله: ieee گزارش فارسی: دارد
کلید واژه : پردازش تصویر

کد مقاله i25
عنوان مقاله:
automatic image segmentation by dynamic region merging
سال ارائه: 2011 نوع مقاله: ieee گزارش فارسی: دارد
کلید واژه : پردازش تصویر

کد مقاله i26
عنوان مقاله:
two-stage image denoising by principal component analysis with local pixel grouping
سال ارائه: 2010 نوع مقاله: ieee گزارش فارسی: دارد
کلید واژه : پردازش تصویر
pattern recognition

کد مقاله i28

عنوان مقاله:
novel image steganog hic method using tri-way pixel-value differencing
سال ارائه: 2010 نوع مقاله: ژورنال گزارش فارسی: دارد
کلید واژه : پردازش تصویر، پنهان نگاری

کد مقاله i29
عنوان مقاله:
video deblurring and super-resolution technique for multiple moving objects
مات ز تصاویر ویدئویی
سال ارائه: 2010 نوع مقاله: ieee گزارش فارسی: دارد
کلید واژه : پردازش تصویر


کد مقاله i31
عنوان مقاله:
ear biometrics based on geometrical feature extraction
تشخیص هویت با استفاده از یک سری ویژگی های گوش و الگوریتم خوشه بندی
سال ارائه: 2005 نوع مقاله: ieee گزارش فارسی: دارد
کلید واژه : پردازش تصویر
biometrics, human identification, computer vision, image analysis, pattern recognition

کد مقاله i32
عنوان مقاله:
selective pixel interpolation for spatial error concealment
سال ارائه: 2011 نوع مقاله: کنفرانس گزارش فارسی: دارد
کلید واژه : پردازش تصویر، تشخصی لبه
spatial error concealment, edge detection, partitioning interpolation

کد مقاله i33
عنوان مقاله:
fusing local patterns of gabor magnitude and phase for face recognition
سال ارائه: 2010 نوع مقاله: ieee گزارش فارسی: دارد
کلید واژه : پردازش تصویر، فیشر، هیستوگرام
face representation, fisher’s linear discriminant (fld), fusion, histogram, local gabor xor patterns (lgxp)

کد مقاله i34

عنوان مقاله:

face detection using local smqt features and split up snowcl ifier

سال ارائه: 2007 نوع مقاله: ieee گزارش فارسی: دارد

کلید واژه : پردازش تصویر ، تشخیص الگو

object detection, pattern recognition, lighting, image processing

کد مقاله i35

عنوان مقاله:

استفاده از ضریب انتشار تطبیقی برای حذف نویز تصاویر با استفاده از معادلات مشتقات جزیی

در این مقاله روش جدیدی برای حذف نویز تصاویر با استفاده از معادلات مشتقات جزیی ارایه شده است. در به کارگیری معادلات مشتقات جزیی برای حذف نویز تصاویر از پارامتری به نام ضریب انتشار استفاده می شود که انتخاب درست آن تاثیر زیادی بر روی حذف نویز و حفظ لبه های تصویر دارد.

سال ارائه: 1387 نوع مقاله: کنفرانس گزارش فارسی: دارد

کلید واژه : پردازش تصویر، ضریب نفوذ، ضریب بازگشتی، معادلات مشتقات جزیی

کد مقاله i36

عنوان مقاله:

face detection using neural network and gabor wavelet transform

سال ارائه: 2012 نوع مقاله: ژورنال گزارش فارسی: دارد

کلید واژه : شبکه عصبی با ویژگی های gabor، تعیین دقیق محل چهره، موجکهای گابور و طبقه بندی کننده شبکه عصبی

face detection, gabor wavelet, feed forward neural network (ffnn) cl ifier, multilayer perceptron

کد مقاله i37

عنوان مقاله:

novel fuzzy logic based edge detection technique

سال ارائه: 2012 نوع مقاله: ژورنال گزارش فارسی: دارد

کلید واژه : پردازش تصویر، تشخیص لبه، منطق فازی

fuzzy logic, fuzzy inference system, edge strength, edge detection.

کد مقاله i38

عنوان مقاله:

hidden markov model - based gesture recognition with overlapping hand- headhand-hand estimated using kalman filter

تشخیص حرکت بر اساس مدل مخفی مارکف با استفاده از همپوشانی دستها و استفاده از کالمن

سال ارائه: 2010 نوع مقاله: ieee گزارش فارسی: دارد

کلید واژه : پردازش تصویر

skin segmentation ycbcr; feature extraction; kalman filter, gesture trajectory, gesture path, states, hidden markov model

کد مقاله i39

عنوان مقاله:

automatic expert system for weedscrops identification in images from maize fields

سال ارائه: 2013 نوع مقاله: ieee گزارش فارسی: دارد

کلید واژه : سیستم های خبره، هوش ، پردازش تصویر

automatic expert system, image segmentation, image thresholding, weeds/crop discrimination, maize fields


کد مقاله s1
عنوان مقاله:
adaptive beamforming algorithms for anti-jamming
سال ارائه: 2011 نوع مقاله: ژورنال گزارش فارسی: دارد
کلید واژه : پردازش تصویر، سیگنال، تشخیص الگو
pattern recognition, adaptive array signal processing, anti-jamming, optimized lms algorithm


کد مقاله s2
عنوان مقاله:
characteristic wave detection in ecg signal using morphological transform
سال ارائه: 2005 نوع مقاله: ژورنال گزارش فارسی: دارد
کلید واژه : پردازش تصویر، مورفولوژی
singularity detection, characteristic waves, ecg, morphological transform, multiscale morphological derivative (mmd)


کد مقاله s3
عنوان مقاله:
epileptic spike detection using a kalman filter based approach
کاهش نویز در نوار مغز eeg
سال ارائه: 2011 نوع مقاله: ieee گزارش فارسی: دارد
کلید واژه : کالمن


