دانلود و نمایش مقالات مرتبط با Evaluation::صفحه 1
بلافاصله پس از پرداخت دانلود کنید
نتیجه جستجو - Evaluation

تعداد مقالات یافته شده: 734
ردیف عنوان نوع
1 سیستم پشتیبانی از تصمیم برای خطرات و اقدامات متقابل ایمنی جاده ای اروپا
سال انتشار: 2019 - تعداد صفحات فایل pdf انگلیسی: 8 - تعداد صفحات فایل doc فارسی: 32
سیستم پشتیبانی از تصمیم درباره ایمنی جاده ای اروپا (roadsafety-dss.eu) یک سیستم نوآورانه است که شواهد و مدارک دسترس پذیری را درباره گستره وسیعی از خطرات جاده ای و اقدامات متقابل امکانپذیر فراهم می کند. این مقاله پایه و اساس علمی سیستم پشتیبانی از تصمیم را توصیف می کند. ساختار موجود در سیستم پشتیبانی از تصمیم شامل (1) یک طبقه بندی که به شناسایی عوامل خطر و اقدامات متقابل آن می پردازد و آنها را به همدیگر مرتبط می کند، (2) یک مجموعه ای از مطالعات، و (3) خلاصه هایی که تاثیرات تخمین زده شده در منابع علمی را برای هر عامل و سنجه خطر خلاصه بندی می کنند و (4) یک ابزار ارزیابی کارآمدی اقتصادی (محاسبه گر E3) می شود. سیستم پشتیبانی از تصمیم در یک ابزار نوین مبتنی بر وب با فصل مشترک بسیار انسانی اجرا می شود که به کاربران اجازه می دهد تا مرور اجمالی سریعی داشته باشند یا نتایج هر مطالعه را برطبق نیازهای مخصوص آنها عمیق تر بررسی کنند.
کلیدواژه ها: اقدامات متقابل ایمنی جاده | خطرات جاده ای | سودمندی | سیستم آنلاین | مرور | هزینه – سود
مقاله ترجمه شده
2 شناسایی فرصت های مهم برای مراقبت مبتنی بر بیمار و خانواده در آی سی یو: استفاده از روشهای کیفی برای درک دیدگاههای خانواده
سال انتشار: 2019 - تعداد صفحات فایل pdf انگلیسی: 5 - تعداد صفحات فایل doc فارسی: 25
هدف: هدف این مطالعه فراهم کردن زمینه ای غنی تر برای ارزیابی های کمّی خانواده ها از کیفیت واحد مراقبت های ویژه و توصیف حیطه های بیشتر اهمیت کیفیت برای اعضای خانواده می باشد. مواد و روشها: نظرات آزاد مکتوب از 1077 عضو خانواده و 920 والدین که روی ارزیابی خانواده از کیفیت واحد مراقبتهای ویژه متمرکز بودند با استفاده از تحلیل محتوا تحلیل شد. از اکتبر 2014 تا ژوئن 2015، بیست و یک واحد مراقبتهای ویژه دانمارکی و هلندی شرکت کردند. نتایج: 4 موضوع مهم برای خانواده ها پدیدار شد: اطلاعات، مهارتهای بالینی، محیط مراقبتهای ویژه و مرخص شدن از واحد مراقبتهای ویژه. خانواده ها بر اهمیت دریافت اطلاعاتی که دردسترس، قابل فهم و مورد اعتماد باشند تاکید کردند. آنها بیان کردند که مراقبت کیفیت بالا با داشتن متخصصان بالینی که هم ازنظر فنی و هم ازنظر بین – فردی شایسته باشند تضمین می شود. محیط واحد مراقبتهای ویژه و شرایط انتقال به بیرون از این واحد عواملی سهیم در کیفیت مراقبت توصیف شدند. نظرات اتاقی را برای بهبود همه موضوعات شناسایی کردند. نتیجه گیری: این مطالعه بر اهمیت شامل کردن هم مراقبت فنی و هم مراقبتی احساسی برای بیماران و خانواده ها و نیاز پی آیند بخ تمرکز کردن روی مهارت بین فردی متخصصان بالینی تاکید کردند.
