دانلود و نمایش مقالات مرتبط با تبادل::صفحه 1
دانلود بهترین مقالات isi همراه با ترجمه فارسی
نتیجه جستجو - تبادل

تعداد مقالات یافته شده: 111
ردیف عنوان نوع
1 DEGAN : شبکه های مولد متخاصم غیر متمرکز
سال انتشار: 2021 - تعداد صفحات فایل pdf انگلیسی: 9 - تعداد صفحات فایل doc فارسی: 23
در این مطالعه، یک چارچوب توزیع شده و غیرمتمرکز از شبکه های مولد متخاصم (GAN) بدون تبادل داده های آموزشی پیشنهاد شد. هر گره شامل مجموعه ی از داده محلی ، یک تفکیک کننده کننده و یک مولد است که فقط گرادیان ژنراتور آن با سایر گره ها به اشتراک گذاشته می شوند. در این مقاله ، تکنیک توزیع جدید معرفی می شود که در آن کارکنان مستقیماً با یکدیگر ارتباط برقرار می کنند و هیچ گره مرکزی وجود ندارد. نتایج تجربی ما در مجموعه داده های معیار ، عملکرد و دقت تقریباً یکسانی را در مقایسه با چارچوب های GAN متمرکز موجود نشان می دهد. چارچوب پیشنهادی به عدم یادگیری غیرمتمرکز برای GAN ها می پردازد.
کلمات کلیدی: یادگیری عمیق | شبکه های مولد متخاصم | یادگیری ماشین توزیع شده | معماری غیرمتمرکز
مقاله ترجمه شده
2 پیش بینی قیمت بیت کوین با استفاده از یادگیری ماشین: یک رویکر برای مهندسی ابعاد نمونه
سال انتشار: 2020 - تعداد صفحات فایل pdf انگلیسی: 13 - تعداد صفحات فایل doc فارسی: 32
پس از فراز و فرودهای قیمت های ارزهای رمزنگاری شده در سال های اخیر، بیت کوین به صورت فزاینده ای به عنوان یک دارایی برای سرمایه گذاری در نظر گرفته شده است. به خاطر ماهیت بسیار بی ثبات قیمت بیت کوین، لازم است تا پیش بینی های مناسبی صورت گیرد تا، بر اساس آن، بتوان در مورد سرمایه گذاری تصمیم گیری نمود. با وجودی که تحقیقات جاری برای پیش بینی دقیق تر قیمت بیت کوین از یادگیری ماشین استفاده کرده اند، تعداد اندکی از آنها به امکان استفاده از تکنیک های مختلف مدل سازی برای نمونه هایی با ساختار داده ای و ویژگی های بعدی مختلف توجه کرده اند. به منظور پیش بینی بهای بیت کوین در فرکانس های مختلف با استفاده از تکنیک های یادگیری ماشین، ابتدا قیمت بیت کوین را بر اساس قیمت روزانه و قیمت فرکانس بالا طبقه بندی می کنیم. مجموعه ای از ویژگی های با ابعاد بالا از جمله دارایی و شبکه، معاملات و بازار، توجه و قیمت لحظه ای طلا برای پیش بینی قیمت روزانه بیت کوین استفاده می شود، در حالی که ویژگی های اصلی تجارت که از تبادل ارز رمزنگاری شده حاصل شده اند، برای پیش بینی قیمت در فواصل 5 دقیقه ای استفاده می شوند. روشهای آماری شامل رگرسیون لجستیک و آنالیز افتراقی خطی برای پیش بینی قیمت روزانه بیت کوین با ویژگی های ابعاد بالا، به دقت 66٪ رسیده و از الگوریتم های یادگیری پیچیده تر ماشین پیشی می گیرند. در مقایسه با نتایج مبنا برای پیش بینی قیمت روزانه، با بالاترین دقت در روش های آماری و الگوریتم های یادگیری ماشینی، به ترتیب 66٪ و 3/65٪، به عملکرد بهتری دست پیدا می کنیم. مدلهای یادگیری ماشینی، شامل جنگل تصادفی ،XGBoost، آنالیز افتراقی درجه دو، ماشین بردار پشتیبان و حافظه کوتاه مدت بلند برای پیش بینی قیمت 5 دقیقه ای بیت کوین که دقت آنها به 67.2% رسیده است، از روشهای آماری بهتر هستند. بررسی ما در مورد پیش بینی قیمت بیت کوین را می توان مطالعه ای مقدماتی در مورد اهمیت ابعاد نمونه در تکنیک های یادگیری ماشین در نظر گرفت.
کلمات کلیدی: مهندسی ابعاد نمونه | اصل Occam’s Razor | پیش بینی قیمت بیت کوین | الگوریتم های یادگیری ماشین
مقاله ترجمه شده
3 پیش بینی قیمت بیت کوین با استفاده از یادگیری ماشین: یک رویکر برای مهندسی ابعاد نمونه
سال انتشار: 2020 - تعداد صفحات فایل pdf انگلیسی: 13 - تعداد صفحات فایل doc فارسی: 32
پس از فراز و فرودهای قیمت های ارزهای رمزنگاری شده در سال های اخیر، بیت کوین به صورت فزاینده ای به عنوان یک دارایی برای سرمایه گذاری در نظر گرفته شده است. به خاطر ماهیت بسیار بی ثبات قیمت بیت کوین، لازم است تا پیش بینی های مناسبی صورت گیرد تا، بر اساس آن، بتوان در مورد سرمایه گذاری تصمیم گیری نمود. با وجودی که تحقیقات جاری برای پیش بینی دقیق تر قیمت بیت کوین از یادگیری ماشین استفاده کرده اند، تعداد اندکی از آنها به امکان استفاده از تکنیک های مختلف مدل سازی برای نمونه هایی با ساختار داده ای و ویژگی های بعدی مختلف توجه کرده اند. به منظور پیش بینی بهای بیت کوین در فرکانس های مختلف با استفاده از تکنیک های یادگیری ماشین، ابتدا قیمت بیت کوین را بر اساس قیمت روزانه و قیمت فرکانس بالا طبقه بندی می کنیم. مجموعه ای از ویژگی های با ابعاد بالا از جمله دارایی و شبکه، معاملات و بازار، توجه و قیمت لحظه ای طلا برای پیش بینی قیمت روزانه بیت کوین استفاده می شود، در حالی که ویژگی های اصلی تجارت که از تبادل ارز رمزنگاری شده حاصل شده اند، برای پیش بینی قیمت در فواصل 5 دقیقه ای استفاده می شوند. روشهای آماری شامل رگرسیون لجستیک و آنالیز افتراقی خطی برای پیش بینی قیمت روزانه بیت کوین با ویژگی های ابعاد بالا، به دقت 66٪ رسیده و از الگوریتم های یادگیری پیچیده تر ماشین پیشی می گیرند. در مقایسه با نتایج مبنا برای پیش بینی قیمت روزانه، با بالاترین دقت در روش های آماری و الگوریتم های یادگیری ماشینی، به ترتیب 66٪ و 3/65٪، به عملکرد بهتری دست پیدا می کنیم. مدلهای یادگیری ماشینی، شامل جنگل تصادفی ،XGBoost، آنالیز افتراقی درجه دو، ماشین بردار پشتیبان و حافظه کوتاه مدت بلند برای پیش بینی قیمت 5 دقیقه ای بیت کوین که دقت آنها به 67.2% رسیده است، از روشهای آماری بهتر هستند. بررسی ما در مورد پیش بینی قیمت بیت کوین را می توان مطالعه ای مقدماتی در مورد اهمیت ابعاد نمونه در تکنیک های یادگیری ماشین در نظر گرفت.
کلمات کلیدی: مهندسی ابعاد نمونه | اصل Occam’s Razor | پیش بینی قیمت بیت کوین | الگوریتم های یادگیری ماشین
مقاله ترجمه شده
4 Entrepreneurship within the history of marketing
کارآفرینی در طول تاریخ بازاریابی-2020
Few scholarly articles explore the history of marketing beyond the commonly accepted origins. Even fewer studies explore the role of the entrepreneur in early markets and economies or how entrepreneurs adapted as the world economy shifted. Aside from recognizing that early forms of commercial exchange existed in the pre-industrial age, little is written about the social, historical, and anthropological constructs that contributed to the development of marketing and entrepreneurial theory or the profile of the first entrepreneurs who sought to expand commerce beyond simple exchanges within their community. We believe this to be an oversight on the part of historical scholars in marketing, entrepreneurship, and related disciplines which leaves a gap in the literature that we address by comparing and contrasting the traditional marketing perspectives with the entrepreneurial and relational perspectives across different eras. Propositions are developed in conjunction with the discussion of implications.