کد مقاله s4
عنوان مقاله:
ecg adaptive linear neural network for fetal monitoring
جداسازی سیگنال قلبی جنین از مادر با استفاده از شبکه عصبی خطی تطبیقی
کاهش نویز در نوار مغز eeg
سال ارائه: 2011 نوع مقاله: ژورنال گزارش فارسی: دارد
کلید واژه : بیومدیکال، شبکه عصبی،
neural network, fetal monitoring, fetal electrocardiog hy (ecg), qrs, maternal ecg, pregnancy

کد مقاله s5
عنوان مقاله:
analysis and simulation of uhf rfid system
کدینگ و دیکدینگ rfid
سال ارائه: 2006 نوع مقاله: ieee گزارش فارسی: دارد
کلید واژه : م اسیون، سیگنال

کد مقاله s6
عنوان مقاله:
electrocardiogram, chebyshev ii iir digital filter, real time application
کاربرد دیجیتال نوع دوم چبیشف برای کاهش نویز در سیگنال ecg
سال ارائه: 2005 نوع مقاله: کنفرانس گزارش فارسی: دارد
کلید واژه : کلید واژه : : الکتروکاردیاگرام، دیجیتال دیجیتال ii iir چبیشف، کاربرد در زمان
electrocardiogram, chebyshev ii iir digital filter, real time application

کد مقاله s7

عنوان مقاله:

haar wavelet method for nonlinear integro-differential equations

ابتدا پایه های هار ساخته می شود و با توجه به ماتریس عملیاتی انتگرال و معادلات داده شده در مقاله حل می شود

سال ارائه: 2006 نوع مقاله: ژورنال گزارش فارسی: دارد

کلید واژه :

integro-differential equations; numerical solution; nonlinear; haar wavelets; collocation method

کد مقاله o1

عنوان مقاله:

parallel genetic algorithm in bus route headway optimization

الگوریتم ژنتیک موازی در بهینه سازی راه های فواصل بین وسایل نقلیه

سال ارائه: 2011 نوع مقاله: ژورنال گزارش فارسی: دارد

کلید واژه : : الگوریتم ژنتیک موازی، مدیریت، پردازش نرم

transportation, bus route headway, optimization, weight and pga

کد مقاله o2

عنوان مقاله:

optimal timetables for public transportation

جداول کاری بهینه برای حمل و نقل عمومی

سال ارائه: 2002 نوع مقاله: ژورنال گزارش فارسی: دارد

کلید واژه : : : استفاده از اتوبوس، برنامه ریزی، حمل و نقل عمومی، بهینه ی اجتماعی، برنامه ی سفر

bus usage, scheduling, public transportation, social optimum, trip timing

کد مقاله o3

عنوان مقاله:

the optimized copyright protection system with gennetic watermaking

طراحی سیستم حق چاپ بهینه شده به کمک الگوریتم ژنتیک

سال ارائه: 2009 نوع مقاله: ژورنال گزارش فارسی: دارد

کلید واژه : نهان نگاری، الگوریتم ژنتیک، کیفیت نهان نگاری، قابلیت بازی تصویر، مقاومت در مقابل حملات ها و فشرده سازی ها

کد مقاله o4

عنوان مقاله:

group decision making process for insurance company selection problem with extended vikor method under fuzzy environment

سال ارائه: 2012 نوع مقاله: ژورنال گزارش فارسی: دارد

کلید واژه :

multi-criteria decision making, vikor method, fuzzy sets, selection problem, insurance sector

کد مقاله o5

عنوان مقاله:

خوشه بندی با الگوریتم ژنتیک

سال ارائه: 2010 نوع مقاله: ژورنال فارسی گزارش فارسی: دارد

کلید واژه : الگوریتم k-means، ژنتیک، clustering، ga

کد مقاله o6

عنوان مقاله:

a memetic algorithm for g h coloring

پروژه پردازش تکاملی بر روی مسئله رنگ امیزی گراف

سال ارائه: 2010 نوع مقاله: ژورنال گزارش فارسی: دارد

کلید واژه :

g h coloring, memetic algorithm, crossover operator, pool updating

کد مقاله o7

عنوان مقاله:

a new hybrid genetic algorithm for job shop scheduling problem

زمانبندی کارگاهی با الگوریتم ژنتیک

سال ارائه: 2012 نوع مقاله: ژورنال گزارش فارسی: دارد

کلید واژه :

genetic algorithm, job shop scheduling problem, crossover operator, mutation operator, local search

کد مقاله o9

عنوان مقاله:

applying reinforcement learning for web pages ranking algorithms

در این مقاله برای محاسبه page rank دو الگوریتم آورده شده است که در آنها از rl استفاده شده است.

rl_rank : این الگوریتم یک الگوریتم connectivity-based می باشد

hybrid : این الگوریتم ترکیبی از content-based و connectivity-based می باشد که موتور های جست و جو نیز از ترکیبی از این دو الگوریتم استفاده می کنند.

سال ارائه: 2013 نوع مقاله: ژورنال گزارش فارسی: دارد

کلید واژه :

ranking, search engine, reinforcement learning, artificial intelligence, value function, agent

کد مقاله o10

عنوان مقاله:

active contour: a parallel genetic algorithm approach

محاسبه کانتور فعال به کمک الگوریتم ژنتیک موازی

سال ارائه: 2011 نوع مقاله: ژورنال گزارش فارسی: دارد

کلید واژه : ژنتیک، موازی، جداسازی، تشخیص لبه های، کمینه مقدار تابع انرژی

active contour, parallel computing, genetic algorithm, segmentation, snake

کد مقاله o11

عنوان مقاله:

a genetic algorithm for finding the k shortest paths in a network

پیدا k کوتاهترین مسیر در شبکه با الگوریتم ژنتیک

سال ارائه: 2010 نوع مقاله: ژورنال گزارش فارسی: دارد

کلید واژه : الگوریتم ژنتیک

computer networks, shortest paths, genetic algorithms, multimedia

کد مقاله o12

عنوان مقاله:

comparing error minimized extreme learning machines and support vector sequential feed-forward neural networks

مقایسه خطای به حداقل رسیده یادگیری¬های ماشین شدید و شبکه¬های عصبی feed-forward متوالی بردار پشتیبان

سال ارائه: 2012 نوع مقاله: ژورنال گزارش فارسی: دارد

کلید واژه : شبکه های عصبی

error minimized extreme learning, machines, support vector sequential feed-forward, neural networks, sequential approximations

کد مقاله o13

عنوان مقاله:

mogsa, a gravity inspired multi-objective meta-heuristic

یک روش فرا ابتکاری مبتنی بر گرانش برای مسایل چند هدفه متوالی بردار پشتیبان

سال ارائه: 2011 نوع مقاله: ژورنال گزارش فارسی: دارد

کلید واژه : بهینه سازی

multi-objective particle swarm optimization (mopso), multi-objective gravitational search algorithm (mogsa), pareto optimality, indirect niching

کد مقاله o14

عنوان مقاله:

leanness essment using multi-grade fuzzy approach

کم هزینه ها با استفاد از یک راه چند گریده فازی

کارخانه ها شاهد کاهش تولیدات خود هستند به دلیل اتلاف ودر پروسه تولیدات کارخانه ها. بدین وسیله آسان ترین راه کاهش هزینه هاست . در این مقاله یک تحقیق برای کم هزینه ها با استفاده از یک سیستم چند گریده فازی است.

سال ارائه: 2011 نوع مقاله: ژورنال گزارش فارسی: دارد

کلید واژه : فازی

lean manufacturing, leanness essment, fuzzy methods, leanness index

کد مقاله o15

عنوان مقاله:

the three-factor model and artificial neural networks predicting stock price movement in china

شبکه های عصبی سه پارامتری و پیش بینی تغییرات بازار بورس چین

سال ارائه: 2011 نوع مقاله: ژورنال گزارش فارسی: دارد

کلید واژه : شبکه های عصبی

artificial neural networks·three-factor model·stock price prediction

کد مقاله o16

عنوان مقاله:

استفاده از رویکرد شبکة عصبی جهت پیش بینی کوتاه مدت سرعت باد

سرعت باد یکی از متغیرهای بسیار مهم هواشناسی در تعیین تبخیرتعرق و نیاز آبی گیاهان است. مدل ها و روش های متعددی برای پیش بینی این عامل وجود دارد. در سال های اخیر، با شناخته شدن ابزار محاسبات نرم، به مثابة روشی نوین در ایجاد سیستم های هوشمند، این روش ها جایگاهی ویژه در علوم هواشناسی کشاورزی پیدا د. به کاربردن رویکرد شبکة عصبی یکی از این روش هاست.

سال ارائه: 2012 نوع مقاله: کنفرانس گزارش فارسی: دارد

کلید واژه : پیش بینی؛ داده های ساعتی؛ سرعت باد؛ شبکة عصبی

کد مقاله o17

عنوان مقاله:

discovering interesting rules from biological data using parallel genetic algorithm

در این مقاله سعی شده است یک روش است اج قانون از یک مجموعه داده ارائه شود که بر اساس الگوریتم ژنتیک می باشد

سال ارائه: 2012 نوع مقاله: ieee گزارش فارسی: دارد

کلید واژه : الگوریتم ژنتیک موازی

کد مقاله o18

عنوان مقاله:

fuzzy logic system based prediction effort a case study on the effects of tire parameters on contact area and contact pressure

سیستم منطق فازی بر اساس تلاش های پیش بینی: یک مطالعه موردی در مورد اثرات پارامترهای تایر در سطح تماس و فشار تماس

سال ارائه: 2014 نوع مقاله: ژورنال گزارش فارسی: دارد

کلید واژه : فازی، مدل پیشبین

کد مقاله o19

عنوان مقاله:

پیش بینی بارش اصفهان با استفاده از شبکه های عصبی

بطور کلی می توان گفت که شبکه عصبی به خوبی رابطه غیر خطی بین مقادیر ماهانه بارش را با توجه به آموزش شبکه با خصوصیات ذکر شده، پیش بینی می کند.

شبکه های عصبی سه پارامتری و پیش بینی تغییرات بازار بورس چین

سال ارائه: 1391 نوع مقاله: کنفرانس گزارش فارسی: دارد

کلید واژه : بارش؛ پیش­بینی؛ شبکه های عصبی ؛ الگوریتم ژنتیک؛ اصفهان

artificial neural networks


کتاب مقدمه ای بر محاسبات موازی - به همراه مثال های عملی در زبان c

introduction to parallel computing

نویسندگان: w. p. petersen, p. arbenz

مشخصات کتاب

فرمت pdf
تعداد صفحات 274
حجم فایل زیپ شده 17 مگابایت


جهت فوری کلیک کنید

قیمت: 2900 تومان


لازم به ذکر است که جهت ماندگاری دائمی فایل های وبلاگ، فضای میزبانی قدرتمندی یداری شده است و درآمد ناچیز وبلاگ صرف تامین هزینه های سنگین "هاست" می شود.


جهت مشاهده لیست کتاب های موجود در سایت کلیک کنید


computer resources


fdtd is a computationally intensive method and most reasonable calculations will need a fast computerand at least a few gigabytes of computer memory. for most applications it is fairly simple to estimate the amount of computer memory required for a calculation. the most important factor for the memory usage, and in large part the run time, is the number of fdtd cells used to represent the structure under test. each fdtd cell has six field values ociated with it: three electric fields and three magnetic fields. additionally each cell has six flags ociated with it to indicate the material type present at each of the six field locations. the field values are real numbers, each four bytes in length, while the flags may each be one byte. this gives a memory usage per fdtd cell of 24 bytes for fields and 6 bytes for flags for a total of 30 bytes. to estimate the total memory required, in bytes, simply multiply the number of fdtd cells by the 30 bytes per cell value. there is some overhead in the calculation, but it is generally quite small. one notable exception is the broadband far-zone angles that allocate six one dimensional real value arrays per direction.

estimating the execution time of an fdtd calculation is more complicated since performance of computer processors varies. one method of estimating is to compute the total number of operations to be performed. there are about 80 operations per cell, per time step during the fdtd calculations. the total number of operations is found from the product of the number of cells, the number of time steps, and the factor of 80 operations per cell, per time step. if a value of the floating-point performance of the processor is known, a value for execution time can be computed. in general though, a better estimating method is to determine the execution time of a simple problem on a given computer and then scale the time by the ratio of the number of operations between the desired calculation and the simple one.

there are many ways to increase computation speed of fdtd, though some will require considerable effort to program. some of the most effective are to use multiple cpus of a computer in parallel, use multiple computers in parallel, optimize computation loops for cache, or take a ntage of parallel methods on cpus such as sse and avx. fdtd software is especially well suited to computation on gpu processors as the notion of many cells performing a relatively small number of update algorithms in parallel fits well with the methods developed for updating video displays.


computer resources


fdtd is a computationally intensive method and most reasonable calculations will need a fast computerand at least a few gigabytes of computer memory. for most applications it is fairly simple to estimate the amount of computer memory required for a calculation. the most important factor for the memory usage, and in large part the run time, is the number of fdtd cells used to represent the structure under test. each fdtd cell has six field values ociated with it: three electric fields and three magnetic fields. additionally each cell has six flags ociated with it to indicate the material type present at each of the six field locations. the field values are real numbers, each four bytes in length, while the flags may each be one byte. this gives a memory usage per fdtd cell of 24 bytes for fields and 6 bytes for flags for a total of 30 bytes. to estimate the total memory required, in bytes, simply multiply the number of fdtd cells by the 30 bytes per cell value. there is some overhead in the calculation, but it is generally quite small. one notable exception is the broadband far-zone angles that allocate six one dimensional real value arrays per direction.

estimating the execution time of an fdtd calculation is more complicated since performance of computer processors varies. one method of estimating is to compute the total number of operations to be performed. there are about 80 operations per cell, per time step during the fdtd calculations. the total number of operations is found from the product of the number of cells, the number of time steps, and the factor of 80 operations per cell, per time step. if a value of the floating-point performance of the processor is known, a value for execution time can be computed. in general though, a better estimating method is to determine the execution time of a simple problem on a given computer and then scale the time by the ratio of the number of operations between the desired calculation and the simple one.

there are many ways to increase computation speed of fdtd, though some will require considerable effort to program. some of the most effective are to use multiple cpus of a computer in parallel, use multiple computers in parallel, optimize computation loops for cache, or take a ntage of parallel methods on cpus such as sse and avx. fdtd software is especially well suited to computation on gpu processors as the notion of many cells performing a relatively small number of update algorithms in parallel fits well with the methods developed for updating video displays.


computer resources


fdtd is a computationally intensive method and most reasonable calculations will need a fast computerand at least a few gigabytes of computer memory. for most applications it is fairly simple to estimate the amount of computer memory required for a calculation. the most important factor for the memory usage, and in large part the run time, is the number of fdtd cells used to represent the structure under test. each fdtd cell has six field values ociated with it: three electric fields and three magnetic fields. additionally each cell has six flags ociated with it to indicate the material type present at each of the six field locations. the field values are real numbers, each four bytes in length, while the flags may each be one byte. this gives a memory usage per fdtd cell of 24 bytes for fields and 6 bytes for flags for a total of 30 bytes. to estimate the total memory required, in bytes, simply multiply the number of fdtd cells by the 30 bytes per cell value. there is some overhead in the calculation, but it is generally quite small. one notable exception is the broadband far-zone angles that allocate six one dimensional real value arrays per direction.

estimating the execution time of an fdtd calculation is more complicated since performance of computer processors varies. one method of estimating is to compute the total number of operations to be performed. there are about 80 operations per cell, per time step during the fdtd calculations. the total number of operations is found from the product of the number of cells, the number of time steps, and the factor of 80 operations per cell, per time step. if a value of the floating-point performance of the processor is known, a value for execution time can be computed. in general though, a better estimating method is to determine the execution time of a simple problem on a given computer and then scale the time by the ratio of the number of operations between the desired calculation and the simple one.

there are many ways to increase computation speed of fdtd, though some will require considerable effort to program. some of the most effective are to use multiple cpus of a computer in parallel, use multiple computers in parallel, optimize computation loops for cache, or take a ntage of parallel methods on cpus such as sse and avx. fdtd software is especially well suited to computation on gpu processors as the notion of many cells performing a relatively small number of update algorithms in parallel fits well with the methods developed for updating video displays.


ترجمه مقاله صف بندی موازی برنامه نویسی dna
بازدید: 1 بار
فرمت فایل: doc 
حجم فایل: 1796 کیلوبایت 
تعداد صفحات فایل: 13 

ترجمه مقاله صف بندی موازی برنامه نویسی dna




ترجمه طلایی مقاله صف بندی موازی برنامه نویسی dna

صف بندی موازی برنامه نویسی dna

چکیده-در این مقاله ما یک الگوریتم موازی جدید پیشنهاد می کنیم که صف بندی بهینه رشته برنامه نویسی dna مبتنی بر مدل dna/protein که توسط hein پیشنهاد شده است را بمنظور تعیین فاصله بین دو رشته برنامه نویسی dna محاسبه کند. اثبات خواهیم کرد که این الگوریتم نسبت به الگوریتم ترتیبی، از نظر هزینه بهینه بوده و تطبیقی می باشد. الگوریتم موازی اجرا شده و نتایج آزمایشی، کارایی این الگوریتم را نشان خواهد داد. 

کلیدواژگان: بیوانفورماتیک، الگوریتم های موازی، تنظیمات رشته.

parallel alignment of coding dna
s.h. alavi-soltani, h. ahrabian1, a. nowzari-dalini
center of excellence in biomathematics,
school of mathematics, statistics, and computer science,
university of tehran, tehran, iran.
email: {alavi,ahrabian,nowzari}@ut.ac.ir.


abstract
we present a new parallel algorithm that computes an optimal alignment of the coding dna sequences based on dna/protein model proposed by hein for the evaluating distance between two coding dna sequence. the algorithm is proved to be adaptive and cost optimal with respect to the sequential algorithm. the parallel algorithm is implemented and experimental results show the efficiency of algorithm.
keywords: bioinformatics, parallel algorithms, sequence alignments.
introduction

1.    مقدمه
 [jones و همکارانش، 2004]. صف بندی رشته در رشته های زیستی، تحت عنوان صف بندی شناخته شده اند. برنامه نویسی دینامیکی روش انتخاب نواحی هم جهت شده رشته های dna و پروتئینی می باشد. برای تعدادی از طرح های امتیازدهی صف بندی، این روش برای تولید یک صف بندی از دو رشته داده شده، با بیشترین احتمال امتیاز تضمین شده می باشد. امتیاز بندی با در نظر گرفتن فواصل بین دو رشته تغییر می یابد. مکانیزم امتیاز دهی برای دو رشته را می توان با سه مدل مختلف طراحی کرد: 
مدل dna، مدل پروتئین، مدل پروتئین/dna. در این مقاله، با مدل پروتئین/dna سر و کار خواهیم داشت. حال توضیح مختصری در مورد این سه مدل می دهیم.
یک روش سرراست، فاصله تکاملی بین دو رشته برنامه نویسی dna این است که از برنامه نویسی پروتیئن چشم پوشی کرده و فاصله را با استفاده از چند مدل تکاملی dna محاسبه کند. فاصله تکاملی بین دو رشته در یک مدل سطح dna را می توان اغلب بصورت مساله صف بندی کلاسیک فرمول نویسی کرده و بصورت کارایی با برنامه نویسی دینامیکی محاسبه کرد [jones و همکارانش2004؛ needlman 1970و همکارانش؛ 1980waterman].
معمولا توصیف فاصله تکاملی بر اساس یک صف بندی از پروتئین های رمزگذاری شده نسبت به یک صف بندی تنها بر اساس برنامه نویسی dna بیشتر قابل اتکا می باشد [pearson, 1996].

.


 ید


برچسب ها : ترجمه مقاله صف بندی موازی برنامه نویسی dna , ترجمه مقاله صف بندی موازی برنامه نویسی dna



این مقاله در 30 صفحه و در قالب word در زمینه موازی سازی سیستم عامل ها تهیه و تنظیم شده است این مقاله از یک مقاله لاتین و معتبر (از سایت ساینس دایرکت) ترجمه و ویرایش شده است
دسته بندی کامپیوتر و it
بازدید ها 0
فرمت فایل doc
حجم فایل 705 کیلو بایت
تعداد صفحات فایل 30
مقاله محدودیت های ضبط موازی سازی سطح دستور همراه با متن لاتین

فروشنده فایل

کد کاربری 25253
کاربر

این مقاله در 30 صفحه و در قالب word در زمینه موازی سازی سیستم عامل ها تهیه و تنظیم شده است این مقاله از یک مقاله لاتین و معتبر (از سایت ساینس دایرکت) ترجمه و ویرایش شده است.

فهرست
چکیده
مقدمه
2.یک مدل برای اجرای یک برنامه به صورت موازی
2.1 حذف وابستگی کنترل و وابستگی صحیح مدیریت پشته
2.2 انشعاب نظری و غیر نظری.
3-چارچوب آزمایشی.
3.1 شبیه ساز perpi.
3.2مجموعه معیارهای cbenchو مجموعه داده انتخ .
3.3شبیه سازی مدلهای مختلف.
3.4 شبیه سازی مدل انشع .
3.5 نتایج شبیه سازی
3.6 ipl مدل انشع بر روی کدهای اصلاح شده
3.7 تفاوت بین مدل انشعاب نظری با غیر نظری چیست؟
4.کارهای مرتبط بر روی مسیر موازی سازی خ ر
5. نتیجه گیری
مراجع.

چکیده

ما ظرفیت مدل های مختلف در حال اجرا را برای بهره مندی از موازی سازی سطح دستور (ipl) تحلیل کردیم.ابتدا، نشان می دهیم که قفل های ضبط فاصله ipl ن (مقیم) هستند. ما این موارد را نشان می دهیم: 1)دریافت(واکشی)به صورت موازی2)تغییر نام منابع حافظه 3)از بین بردن وابستگی صحیح پارازیتی بر روی مدیریت پشته کلیدهای ضبط فاصله ipl.دوم پتانسیل یک مدل اجرایی جدید به نام انشعاب نظری را اندازه گیری می کنیم،که در آن یک اجرا به صورت پویا توسط انشعاب در هر تابع و حلقه مرزی ورودی چند نخی است و نخها برای پیوند مشتریان تغییر نام داده به دیگر تولید کنندگان ارتباط برقرار می کنند.ما نشان می دهیم که یک اجرا می تواند به طور خ ر توسط انشعاب نظری و تغییر نام قابل تعمیم موازی سازی شود.بسیاری از iplدور، با افزایش اندازه داده ،می تواند به درستی برنامه های کامپایل شده براساس الگوریتم های موازی را ضبط کند.

کلمات کلیدی:
موازی سازی خ ر، موازی سازی ضبط سطح دستور iplدور،انشعاب نظری ، تغییر نام حافظه

limits of instruction-level parallelism capture.

abstract
we analyse the capacity of different running models to benefit from the instruction-level parallelism (ilp). first,
we show where the locks to the capture of distant ilp reside. we show that i) fetching in parallel, ii) renaming
memory references and iii) removing parasitic true dependencies on the stack mana ent are the keys to capture
distant ilp. second, we measure the potential of a new running model, named speculative forking, in which a run
is dynamically multi-threaded by forking at every function and loop entry frontier and threads communicate to link
renamed consumers to their producers. we show that a run can be automatically parallelized by speculative forking
and extended renaming. most of the distant ilp, increasing with the data size, can be captured for properly compiled
programs based on parallel algorithms.
keywords: automatic parallelization, instruction-level parallelism, distant ilp capture, speculative forking,
memory renaming

abstractwe analyse the capacity of different running models to benefit from the instruction-level parallelism (ilp). first,we show where the locks to the capture of distant ilp reside. we show that i) fetching in parallel, ii) renamingmemory references and iii) removing parasitic true dependencies on the stack mana ent are the keys to capturedistant ilp. second, we measure the potential of a new running model, named speculative forking, in which a runis dynamically multi-threaded by forking at every function and loop entry frontier and threads communicate to linkrenamed consumers to their producers. we show that a run can be automatically parallelized by speculative forkingand extended renaming. most of the distant ilp, increasing with the data size, can be captured for properly compiledprograms based on parallel algorithms.keywords: automatic parallelization, instruction-level parallelism, distant ilp capture, speculative forking,memory renaming



مقاله محدودیت های ضبط موازی سازی سطح دستور همراه با متن لاتین

این مقاله در 30 صفحه و در قالب word در زمینه موازی سازی سیستم عامل ها تهیه و تنظیم شده است این مقاله از یک مقاله لاتین و معتبر (از سایت ساینس دایرکت) ترجمه و ویرایش شده است

 مقاله محدودیت های ضبط موازی سازی سطح دستور همراه با متن لاتین

 مقاله محدودیت ضبط موازی سازی سطح دستور
دسته بندی کامپیوتر و it
فرمت فایل doc
حجم فایل 705 کیلو بایت
تعداد صفحات فایل 30

این مقاله در 30 صفحه و در قالب word در زمینه موازی سازی سیستم عامل ها تهیه و تنظیم شده است این مقاله از یک مقاله لاتین و معتبر (از سایت ساینس دایرکت) ترجمه و ویرایش شده است.

فهرست
چکیده
مقدمه
2.یک مدل برای اجرای یک برنامه به صورت موازی
2.1 حذف وابستگی کنترل و وابستگی صحیح مدیریت پشته
2.2 انشعاب نظری و غیر نظری.
3-چارچوب آزمایشی.
3.1 شبیه ساز perpi.
3.2مجموعه معیارهای cbenchو مجموعه داده انتخ .
3.3شبیه سازی مدلهای مختلف.
3.4 شبیه سازی مدل انشع .
3.5 نتایج شبیه سازی
3.6 ipl مدل انشع بر روی کدهای اصلاح شده
3.7 تفاوت بین مدل انشعاب نظری با غیر نظری چیست؟
4.کارهای مرتبط بر روی مسیر موازی سازی خ ر
5. نتیجه گیری
مراجع.

چکیده

ما ظرفیت مدل های مختلف در حال اجرا را برای بهره مندی از موازی سازی سطح دستور (ipl) تحلیل کردیم.ابتدا، نشان می دهیم که قفل های ضبط فاصله ipl ن (مقیم) هستند. ما این موارد را نشان می دهیم: 1)دریافت(واکشی)به صورت موازی2)تغییر نام منابع حافظه 3)از بین بردن وابستگی صحیح پارازیتی بر روی مدیریت پشته کلیدهای ضبط فاصله ipl.دوم پتانسیل یک مدل اجرایی جدید به نام انشعاب نظری را اندازه گیری می کنیم،که در آن یک اجرا به صورت پویا توسط انشعاب در هر تابع و حلقه مرزی ورودی چند نخی است و نخها برای پیوند مشتریان تغییر نام داده به دیگر تولید کنندگان ارتباط برقرار می کنند.ما نشان می دهیم که یک اجرا می تواند به طور خ ر توسط انشعاب نظری و تغییر نام قابل تعمیم موازی سازی شود.بسیاری از iplدور، با افزایش اندازه داده ،می تواند به درستی  برنامه های کامپایل شده براساس الگوریتم های موازی را ضبط کند.

کلمات کلیدی:
موازی سازی خ ر، موازی سازی ضبط سطح دستور iplدور،انشعاب نظری ، تغییر نام حافظه

limits of instruction-level parallelism capture.

abstract
we analyse the capacity of different running models to benefit from the instruction-level parallelism (ilp). first,
we show where the locks to the capture of distant ilp reside. we show that i) fetching in parallel, ii) renaming
memory references and iii) removing parasitic true dependencies on the stack mana ent are the keys to capture
distant ilp. second, we measure the potential of a new running model, named speculative forking, in which a run
is dynamically multi-threaded by forking at every function and loop entry frontier and threads communicate to link
renamed consumers to their producers. we show that a run can be automatically parallelized by speculative forking
and extended renaming. most of the distant ilp, increasing with the data size, can be captured for properly compiled
programs based on parallel algorithms.
keywords: automatic parallelization, instruction-level parallelism, distant ilp capture, speculative forking,
memory renaming

abstractwe analyse the capacity of different running models to benefit from the instruction-level parallelism (ilp). first,we show where the locks to the capture of distant ilp reside. we show that i) fetching in parallel, ii) renamingmemory references and iii) removing parasitic true dependencies on the stack mana ent are the keys to capturedistant ilp. second, we measure the potential of a new running model, named speculative forking, in which a runis dynamically multi-threaded by forking at every function and loop entry frontier and threads communicate to linkrenamed consumers to their producers. we show that a run can be automatically parallelized by speculative forkingand extended renaming. most of the distant ilp, increasing with the data size, can be captured for properly compiledprograms based on parallel algorithms.keywords: automatic parallelization, instruction-level parallelism, distant ilp capture, speculative forking,memory renaming

 مقاله محدودیت های ضبط موازی سازی سطح دستور همراه با متن لاتین


مقاله محدودیت های ضبط موازی سازی سطح دستور همراه با متن لاتین

این مقاله در 30 صفحه و در قالب word در زمینه موازی سازی سیستم عامل ها تهیه و تنظیم شده است این مقاله از یک مقاله لاتین و معتبر (از سایت ساینس دایرکت) ترجمه و ویرایش شده است

 مقاله محدودیت های ضبط موازی سازی سطح دستور همراه با متن لاتین

 مقاله محدودیت ضبط موازی سازی سطح دستور
دسته بندی کامپیوتر و it
فرمت فایل doc
حجم فایل 705 کیلو بایت
تعداد صفحات فایل 30

این مقاله در 30 صفحه و در قالب word در زمینه موازی سازی سیستم عامل ها تهیه و تنظیم شده است این مقاله از یک مقاله لاتین و معتبر (از سایت ساینس دایرکت) ترجمه و ویرایش شده است.

