با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد).
ردیف | عنوان | نوع |
---|---|---|
1 |
AI for next generation computing: Emerging trends and future directions
هوش مصنوعی برای محاسبات نسل بعدی: روندهای نوظهور و مسیرهای آینده-2022 Autonomic computing investigates how systems can achieve (user) specified ‘‘control’’ outcomes on their own, without the intervention of a human operator. Autonomic computing
fundamentals have been substantially influenced by those of control theory for closed and
open-loop systems. In practice, complex systems may exhibit a number of concurrent and
inter-dependent control loops. Despite research into autonomic models for managing computer resources, ranging from individual resources (e.g., web servers) to a resource ensemble (e.g.,
multiple resources within a data centre), research into integrating Artificial Intelligence (AI)
and Machine Learning (ML) to improve resource autonomy and performance at scale continues
to be a fundamental challenge. The integration of AI/ML to achieve such autonomic and
self-management of systems can be achieved at different levels of granularity, from full to
human-in-the-loop automation. In this article, leading academics, researchers, practitioners,
engineers, and scientists in the fields of cloud computing, AI/ML, and quantum computing
join to discuss current research and potential future directions for these fields. Further, we
discuss challenges and opportunities for leveraging AI and ML in next generation computing for
emerging computing paradigms, including cloud, fog, edge, serverless and quantum computing
environments.
Keywords: Next generation computing | Artificial intelligence | Cloud computing | Fog computing | Edge computing | Serverless computing | Quantum computing | Machine learning |
مقاله انگلیسی |
2 |
تخلیه محاسباتی خودکار در لبه متحرک برای برنامه های اینترنت اشیاء
سال انتشار: 2019 - تعداد صفحات فایل pdf انگلیسی: 9 - تعداد صفحات فایل doc فارسی: 22 تخلیه محاسباتی یک توضیح برجسته برای دستگاههای سیار محدود به منابع است که انجام این فرایند مستلزم توانایی محاسباتی بالایی است. وجود ابر متحرک در پلتفرم تخلیه کاملاً شناخته شده است و بطور معمول در راه حلهای شبکهای بسیار دور برای استفاده در محاسبه دستگاههای سیار محدود به منابع بکار میرود. به خاطر راه حل شبکهای بسیار دور، دستگاههای کاربر، تأخیر شبکهای بالایی را تجربه میکنند که بر برنامههای اینترنت اشیاء (IOT) متحرک در زمان واقعی، تأثیر منفی دارد. بنابراین، این مقاله یک راه حل شبکهای بسیار نزدیک را برای تخلیه محاسباتی در مه/لبه متحرک پیشنهاد میدهد. تحرک، تنوع و توزیع جغرافیایی دستگاههای همراه از طریق چالشهای متعددی در تخلیه محاسباتی در مه/لبه متحرک. با این حال، برای پاسخگویی به تقاضای منابع محاسباتی در دستگاههای همراه بزرگ، یک چارچوب مدیریت خودکار مبتنی بر یادگیری عمیق Q مطرح میشود. کنترلگر لبه توزیع شده/ شبکه مه (FOC) که منابع مه/ لبه موجود برای مثال پردازش، حافظه، شبکه را پاکسازی میکند، سرویس محاسباتی مه/لبه را فعال مینماید. تصادفی بودن دسترس پذیری منابع و گزینههای بی شمار برای اختصاص آن منابع به محاسبه تخلیه، با مسئله مناسب برای مدلسازی از طریق روند تصمیم گیری Markov (MDF) و راه حل از طریق یادگیری تقویتی متناسب است. مدل پیشنهادی با توجه به نیازهای متغیر منابع و تحرک دستگاههای کاربر نهایی شبیه سازی شده است. روش پیشنهادی یادگیری عمیقQ، به طور قابل توجهی عملکرد تخلیه محاسباتی را از طریق به حداقل رساندن تأخیر در محاسبات سرویس، بهبود میبخشد. همچنین،کل نیرو با توجه تصمیم گیریهای مختلف تخلیه به منظور بررسیهای مقایسهای مورد مطالعه قرار گرفته است که این رویکرد پیشنهادی را با توجه به راه حلهای تخلیه محاسباتی پیشرفته، به عنوان یک رویکرد دارای مصرف بهینه انرژی نشان میدهد.
واژگان کلیدی: تخلیه محاسباتی | محاسبه خودکار | محاسبه مه/لبه متحرک | یادگیری عمیق Q |
مقاله ترجمه شده |
3 |
تقویت میان افزار بر مبنی کاربردهای اینترنت اشیا از طریق مکانیسم مدیریت زمان اجرای قابل جابجایی کیفیت سرویس کاربرد برای یک M2M سازگار با میان افزار IOT
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 9 - تعداد صفحات فایل doc فارسی: 22 در سال های اخیر؛ در مخابرات و شبکه های کامپیوتری از طریق مجازی سازی عملکرد شبکه (NFV) و شبکه های تعریف شده نرم افزار (SDN)، مفاهیم و تکنولوژی های جدیدی را شاهد بوده اید. SDN، به برنامه های کاربردی برای کنترل شبکه اجازه می دهد، و NFV، اجازه می دهد تا توزیع توابع شبکه در محیط های مجازی، امکان پذیر شوند، اینها دو نمونه ای هستند که به طور فزاینده ای برای اینترنت اشیا (IoT) استفاده می شود. این اینترنت (IoT) وعده را به ارمغان می آورد که در چند سال آینده میلیاردها دستگاه را به هم متصل کند، و چالش های علمی متعددی را به ویژه در مورد رضایت از کیفیت خدمات (QoS) مورد نیاز برنامه های کاربردی IOT افزایش دهد. به منظور حل این مشکل، ما دو چالش را با توجه به QoS شناسایی کرده ایم: شبکه های متقاطع و نهادهای میانجی که اجازه می دهد تا برنامه با دستگاه های IoT ارتباط برقرار کند. در این مقاله؛ در ابتدا یک چشم انداز نواورانه از یک "عملکرد شبکه" با توجه به محیط توسعه و استقرار آن ارائه می کنیم. سپس، رویکرد کلی از یک راه حل که شامل گسترش پویا، مستقل و یکپارچه از مکانیزم های مدیریت QoS است، را توصیف می کنیم. همچنین مقررات اجرای چنین رویکردی را توصیف می کنیم. در نهایت؛ یک مکانیزم هدایتگر ارائه می کنیم، که به عنوان یک تابع شبکه اجرا می شود، و اجازه کنترل یکپارچه مسیر داده ها از یک ترافیک میان افزار مشخص را می دهد. این مکانیسم از طریق استفاده مربوط به حمل و نقل خودرو ارزیابی می شود.
کلمات کلیدی: اینترنت اشیا | کیفیت سرویس | میان افزار | چارچوب نمونه | گسترش پویا | عملکرد شبکه | محاسبات خودکار. |
مقاله ترجمه شده |
4 |
Towards an autonomic performance management approach for a cloud broker environment using a decomposition–coordination based methodology
به سوی یک رویکرد مدیریت عملکرد خودمختار برای یک محیط کارگزار ابری با استفاده از یک روش مبتنی بر تجزیه هماهنگی-2016 Efficient resource allocation of computational resources to services is one of the predominant challenges
in a cloud computing environment. Furthermore, the advent of cloud brokerage and federated cloud
computing systems increases the complexity of cloud resource management. Cloud brokers are
considered third party organizations that work as intermediaries between the service providers and the
cloud providers. Cloud brokers rent different types of cloud resources from a number of cloud providers
and sublet these resources to the requesting service providers. In this paper, an autonomic performance
management approach is introduced that provides dynamic resource allocation capabilities for deploying
a set of services over a federated cloud computing infrastructure by considering the availability as
well as the demand of the cloud computing resources. A distributed control based approach is used
for providing autonomic computing features to the proposed framework via a feedback-based control
loop. This distributed control based approach is developed using one of the decomposition–coordination
methodologies, named interaction balance, for interactive bidding of cloud computing resources. The
primary goals of the proposed approach are to maintain the service level agreements, maximize the
profit, and minimize the operating cost for the service providers and the cloud broker. The application
of interaction balance methodology and prioritization of profit maximization for the cloud broker and the
service providers during resource allocation are novel contributions of the proposed approach.
Keywords: Decomposition–coordination | Interaction balance | Autonomic computing | Cloud broker | Cloud computing |
مقاله انگلیسی |
5 |
Addressing cloud computing security issues
پرداختن به مسائل امنیتی محاسبات ابری-2013 The recent emergence of cloud computing has drastically altered everyone’s perception of infrastructure
architectures, software delivery and development models. Projecting as an evolutionary step, following
the transition from mainframe computers to client/server deployment models, cloud computing
encompasses elements from grid computing, utility computing and autonomic computing, into an
innovative deployment architecture. This rapid transition towards the clouds, has fuelled concerns on
a critical issue for the success of information systems, communication and information security. From
a security perspective, a number of unchartered risks and challenges have been introduced from this
relocation to the clouds, deteriorating much of the effectiveness of traditional protection mechanisms.
As a result the aim of this paper is twofold; firstly to evaluate cloud security by identifying unique
security requirements and secondly to attempt to present a viable solution that eliminates these potential
threats. This paper proposes introducing a Trusted Third Party, tasked with assuring specific security
characteristics within a cloud environment. The proposed solution calls upon cryptography, specifically
Public Key Infrastructure operating in concert with SSO and LDAP, to ensure the authentication, integrity
and confidentiality of involved data and communications. The solution, presents a horizontal level of
service, available to all implicated entities, that realizes a security mesh, within which essential trust
is maintained.
Keywords: Cloud computing security | Trusted Third Party | Public key infrastructure | Information and communication security | Trust |
مقاله انگلیسی |