Keywords: Entrepreneurship history | Marketing history | Relational marketing | Business history | Exchange
مقاله انگلیسی
5 Online adaptive water management fault diagnosis of PEMFC based on orthogonal linear discriminant analysis and relevance vector machine
تشخیص خطای مدیریت آب انطباقی آنلاین PEMFC بر اساس تجزیه و تحلیل تمایز خطی متعامد و دستگاه بردار ارتباط-2020
A data-driven strategy for characterizing the water management failure in a Proton Exchange Membrane Fuel Cell (PEMFC) is presented in this paper. To carry out the diagnosis of water management failure, first the original single cell voltages are projected into lowerdimension features by applying orthogonal linear discriminant analysis (OLDA). Then, a classification methodology termed relevance vector machine (RVM) is employed to classify the lower-dimension features into different categories that indicate the respective health states of the system. The initially trained projecting vectors and classifiers lose their efficiency gradually the characteristics of PEMFC system change, such as the cell voltages decaying with time due to the normal degradation due to aging. An online adaptive diagnostic strategy based on the posterior probability of RVM is proposed, so as to keep the diagnostic accuracy over time. The efficiency and reliability of this online adaptive diagnostic strategy is validated using an experimental database from a 90-cell PEMFC stack.
Keywords: Proton exchange membrane fuel cell | (PEMFC) | Orthogonal linear discriminant | analysis (OLDA) | Relevance vector machine (RVM) | Water management failure | Online adaptive diagnostics
مقاله انگلیسی
6 Family support as social exchange in entrepreneurship: Its moderating impact on entrepreneurial stressors-well-being relationships
حمایت از خانواده به عنوان تبادل اجتماعی در کارآفرینی: تأثیر تعدیل کننده آن بر روابط استرس زا و رفاه کارآفرینی-2020
Current studies suggest mixed effects concerning the impact of the family system on entrepreneurial outcomes. Through the integration of the family embeddedness theory and social exchange theory, we further investigate the potential benefits and costs of family support as a social exchange process between entrepreneurs and their family members. We propose that perceived family support can differentially shape well-being across different entrepreneurial contexts (financial and workload stressors) depending on the nature of the exchange relationship (economic vs. social), thereby dual effects are anticipated from time-based and temporal processes. After ana- lyzing the data gathered from 61 entrepreneurs over 14 days, we found evidence that high levels of family support attenuate the relationships between the financial stressor and the well-being indicators but amplify the relationships between the workload stressor and the well-being indicators. These results demonstrate family support process models are central to between-person heterogeneity. The theoretical and practical implications are discussed.
Keywords: Entrepreneurial stressors | Entrepreneurial well-being | Between- and within-person effects | Family support | Social exchange
مقاله انگلیسی
7 Dynamic covalent chemistry (DCC) in dental restorative materials: Implementation of a DCC-based adaptive interface (AI) at the resin–filler interface for improved performance
شیمی کووالانسی پویا (DCC) در مواد ترمیمی دندانپزشکی: اجرای یک رابط سازگار مبتنی بر (DCC )هوش مصنوعی در رابط رزین-پرکننده برای بهبود عملکرد-2020
Objective. Dental restorative composites have been extensively studied with a goal to improve material performance. However, stress induced microcracks from polymerization shrinkage, thermal and other stresses along with the low fracture toughness of methacrylate-based composites remain significant problems. Herein, the study focuses on applying a dynamic covalent chemistry (DCC)-based adaptive interface to conventional BisGMA/TEGDMA (70:30) dental resins by coupling moieties capable of thiol–thioester (TTE) DCC to the resin–filler interface as a means to induce interfacial stress relaxation and promote interfacial healing. Methods. Silica nanoparticles (SNP) are functionalized with TTE-functionalized silanes to covalently bond the interface to the network while simultaneously facilitating relaxation of the filler–matrix interface via DCC. The functionalized particles were incorporated into the otherwise static conventional BisGMA/TEGDMA (70:30) dental resins. The role of interfacial bond exchange to enhance dental composite performance in response to shrinkage and other stresses, flexural modulus and toughness was investigated. Shrinkage stress was monitored with a tensometer coupled with FTIR spectroscopy. Flexural modulus/strength and flexural toughness were characterized in three-point bending on a universal testing machine. Results. A reduction of 30% in shrinkage stress was achieved when interfacial TTE bond exchange was activated while not only maintaining but also enhancing mechanical properties of the composite. These enhancements include a 60% increase in Young’s modulus, 33% increase in flexural strength and 35% increase in the toughness, relative to composites unable to undergo DCC but otherwise identical in composition. Furthermore, by combining interfacial DCC with resin-based DCC, an 80% reduction of shrinkage-induced stress is observed in a thiol–ene system “equipped” with both types of DCC mechanisms relative to the composite without DCC in either the resin or at the resin–filler interface. Significance. This behavior highlights the advantages of utilizing the DCC at the resin–filler interface as a stress-relieving mechanism that is compatible with current and future devel- opments in the field of dental restorative materials, nearly independent of the type of resin improvements and types that will be used, as it can dramatically enhance their mechanical performance by reducing both polymerization and mechanically applied stresses through- out the composite lifetime.