فهرست
چکیده
مقدمه
2.یک مدل برای اجرای یک برنامه به صورت موازی
2.1 حذف وابستگی کنترل و وابستگی صحیح مدیریت پشته
2.2 انشعاب نظری و غیر نظری.
3-چارچوب آزمایشی.
3.1 شبیه ساز perpi.
3.2مجموعه معیارهای cbenchو مجموعه داده انتخ .
3.3شبیه سازی مدلهای مختلف.
3.4 شبیه سازی مدل انشع .
3.5 نتایج شبیه سازی
3.6 ipl مدل انشع بر روی کدهای اصلاح شده
3.7 تفاوت بین مدل انشعاب نظری با غیر نظری چیست؟
4.کارهای مرتبط بر روی مسیر موازی سازی خ ر
5. نتیجه گیری
مراجع.

چکیده

ما ظرفیت مدل های مختلف در حال اجرا را برای بهره مندی از موازی سازی سطح دستور (ipl) تحلیل کردیم.ابتدا، نشان می دهیم که قفل های ضبط فاصله ipl ن (مقیم) هستند. ما این موارد را نشان می دهیم: 1)دریافت(واکشی)به صورت موازی2)تغییر نام منابع حافظه 3)از بین بردن وابستگی صحیح پارازیتی بر روی مدیریت پشته کلیدهای ضبط فاصله ipl.دوم پتانسیل یک مدل اجرایی جدید به نام انشعاب نظری را اندازه گیری می کنیم،که در آن یک اجرا به صورت پویا توسط انشعاب در هر تابع و حلقه مرزی ورودی چند نخی است و نخها برای پیوند مشتریان تغییر نام داده به دیگر تولید کنندگان ارتباط برقرار می کنند.ما نشان می دهیم که یک اجرا می تواند به طور خ ر توسط انشعاب نظری و تغییر نام قابل تعمیم موازی سازی شود.بسیاری از iplدور، با افزایش اندازه داده ،می تواند به درستی  برنامه های کامپایل شده براساس الگوریتم های موازی را ضبط کند.

کلمات کلیدی:
موازی سازی خ ر، موازی سازی ضبط سطح دستور iplدور،انشعاب نظری ، تغییر نام حافظه

limits of instruction-level parallelism capture.

abstract
we analyse the capacity of different running models to benefit from the instruction-level parallelism (ilp). first,
we show where the locks to the capture of distant ilp reside. we show that i) fetching in parallel, ii) renaming
memory references and iii) removing parasitic true dependencies on the stack mana ent are the keys to capture
distant ilp. second, we measure the potential of a new running model, named speculative forking, in which a run
is dynamically multi-threaded by forking at every function and loop entry frontier and threads communicate to link
renamed consumers to their producers. we show that a run can be automatically parallelized by speculative forking
and extended renaming. most of the distant ilp, increasing with the data size, can be captured for properly compiled
programs based on parallel algorithms.
keywords: automatic parallelization, instruction-level parallelism, distant ilp capture, speculative forking,
memory renaming

abstractwe analyse the capacity of different running models to benefit from the instruction-level parallelism (ilp). first,we show where the locks to the capture of distant ilp reside. we show that i) fetching in parallel, ii) renamingmemory references and iii) removing parasitic true dependencies on the stack mana ent are the keys to capturedistant ilp. second, we measure the potential of a new running model, named speculative forking, in which a runis dynamically multi-threaded by forking at every function and loop entry frontier and threads communicate to linkrenamed consumers to their producers. we show that a run can be automatically parallelized by speculative forkingand extended renaming. most of the distant ilp, increasing with the data size, can be captured for properly compiledprograms based on parallel algorithms.keywords: automatic parallelization, instruction-level parallelism, distant ilp capture, speculative forking,memory renaming

 مقاله محدودیت های ضبط موازی سازی سطح دستور همراه با متن لاتین


مقاله محدودیت های ضبط موازی سازی سطح دستور همراه با متن لاتین

این مقاله در 30 صفحه و در قالب word در زمینه موازی سازی سیستم عامل ها تهیه و تنظیم شده است این مقاله از یک مقاله لاتین و معتبر (از سایت ساینس دایرکت) ترجمه و ویرایش شده است

 مقاله محدودیت های ضبط موازی سازی سطح دستور همراه با متن لاتین

 مقاله محدودیت ضبط موازی سازی سطح دستور
دسته بندی کامپیوتر و it
فرمت فایل doc
حجم فایل 705 کیلو بایت
تعداد صفحات فایل 30

این مقاله در 30 صفحه و در قالب word در زمینه موازی سازی سیستم عامل ها تهیه و تنظیم شده است این مقاله از یک مقاله لاتین و معتبر (از سایت ساینس دایرکت) ترجمه و ویرایش شده است.

فهرست
چکیده
مقدمه
2.یک مدل برای اجرای یک برنامه به صورت موازی
2.1 حذف وابستگی کنترل و وابستگی صحیح مدیریت پشته
2.2 انشعاب نظری و غیر نظری.
3-چارچوب آزمایشی.
3.1 شبیه ساز perpi.
3.2مجموعه معیارهای cbenchو مجموعه داده انتخ .
3.3شبیه سازی مدلهای مختلف.
3.4 شبیه سازی مدل انشع .
3.5 نتایج شبیه سازی
3.6 ipl مدل انشع بر روی کدهای اصلاح شده
3.7 تفاوت بین مدل انشعاب نظری با غیر نظری چیست؟
4.کارهای مرتبط بر روی مسیر موازی سازی خ ر
5. نتیجه گیری
مراجع.

چکیده

ما ظرفیت مدل های مختلف در حال اجرا را برای بهره مندی از موازی سازی سطح دستور (ipl) تحلیل کردیم.ابتدا، نشان می دهیم که قفل های ضبط فاصله ipl ن (مقیم) هستند. ما این موارد را نشان می دهیم: 1)دریافت(واکشی)به صورت موازی2)تغییر نام منابع حافظه 3)از بین بردن وابستگی صحیح پارازیتی بر روی مدیریت پشته کلیدهای ضبط فاصله ipl.دوم پتانسیل یک مدل اجرایی جدید به نام انشعاب نظری را اندازه گیری می کنیم،که در آن یک اجرا به صورت پویا توسط انشعاب در هر تابع و حلقه مرزی ورودی چند نخی است و نخها برای پیوند مشتریان تغییر نام داده به دیگر تولید کنندگان ارتباط برقرار می کنند.ما نشان می دهیم که یک اجرا می تواند به طور خ ر توسط انشعاب نظری و تغییر نام قابل تعمیم موازی سازی شود.بسیاری از iplدور، با افزایش اندازه داده ،می تواند به درستی  برنامه های کامپایل شده براساس الگوریتم های موازی را ضبط کند.

کلمات کلیدی:
موازی سازی خ ر، موازی سازی ضبط سطح دستور iplدور،انشعاب نظری ، تغییر نام حافظه

limits of instruction-level parallelism capture.

abstract
we analyse the capacity of different running models to benefit from the instruction-level parallelism (ilp). first,
we show where the locks to the capture of distant ilp reside. we show that i) fetching in parallel, ii) renaming
memory references and iii) removing parasitic true dependencies on the stack mana ent are the keys to capture
distant ilp. second, we measure the potential of a new running model, named speculative forking, in which a run
is dynamically multi-threaded by forking at every function and loop entry frontier and threads communicate to link
renamed consumers to their producers. we show that a run can be automatically parallelized by speculative forking
and extended renaming. most of the distant ilp, increasing with the data size, can be captured for properly compiled
programs based on parallel algorithms.
keywords: automatic parallelization, instruction-level parallelism, distant ilp capture, speculative forking,
memory renaming

abstractwe analyse the capacity of different running models to benefit from the instruction-level parallelism (ilp). first,we show where the locks to the capture of distant ilp reside. we show that i) fetching in parallel, ii) renamingmemory references and iii) removing parasitic true dependencies on the stack mana ent are the keys to capturedistant ilp. second, we measure the potential of a new running model, named speculative forking, in which a runis dynamically multi-threaded by forking at every function and loop entry frontier and threads communicate to linkrenamed consumers to their producers. we show that a run can be automatically parallelized by speculative forkingand extended renaming. most of the distant ilp, increasing with the data size, can be captured for properly compiledprograms based on parallel algorithms.keywords: automatic parallelization, instruction-level parallelism, distant ilp capture, speculative forking,memory renaming

 مقاله محدودیت های ضبط موازی سازی سطح دستور همراه با متن لاتین


ترجمه مقاله صف بندی موازی برنامه نویسی dna

ترجمه مقاله صف بندی موازی برنامه نویسی dna

 ترجمه مقاله صف بندی موازی برنامه نویسی dna

ترجمه مقاله صف بندی موازی برنامه نویسی dna
دسته بندی پژوهش
فرمت فایل doc
حجم فایل 1796 کیلو بایت
تعداد صفحات فایل 13

ترجمه طلایی مقاله صف بندی موازی برنامه نویسی dna

صف بندی موازی برنامه نویسی dna

چکیده-در این مقاله ما یک الگوریتم موازی جدید پیشنهاد می کنیم که صف بندی بهینه رشته برنامه نویسی dna مبتنی بر مدل dna/protein که توسط hein پیشنهاد شده است را بمنظور تعیین فاصله بین دو رشته برنامه نویسی dna محاسبه کند. اثبات خواهیم کرد که این الگوریتم نسبت به الگوریتم ترتیبی، از نظر هزینه بهینه بوده و تطبیقی می باشد. الگوریتم موازی اجرا شده و نتایج آزمایشی، کارایی این الگوریتم را نشان خواهد داد. 

کلیدواژگان: بیوانفورماتیک، الگوریتم های موازی، تنظیمات رشته.

 

parallel alignment of coding dna
s.h. alavi-soltani, h. ahrabian1, a. nowzari-dalini
center of excellence in biomathematics,
school of mathematics, statistics, and computer science,
university of tehran, tehran, iran.
email: {alavi,ahrabian,nowzari}@ut.ac.ir.


abstract
we present a new parallel algorithm that computes an optimal alignment of the coding dna sequences based on dna/protein model proposed by hein for the evaluating distance between two coding dna sequence. the algorithm is proved to be adaptive and cost optimal with respect to the sequential algorithm. the parallel algorithm is implemented and experimental results show the efficiency of algorithm.
keywords: bioinformatics, parallel algorithms, sequence alignments.
introduction

1.    مقدمه
 [jones و همکارانش، 2004]. صف بندی رشته در رشته های زیستی، تحت عنوان صف بندی شناخته شده اند. برنامه نویسی دینامیکی روش انتخاب نواحی هم جهت شده رشته های dna و پروتئینی می باشد. برای تعدادی از طرح های امتیازدهی صف بندی، این روش برای تولید یک صف بندی از دو رشته داده شده، با بیشترین احتمال امتیاز تضمین شده می باشد. امتیاز بندی با در نظر گرفتن فواصل بین دو رشته تغییر می یابد. مکانیزم امتیاز دهی برای دو رشته را می توان با سه مدل مختلف طراحی کرد: 
مدل dna، مدل پروتئین، مدل پروتئین/dna. در این مقاله، با مدل پروتئین/dna سر و کار خواهیم داشت. حال توضیح مختصری در مورد این سه مدل می دهیم.
یک روش سرراست، فاصله تکاملی بین دو رشته برنامه نویسی dna این است که از برنامه نویسی پروتیئن چشم پوشی کرده و فاصله را با استفاده از چند مدل تکاملی dna محاسبه کند. فاصله تکاملی بین دو رشته در یک مدل سطح dna را می توان اغلب بصورت مساله صف بندی کلاسیک فرمول نویسی کرده و بصورت کارایی با برنامه نویسی دینامیکی محاسبه کرد [jones و همکارانش2004؛ needlman 1970و همکارانش؛ 1980waterman].
معمولا توصیف فاصله تکاملی بر اساس یک صف بندی از پروتئین های رمزگذاری شده نسبت به یک صف بندی تنها بر اساس برنامه نویسی dna بیشتر قابل اتکا می باشد [pearson, 1996].

 ترجمه مقاله صف بندی موازی برنامه نویسی dna


آخرین مطالب

آخرین جستجو ها