مقاله ترجمه شده
3 A new architecture of Internet of Things and big data ecosystem for secured smart healthcare monitoring and alerting system
معماری جدید اینترنت اشیاء و اکوسیستم داده های بزرگ برای نظارت بر سیستم مراقبت سلامت هوشمند و سیستم هشدار دهنده امن-2018
Wearable medical devices with sensor continuously generate enormous data which is often called as big data mixed with structured and unstructured data. Due to the complexity of the data, it is difficult to process and analyze the big data for finding valuable information that can be useful in decision making. On the other hand, data security is a key requirement in healthcare big data system. In order to overcome this issue, this paper proposes a new architecture for the implementation of IoT to store and process scalable sensor data (big data) for health care applications. The Proposed architecture consists of two main sub architectures, namely, Meta Fog-Redirection (MF-R) and Grouping and Choosing (GC) architecture. MF-R architecture uses big data technologies such as Apache Pig and Apache HBase for collection and storage of the sensor data (big data) generated from different sensor devices. The proposed GC architecture is used for securing integration of fog computing with cloud computing. This architecture also uses key management service and data categorization function (Sensitive, Critical and Normal) for providing security services. The framework also uses MapReduce based prediction model to predict the heart diseases. Performance evaluation parameters such as throughput, sensitivity, accuracy, and f-measure are calculated to prove the efficiency of the proposed architecture as well as the prediction model.
Keywords: Wireless sensor networks ، Internet of Things ، Big data analytics ، Cloud computing and health car
مقاله انگلیسی
4 Power-aware gateway connectivity in battery-powered dynamic IoT networks
اتصال دروازه ای توان - آگاه در شبکه های پویای اینترنت اشیای کار کننده با باتری-2018
The paradigm of Internet of Things (IoT) is on rapid rise in today’s world of communication. Every networking device is being connected to the Internet to develop specific and dedicated applications. Data from these devices, called as IoT devices, is transmitted to the Internet through IoT Gateways (IGWs). IGWs support all the technologies in an IoT network. In order to reduce the cost involved with the deployment of IGWs, specialized low-cost devices called Solution Specific Gateways (SSGWs) are also employed alongside IGWs. These SSGWs are similar to IGWs except they support a subset of technologies supported by IGWs. A large number of applications are being designed which require IGWs and SSGWs to be deployed in remote areas. More often than not, gateways in such areas have to be run on battery power. Hence, power needs to be conserved in such networks for extending network life along with maintaining total connectivity. In this paper, we propose a dynamic spanning tree based algorithm for power-aware connectivity called SpanIoTPower-Connect which determines (near) optimal power consumption in battery-powered IoT networks. SpanIoTPower-Connect computes the spanning tree in the network in a greedy manner in order to minimize the power consumption and achieve total connectivity. Additionally, we propose an algorithm to conserve power in dynamic IoT networks where the connectivity demand changes with time. Our simulation results show that our algorithm performs better than Static Spanning Tree based algorithm for power-aware connectivity (Static ST) and a naive connectivity algorithm where two neighboring SSGWs are connected through every available technology. To the best of our knowledge, our work is the first attempt at achieving power-aware connectivity in battery-powered dynamic IoT networks.
keywords: Internet of Things| IoT gateway| IoT network| Power-aware| Performance evaluation
مقاله انگلیسی
5 A unique feature extraction using MRDWT for automatic classification of abnormal heartbeat from ECG big data with Multilayered Probabilistic Neural Network classifier
استخراج ویژگی منحصر به فرد با استفاده از MRDWT برای طبقه بندی خودکارضربان قلب غیر طبیعی از داده های بزرگ ECG با چند لایه طبقه بندی احتمالی شبکه عصبی-2018
This paper employs a novel adaptive feature extraction techniques of electrocardiogram (ECG) signal for detection of cardiac arrhythmias using multiresolution discrete wavelet transform from ECG big data. In this paper, five types ECG arrhythmias including normal beats have been classified. The MIT-BIH database of 48 patient records is utilized for detection and analysis of cardiac arrhythmias. Proposed feature extraction utilizes Daubechies as wavelet function and extracts 21 feature points which include the QRS complex of ECG signal. The Multilayered Probabilistic Neural Network (MPNN) classifier is pro posed as the best-suited classifier for the proposed feature. Total 1700 ECG betas were tested using MPNN classifier and compared with other three classifiers Back Propagation (BPNN), Multilayered Perceptron (MLP) and Support Vector Machine (SVM). The system efficiency and performance have been evaluated using seven types of evaluation criteria: precision (PR), F-Score, positive predictivity (PP), sensitivity (SE), classification error rate (CER) and specificity (SP). The overall system accuracy, using MPNN technique utilizing the proposed feature, obtained is 99.53% whereas using BPNN, MLP and SVM provide 97.94%, 98.53%, and 99%. The processing time using MPNN classifier is only 3 s which show that the proposed techniques not only very accurate and efficient but also very quick.
Keywords: Signal processing ، Artificial intelligence ، Pattern recognition ، Soft computing ، Wavelet transform
مقاله انگلیسی
6 A novel adaptive e-learning model based on Big Data by using competence-based knowledge and social learner activities
یک مدل تطبیقی جدید یادگیری الکترونیکی مبتنی بر داده های بزرگ با استفاده ازدانش مبتنی بر شایستگی و فعالیت های یادگیرنده اجتماعی-2018
The e-learning paradigm is becoming one of the most important educational methods, which is a deci sive factor for learning and for making learning relevant. However, most existing e-learning platforms offer traditional e-learning system in order that learners access the same evaluation and learning con tent. In response, Big Data technology in the proposed adaptive e-learning model allowed to consider new approaches and new learning strategies. In this paper, we propose an adaptive e-learning model for providing the most suitable learning content for each learner. This model based on two levels of adaptive e-learning. The first level involves two steps: (1) determining the relevant future educational objectives through the adequate learner e-assessment method using MapReduce-based Genetic Algo rithm, (2) generating adaptive learning path for each learner using the MapReduce-based Ant Colony Optimization algorithm. In the second level, we propose MapReduce-based Social Networks Analysis for determining the learner motivation and social productivity in order to assign a specific learning rhythm to each learner. Finally, the experimental results show that the presented algorithms implemented on Big Data environment converge much better than those implementations with traditional concurrent works. Also, this work provides main benefit because it describes how Big Data technology transforms e-learning paradigm.
Keywords: Adaptive e-learning ، Big data ، MapReduce ، Genetic algorithm ، Personalized learning path ، Ant colony optimization algorithms ، Social networks analysis ، Motivation and productivity ، Learning content
مقاله انگلیسی
7 Improving the Effectiveness of Burst Buffers for Big Data Processing in HPC Systems with Eley
بهبود اثربخشی بافرها پشت سر هم برای پردازش داده های بزرگ در سیستم های HPC با Eley-2018
Burst Buffer is an effective solution for reducing the data transfer time and the I/O interference in HPC systems. Extending Burst Buffers (BBs) to handle Big Data applications is challenging because BBs must account for the large data inputs of Big Data applications and the Quality-of-Service (QoS) of HPC applications—which are considered as first-class citizens in HPC systems. Existing BBs focus on only intermediate data of Big Data applications and incur a high performance degradation of both Big Data and HPC applications. We present Eley, a burst buffer solution that helps to accelerate the performance of Big Data applications while guaranteeing the QoS of HPC applications. To achieve this goal, Eley embraces interference-aware prefetching technique that makes reading data input faster while introducing low interference for HPC applications. Evaluations using a wide range of Big Data and HPC applications demonstrate that Eley improves the performance of Big Data applications by up to 30% compared to existing BBs while maintaining the QoS of HPC applications.
Keywords: HPC ، MapReduce ، Big data ، Parallel file systems ، Burst buffers ، Interference ، Prefetch
مقاله انگلیسی
8 Evaluation of solution approaches for a stochastic lot-sizing and sequencing problem
بررسی دیدگاههای راه حل برای یک مسئله اندازه گذاری بزرگ و ترتیب بندی تصادفی -2018
A stochastic multi-product lot-sizing and sequencing problem is studied. Two kinds of uncertainties are integrated into the model: defective items due to the process imperfections and random lead times because of randomly arising machine breakdowns and uncertain repair times. There are also sequence-dependent set-up times between two items of different types. The objective is to find a sequence of lots and lot sizes maximizing the probability of demand satisfaction for all products. A decomposition approach has been proposed in the literature to reduce this problem to a sequence of known optimization problems with different algorithms available for each of them. However, a proper evaluation of the practical performance of the whole method has never been presented. The goal of this paper is to analyze and compare the behavior of different solution frameworks (with and without decomposition) and techniques for the considered problem.
keywords: Stochastic production lines |Lot-sizing |Sequencing |Decomposition |Dynamic programming |Genetic algorithms
مقاله انگلیسی
9 BDEv 3:0: Energy efficiency and microarchitectural characterization of Big Data processing frameworks
BDEv 3:0: کارایی انرژی و خصوصیات میکروارساختاری چارچوب پردازش داده های بزرگ-2018
As the size of Big Data workloads keeps increasing, the evaluation of distributed frameworks becomes a crucial task in order to identify potential performance bottlenecks that may delay the processing of large datasets. While most of the existing works generally focus only on execution time and resource utilization, analyzing other important metrics is key to fully understanding the behavior of these frameworks. For example, microarchitecture-level events can bring meaningful insights to characterize the interaction between frameworks and hardware. Moreover, energy consumption is also gaining increasing attention as systems scale to thousands of cores. This work discusses the current state of the art in evaluating distributed processing frameworks, while extending our Big Data Evaluator tool (BDEv) to extract energy efficiency and microarchitecture-level metrics from the execution of representative Big Data workloads. An experimental evaluation using BDEv demonstrates its usefulness to bring meaningful information from popular frameworks such as Hadoop, Spark and Flink.
Keywords: Big Data processing, performance evaluation, energy efficiency, microarchitectural characterization
مقاله انگلیسی
10 انواع مدل کسب و کار برای بازیافت مصرف کننده نهایی در چین
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 28 - تعداد صفحات فایل doc فارسی: 31
تلاش برای ساخت یک سیستم EPR برای تجهیزات الکتریکی و الکترونیکی (WEEE) زائد در چین موجب ایجاد ناسازگاری غیر منتظره در عرصه نوآوری در مدل های کسب و کار برای بازیافت زباله های الکترونیکی مصرف کنندگان نهایی و سایر موارد قابل بازیافت در سال های اخیر شده است. این مطالعه با استفاده از تحقیقات عملیاتی برای ارزیابی عملکرد مدل های کسب و کار در حال ظهور برای بازیافت مصرف کننده نهایی در شهر های چین در سال های اخیر انجام شده است. ما سه دسته مدل های در حال ظهور را شناسایی کردیم: (1) برنامه های مبتنی بر جامعه که رفتارهای مربوط به ساماندهی زباله مصرف کنندگان را برای همه ی زباله های خانگی هدف قرار می دهند؛ (2) سیستم های لجستیکی معکوس با دستگاه های فروش اتوماتیک متصل به زنجیره های تجاری سنتی؛ 3) راه حل های اینترنتی ناب برای انجام معاملات بین مصرف کنندگان و بازیافت کنندگان. همه این مدل های کسب و کار ویژگی مشترک دارند که از فن آوری اینترنت استفاده می کنند، که به شدت در چین به عنوان "اینترنت +" توسط سیاست های دولتی و سرمایه سرمایه گذاری ترویج می شود. مدل های مختلف کسب و کار به عنوان پیوند بین شرکت و سطح سیستم و منعکس کننده امکانات متنوع برای تکامل آینده سیستم بازیافت در چین می باشد. ما یک چارچوب ارزیابی کیفی با پنج عنصر شامل راحتی برای مصرف کنندگان، قابلیت ردیابی برای تولید کنندگان، سود دهی برای بازیافت، چند منظوره بودن برای جمع آوری و قابلیت اطمینان برای مردم برای رسیدگی به ارزش های مختلف دنبال شده توسط نقش آفرینان مختلف درگیر در زنجیره بازیافت مطرح می کنیم. نتایج نشان می دهد که معضلات هر مدل کسب و میان تمام مولفه ها متعادل است و چالش دولت در ادغام طرح EPR با سیستم مدیریت زباله شهری را نشان می دهد.
کلمات کلیدی: بازیافت | مسئولیت تولید کننده (EPR) | مدل کسب و کار پایدار | اینترنت +| تجهیزات مربوط به زباله های الکتریکی و الکترونیکی (WEEE) | زباله های الکترونیکی
مقاله ترجمه شده
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی