دانلود و نمایش مقالات مرتبط با Big Data Computing::صفحه 1

دانلود بهترین مقالات isi همراه با ترجمه فارسی

کارابرن عزیز، مقالات سایت ( همگی جزو مقالات isi می باشند) بالاترین کیفیت ترجمه را دارند، ترجمه آنها کامل و دقیق می باشد (حتی محتوای جداول و شکل های نیز ترجمه شده اند) و از بهترین مجلات isi مانند IEEE، Sciencedirect، Springer، Emerald و ... انتخاب گردیده اند.

پشتیبانی
اپلیکشن اندروید
آرشیو مقالات
ورود اعضا
توجه توجه توجه !!!!
تمامی مقالات ترجمه شده ، انگلیسی و کتاب های این سایت با دقت تمام انتخاب شده اند. در انتخاب مقالات و کتاب ها پارامترهای جدید بودن، پر جستجو بودن، درخواست کاربران ، تعداد صفحات و ... لحاظ گردیده است. سعی بر این بوده بهترین مقالات در هر زمینه انتخاب و در اختیار شما کاربران عزیز قرار گیرد. ضمانت ما، کیفیت ماست.
نرم افزار winrar

از نرم افزار winrar برای باز کردن فایل های فشرده استفاده می شود. برای دانلود آن بر روی لینک زیر کلیک کنید
دانلود

پیوندهای کاربردی
پیوندهای مرتبط
نتیجه جستجو - Big Data Computing

تعداد مقالات یافته شده: 11
ردیف عنوان نوع
1 Composable architecture for rack scale big data computing
معماری دندانه دار کردن برای مقیاس دندانه دار کردن محاسبات داده های بزرگ-2017
The rapid growth of cloud computing, both in terms of the spectrum and volume of cloud workloads, necessitates re-visiting the traditional rack-mountable servers based datacenter design. Next generation datacenters need to offer enhanced support for: (i) fast changing system configuration requirements due to workload constraints, (ii) timely adoption of emerging hardware technologies, and (iii) maximal sharing of systems and subsystems in order to lower costs. Disaggregated datacenters, constructed as a collection of individual resources such as CPU, memory, disks etc., and composed into workload execution units on demand, are an interesting new trend that can address the above challenges. In this paper, we demonstrate the feasibility of composable systems through building a rack scale composable system prototype using PCIe switches. Through empirical approaches, we develop an assessment of the opportunities and challenges for leveraging the composable architecture for rack scale cloud datacenters with a focus on big data and NoSQL workloads. In particular, we compare and contrast the programming models that can be used to access the composable resources, and develop the implications for the network and resource provisioning and management for rack scale architecture.
Keywords:Big data platforms|Composable system architecture|Disaggregated datacenter architecture|Composable datacenter|Software defined |environments|Software defined networking
مقاله انگلیسی
2 Improving Data Fusion in Big Data Stream Computing for Automotive Applications
بهبود داده های تلفیقی در محاسبات جریان داده های بزرگ برای کاربردهای خودرو-2016
Connected vehicles are capable of generating huge amounts of data at a very high frequencies. This big data has a great value for a large broad of services ranging from road safety services to aftermarket services (e.g., predictive and preventive maintenance). Nevertheless, they raised new challenges in terms of big data real-time or near-real time processing, storing, etc. Within this paper, we address the issue of online data fusion of automotive data. More precisely, we focus on the performance of the big data infrastructure to process collected data from several millions of connected vehicles. To this end, we propose novel approaches, based on spatial indexation, to speed-up our automotive application. To validate the effectiveness of our proposal, we have implemented and conducted real experiments on PSA-Group big data platform. The experimental results have demonstrated the efficiency of our spatial indexing and querying techniques
Keywords: Connected Vehicles | Big Data | Stream Computing | Point Location Problem.
مقاله انگلیسی
3 Big Data Validation and Quality Assurance – Issuses, Challenges, and Needs
اعتبار سنجی و تضمین کیفیت داده های بزرگ- مسائل، چالش ها و نیازها-2016
With the fast advance of big data technology and analytics solutions, big data computing and service is becoming a very hot research and application subject in academic research, industry community, and government services. Nevertheless, there are increasing data quality problems resulting in erroneous data costs in enterprises and businesses. Current research seldom discusses how to effectively validate big data to ensure data quality. This paper provides informative discussions for big data validation and quality assurance, including the essential concepts, focuses, and validation process. Moreover, the paper presents a comparison among big data validation tools and several major players in industry are discussed. Furthermore, the primary issues, challenges, and needs are discussed.
Keywords: Quality assurance | big data quality assurance | big data validation | data validation
مقاله انگلیسی
4 Distributed Private Online Learning for Social Big Data Computing over Data Center Networks
Distributed Private Online Learning for Social Big Data Computing over Data Center Networks-2016
With the rapid growth of Internet technologies, cloud computing and social networks have become ubiquitous. An increasing number of people participate in social networks and massive online social data are obtained. In order to exploit knowledge from copious amounts of data obtained and predict social behavior of users, we urge to realize data mining in social networks. Almost all online websites use cloud services to effectively process the large scale of social data, which are gathered from distributed data centers. These data are so largescale, high-dimension and widely distributed that we propose a distributed sparse online algorithm to handle them. Additionally, privacy-protection is an important point in social networks. We should not compromise the privacy of individuals in networks, while these social data are being learned for data mining. Thus we also consider the privacy problem in this article. Our simulations shows that the appropriate sparsity of data would enhance the performance of our algorithm and the privacy-preserving method does not significantly hurt the performance of the proposed algorithm.
Index Terms: Cloud computing | social networks | sparse | dis tributed online learning
مقاله انگلیسی
5 محاسبات داده های بزرگ و ابرها: روند و جهت‌ گیری های آینده
سال انتشار: 2015 - تعداد صفحات فایل pdf انگلیسی: 13 - تعداد صفحات فایل doc فارسی: 41
این مقاله روش‌ها و محیط انجام تحلیل بر روی ابرها برای برنامه‌های کاربردی داده های بزرگ را مورد بحث قرار می‌دهد. این بررسی حول چهار حوزه‌ی مهم تحلیل و داده‌های بزرگ است: یعنی (1) مدیریت داده‌ها و معماری‌های پشتیبان، (2)توسعه مدل و امتیازدهی، (3) بصری‌سازی و تعامل با کاربر، (4) مدل‌های تجاری. از طریق بررسی‌های دقیق، شکاف‌های ممکن را در فن‌آوری شناسایی کرده و توصیه‌هایی برای جامعه‌ی پژوهش در جهت آینده‌ی محاسبات داده‌های بزرگ پشتیبانی شده با ابر، و راه‌حل‌های تحلیلی، ارائه می‌کنیم.
کلمات کلیدی: داده ها‌ی بزرگ | محاسبات ابری | تحلیل | مدیریت داده
مقاله ترجمه شده
6 Remote sensing big data computing: Challenges and opportunities
سنجش از راه دور محاسبات داده بزرگ: چالش ها و فرصت ها-2015
As we have entered an era of high resolution earth observation, the RS data are undergoing an explosive growth. The proliferation of data also give rise to the increasing complexity of RS data, like the diversity and higher dimensionality characteristic of the data. RS data are regarded as RS ‘‘Big Data’’. Fortunately, we are witness the coming technological leapfrogging. In this paper, we give a brief overview on the Big Data and data-intensive problems, including the analysis of RS Big Data, Big Data challenges, current techniques and works for processing RS Big Data. Keywords: Remote sensing data processing Big data Data-intensive computing
مقاله انگلیسی
7 Software Tools and Techniques for Big Data Computing in Healthcare Clouds
ابزارهای نرم افزار و تکنیک ها برای محاسبات داده های بزرگ در ابرهای بهداشت و درمان-2015
no abstract
مقاله انگلیسی
8 به سوی چهارچوب تحلیلی داده های بزرگ سلامت
سال انتشار: 2015 - تعداد صفحات فایل pdf انگلیسی: 9 - تعداد صفحات فایل doc فارسی: 26
بهداشت و سلامتی در حال تولید حجم عظیمی از داده است که می تواند از نظر بالینی و عملی بینش و دیدگاه مفیدی در اختیار دست اندر کار بخش ارایه خدمات سلامتی قرار دهد. در حال حاضر شاهد کمبود در زمینه پلتفرم های تحلیلی و تخصصی داده های یکپارجه سلامت که بتواند درباره تحلیل های کل داده های کلان سلامت در موار گزینش، یکپارچه سازی، تحلیل و به اشتراک گذاری داده های سلامت، از طریق شیوه های فنی پشتیبانی ارایه کنند هستیم. در این مقاله، یک معماری فنی درباره پلتفرم های تحلیلی داده های سلامت که از منابع چندگانه و فناوری هایی های بعضا ناهمگون ارایه می شود، پیشنها د شده است. یک جنبه کلیدی از معماری پیشنهاد شده در این جا، استاندارد سازی داده هاست که برای این منظور ما از SNOMED-CT به عنوان یک استاندارد اصطلاح شناسی، به عنوان راه حلی برای استانداردسازی مجموعه دادگانی که از منابع گوناگون سرچشمه می گیرند استفاده کردیم. ما یک راه حل تک مرحله ایی یکپارچه سازی داده های سلامت ارایه می دهیم که با استفاده از آن، کاربران می توانند از منابع گوناگون داده های استفاده کنند. این پلتفرم فرایند استاندارد سازی و سپس یکپارچه سازی داده را برای آماده سازی یک پایگاه داده یکپارچه انجام می دهد. ما یک مطالعه موردی ارایه کردیم که در آن حجم عظیمی از داده های آزمایشگاهی با استفاده از پلتفرم پیشنهادی ما کپارچه سازی و تحلیل شدند.
کلمات کلیدی: انفورماتیک های سلامت | کلان داده سلامت | تحلیلی های داده های سلامت | نگاشت کاهش /هادوپ | SNOMED CT | یکپارچه سازی دادگان | استاندارد سازی دادگان
مقاله ترجمه شده
9 Big Data computing and clouds: Trends and future directions
محاسبات داده های بزرگ و ابرها: روند و جهت گیری های آینده-2015
This paper discusses approaches and environments for carrying out analytics on Clouds for Big Data applications. It revolves around four important areas of analytics and Big Data, namely (i) data management and supporting architectures; (ii) model development and scoring; (iii) visualisation and user interaction; and (iv) business models. Through a detailed survey, we identify possible gaps in technology and provide recommendations for the research community on future directions on Cloud-supported Big Data computing and analytics solutions. Keywords: Big Data Cloud computing Analytics Data management
مقاله انگلیسی
10 Promises and Challenges of Big Data Computing in Health Sciences
وعده ها و چالش های محاسبات داده های بزرگ در علوم سلامت-2015
With the development of smart devices and cloud computing, more and more public health data can be collected from various sources and can be analyzed in an unprecedented way. The huge social and academic impact of such developments caused a worldwide buzz for big data. In this review article, we summarized the latest applications of Big Data in health sciences, including the recommendation systems in healthcare, Internet-based epidemic surveillance, sensor-based health conditions and food safety monitoring, Genome-Wide Association Studies (GWAS) and expression Quantitative Trait Loci (eQTL), inferring air quality using big data and metabolomics and ionomics for nutritionists. We also reviewed the latest technologies of big data collection, storage, transferring, and the state-of-the-art analytical methods, such as Hadoop distributed file system, MapReduce, recommendation system, deep learning and network Analysis. At last, we discussed the future perspectives of health sciences in the era of Big Data.
مقاله انگلیسی
موضوعات
footer