Keywords: Adaptive interface | Interfacial stress relaxation | Thiol–thioester exchange | Dynamic covalent chemistries | Composites
مقاله انگلیسی
8 Simultaneous energy management and optimal components sizing of a zeroemission ferry boat
مدیریت همزمان انرژی و اندازه بهینه اجزای یک کشتی بدون حرکت-2020
Due to environmental and economic issues as well as the high performance of marine vessels, efficient energy using has been becoming more demanding. Also, in order to have a zero-emission ship, the utilization of a fuel cell combined with energy storage such as batteries gets more and more attention. In this work, a zero-emission hybrid energy system, including fuel cells, batteries, and cold-ironing, is employed to have an environmentally friendly vessel, and to create condition in which ship operates with high performance, both energy management and components sizing of fuel cells and batteries using real data of ferry boat and intelligent optimization method are done simultaneously. In addition, all constraints related to energy management and component sizing with the topography of the boat and electric power sources are represented and analyzed thoroughly. Ultimately, hourly energy management and component sizing for one specific day are considered in this work, and to optimize this problem, the Improved Sine Cosine Algorithm (ISCA) is utilized. According to obtained results, the proposed energy management and component sizing result in the high-performance ship which could be utilized in the marine industry.
Keywords: Energy management | Proton exchange membrane fuel cell | Component Sizing | Zero-emission ships
مقاله انگلیسی
9 AI-based optimization of PEM fuel cell catalyst layers for maximum power density via data-driven surrogate modeling
بهینه سازی مبتنی بر هوش مصنوعی لایه های کاتالیزور سلول سوختی PEM برای حداکثر چگالی توان از طریق مدل سازی جایگزین داده محور-2020
Catalyst layer (CL) is the core electrochemical reaction region of proton exchange membrane fuel cells (PEMFCs). Its composition directly determines PEMFC output performance. Existing experimental or modeling methods are still insufficient on the deep optimization of CL composition. This work develops a novel artificial intelligence (AI) framework combining a data-driven surrogate model and a stochastic optimization algorithm to achieve multi-variables global optimization for improving the maximum power density of PEMFCs. Simulation results of a three-dimensional computational fluid dynamics (CFD) PEMFC model coupled with the CL agglomerate model constitutes the database, which is then used to train the data-driven surrogate model based on Support Vector Machine (SVM), a typical AI algorithm. Prediction performance shows that the squared correlation coefficient (R-square) and mean percentage error in the test set are 0.9908 and 3.3375%, respectively. The surrogate model has demonstrated comparable accuracy to the physical model, but with much greater computation- resource efficiency: the calculation of one polarization curve will be within one second by the surrogate model, while it may cost hundreds of processor-hours by the physical CFD model. The surrogate model is then fed into a Genetic Algorithm (GA) to obtain the optimal solution of CL composition. For verification, the optimal CL composition is returned to the physical model, and the percentage error between the surrogate model predicted and physical model simulated maximum power densities under the optimal CL composition is only 1.3950%. The results indicate that the proposed framework can guide the multi-variables optimization of complex systems.
Keywords: Proton exchange membrane fuel cell | Catalyst layer composition | Agglomerate model | Data-driven surrogate model | Stochastic optimization algorithm
مقاله انگلیسی
10 A preliminary assessment of industrial symbiosis in Sodankylä
ارزیابی مقدماتی از همزیستی صنعتی در Sodankylä-2020
This study focuses on developing a possible architecture of planned industrial symbiosis in Sodankylä, Finland. The municipality of Sodankylä is considering the establishment of new businesses to boost the regions local economy. The preliminary assessment presented here evaluates some new markets, including combined heat and power plants, a biogas reactor, greenhouse farm, fish farm and several insect farms. These businesses should be able to fulfil the criteria of sustainability and circular economy. This study proposes an architecture where companies can quantify the value and the cost of material exchange. The combined life cycle cost and the net present value of symbiosis are estimated at €93 and €43 million respectively. The combined life cycle cost of waste management is calculated to be €6.40 million. The studys novelty is its projection of the quantified cost of bio-waste and recyclable waste of industries, highlighting the monetary value of industrial symbiosis where waste products can turn into industries raw material. The value gained and cost reduced by such symbiosis is forecast at 14.65% and 6.8% respectively.
Keywords: Industrial symbiosis | Life cycle cost of waste management | Architecture of industrial symbiosis | Material exchange | Circular economy
مقاله انگلیسی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi