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

تعداد مقالات یافته شده: 403
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 تاثیر کویید-19 بر ریسک سقوط بازار سهام در چین
سال انتشار: 2021 - تعداد صفحات فایل pdf انگلیسی: 10 - تعداد صفحات فایل doc فارسی: 24
این مقاله به بررسی تاثیر بیماری مسری کویید-19 بر ریسک سقوط بازار سهام در چین می پردازد. بدین منظور ابتدا کجی شرطی توزیع سود را با مدل کجی جی.ای.آر.سی.اچ به عنوان شاخص ریسک سقوط بازار سهام شانگهای برآورد کردیم.سپس شاخص ترس از کویید-19را با داده های شاخص بایدو ساختاربندی کردیم. طبق یافته ها، کجی شرطی واکنش منفی به رشد روزانه در نمونه های تایید شده دارد، که نشان می داد شیوع این بیماری ریسک سقوط بازار سهام را افزایش می دهد. به علاوه احساس ترس این ریسک تاثیر کویید-19 را بدتر می کند. به عبارت دیگر هنگامی که احساس ترس زیاد باشد، ریسک سقوط بازار سهام به شدت تحت تاثیر بیماری همه گیر است. شواهد ما در چند نوع مرگ روزانه و نمونه های جهانی پابرجا است.
واژگان کلیدی: کویید 19 | احساس ترس | احساس سرمایه گذار | ریسک سقوط بازار سهام | کجی.
مقاله ترجمه شده
3 Intelligent energy management in off-grid smart buildings with energy interaction
مدیریت انرژی هوشمند در ساختمانهای هوشمند خارج از شبکه با تعامل انرژی-2020
The energy interaction between smart homes can be a solution for developing renewable energy systems in residential sections and optimal energy consumption in homes. The main objectives of such energy interactions are to increase consumer participation in energy management‘ boost economic efficiency‘ increase the user’s satisfaction by choosing between electricity sellers and buyers‘ and reduce the electricity purchased from the grid especially at peak hours. Thus, the innovations of this study includes defining an energy exchange method between smart buildings in an off-grid mode considering renewable energy systems, considering both thermal and electrical equilibrium and studying the lightning loads. it is assumed, here, that smart homes are off-grid‘ and the critical loads are supplied by the energy transfer between the homes using mixed integer linear programming. A compromise between the cost and time interval for using home appliances is considered to provide consumer’s comfort. An objective function is introduced considering programmable and non-programmable loads‘ thermal and electrical storages and lighting loads aiming to optimize the cost of energy between different smart buildings. Based on the method, which is tested in two different cases not only does the total cost of the smart buildings decrease but also the cost is reduced significantly when lightning loads are managed.
Keywords: Energy management | Smart homes | Smart microgrid | Energy storage system | Wind turbine
مقاله انگلیسی
4 The potential of simulations for developing multiple learning outcomes: The student perspective
پتانسیل شبیه سازی برای ایجاد نتایج یادگیری چندگانه: دیدگاه دانشجو-2020
One of the main challenges for higher education study plans in business, management and economics is to go beyond traditional teaching models to foster skills development, and to de- velop interdisciplinary approaches to enhance education for sustainable development. This ar- ticle presents an innovative classroom activity for advancing multiple learning outcomes in economics courses, and measures student perceptions about how useful simulations can be to develop these key learning outcomes. It consists of a simulation in which students represent different countries and carry out international exchanges to implement a set of public policies, attempting to improve their overall social and economic performance through the lens of the 2030 Agenda and the Sustainable Development Goals. Overall, the findings suggest that students perceived the simulation as a very productive tool to develop multiple learning outcomes. They considered it particularly useful with regard to improving their knowledge acquisition, problem solving, critical thinking and interpersonal skills. They also stated that role-play activities are an effective way to enhance affective-learning outcomes. This simulation is suitable to be implemented in different economics courses, such as international political economy, international economics and other regional economics courses. It could also be adapted to several classroom settings with groups of different sizes.
Keywords: Simulation | Role-play | Problem-based | International economics | Sustainable development goals | 2030 agenda
مقاله انگلیسی
5 Establishment and application of intelligent city building information model based on BP neural network model
ایجاد و کاربرد مدل اطلاعات هوشمند شهرسازی براساس مدل شبکه عصبی BP-2020
The construction of smart cities in our country has received extensive attention. Under the situation that smart cities are vigorously promoted nowadays, compared with traditional construction and operation and maintenance methods, building information model (BIM) technology is more suitable to serve as an important foundation for intelligent management in the whole process of construction projects. BIM is an abbreviation for building information model. BIM relies on a variety of digital technologies, which can be used to realize information modeling of urban buildings and infrastructure. The efficiency of information exchange in the process of intelligence construction ensures the integrity and accuracy of information data exchange and maintains the consistency of information data exchange. Data and information have objectivity, applicability, transferability, and sharing. Geographic data is a digital representation of various geographical features and phenomena and their relationships. BIM is a digital representation of physical and functional characteristics of a facility. It can It is used as a shared knowledge resource for facility information. It becomes a reliable basis for facility life-cycle decision-making. Input BP neural network, and then learn and train by BP neural network.
Keywords: BP neural network | Smart city | Building information model
مقاله انگلیسی
6 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
7 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
8 A different insight in hair analysis: Simultaneous measurement of antipsychotic drugs and metabolites in the protein and melanin fraction of hair from criminal justice patients
بینش متفاوت در تجزیه و تحلیل مو: اندازه گیری همزمان داروهای ضد روان و متابولیت های موجود در پروتئین و ملانین در مو از بیماران عدالت کیفری-2020
Background: Previous studies have postulated that four structural compartments may be differentiated in hair: surface protein domain, water-accessible protein domain, water-inaccessible protein domain, and melanin. Drugs contained in blood, sweat, sebum, and environment would be deposited in the first two domains, with primarily drugs in blood being incorporated in the latter two domains during hair synthesis. Drugs in the first two domains would be removed by washing procedures. Use of enzymatic extraction procedures and evaluation of hair for damage from harsh cosmetic treatments might help to separately identify and quantify the drugs incorporated in the second two domains. Aims: a) Development of an UPLC-MS/MS method for the simultaneous quantification of the following 19 antipsychotic drugs and metabolites in hair: amisulpride, aripiprazole, chlorpromazine, clotiapine, clozapine, desmethylclozapine, desmethylolanzapine, haloperidol, norchlorpromazine, 7-OH-quetia- pine, 9-OH-risperidone, olanzapine, pimozine, pimpamperone, quetiapine, risperidone, sertindole, sulpride, and tiapride; b) evaluation of measurement of patient adherence to prescribed medication use, c) determination of the influence of biochemical individuality effects on hair drug content, d) evaluation of relative binding of antipsychotic drugs to protein and to melanin hair structures. Method: Approximately 10 mg of intact hair were decontaminated with isopropanol and phosphate buffer, and then enzymatically digested overnight with dithiothreitol. After centrifugation, the supernatant digest (protein fraction) was separated from the remaining melanin hair pellet (melanin fraction). Melanin fraction was washed with water, and the drugs were extracted with dimethyl sulfoxide with ball-mill pulverization. Both fractions were purified with solid-phase cation exchange cartridges and injected in the UHPLC-MS/MS system. Results and discussion: Validation of the method was carried out on the protein fraction following international guidelines. The limits of quantification ranged from 1.6–40 pg/mg. The method was applied to 59 head hair samples from prisoners from an antipsychotic compliance study in the criminal justice system in US. The patients were under chlorpromazine, haloperidol, risperidone, olanzapine, or quetiapine multiple antipsychotic treatment, during incarceration. The first head hair centimeter, closest to the scalp, was analyzed. The results were evaluated in relation to the type of hair, colour, hair damage, drug melanin affinity, and prescribed dose. In general, no good correlation between the prescribed dose/ concentration in hair was obtained. A wide range of antipsychotic concentrations were observed ‘dose mg/day (d); pg/mg protein fraction (A)’: chlorpromazine (d:50-400;A:1600) and its metabolite norchlorpromazine (A: 1600), haloperidol (d:4-20;A: 1600) and its metabolite 9-OH-quetiapine (A: Keywords: UPLC–MS/MS | Hair | Protein | Melanin | Antipsychotics | Chlorpromazine | Haloperidol | Risperid
مقاله انگلیسی
9 A multi-stakeholder participatory study identifies the priorities for the sustainability of the small ruminants farming sector in Europe
یک مطالعه مشارکتی چند ذینفع اولویت های پایداری بخش کشاورزی کوچک نشخوارکنندگان در اروپا را مشخص می کند-2020
The European small ruminants (i.e. sheep and goats) farming sector (ESRS) provides economic, social and environmental benefits to society, but is also one of the most vulnerable livestock sectors in Europe. This sector has diverse livestock species, breeds, production systems and products, which makes difficult to have a clear vision of its challenges through using conventional analyses. A multi-stakeholder and multi-step approach, including 90 surveys, was used to identify and assess the main challenges for the sustainability of the ESRS to prioritize actions. These challenges and actions were identified by ESRS experts including farmers, cooperatives, breeding associations, advisers and researchers of six EU countries and Turkey. From the 30 identified challenges, the most relevant were economy-related challenges such as ‘uncertainty of meat and milk prices’, ‘volatility of commodity prices’, ‘low farm income’, ‘high subsidy dependency’ and ‘uncertainty in future changes in subsidies’ resulting in ‘a sector not attractive to young farmers’. Most of these challenges were beyond the farmer’s control and perceived as difficult to address. Challenges were prioritized using an index, calculated by multiplying the relevance and the feasibility to address measures. The identified challenges had a similar priority index across the whole sector with small differences across livestock species (sheep vs goats), type of products (meat vs dairy) and intensification levels (intensive vs semi-intensive vs extensive). The priorities were different, however, between socio-geographical regions (Southern vs Central Europe). Some of the top prioritized challenges were linked to aspects related to the production systems (‘low promotion of local breeds’ and ‘slow adaptability of high producing breeds’) and market practices (‘unfair trade/lack of traceability’). The majority of the priority challenges, however, were associated with a deficient knowledge or training at farm level (‘poor business management training’, ‘lack of professionalization’, ‘slow adoption of innovations’), academia (‘researchers do not address real problems’) and society as a whole (‘low consumer education in local products’, ‘low social knowledge about farming’, ‘poor recognition of farming public services’). Thus, improved collaboration among the different stakeholders across the food chain with special implication of farmers, associations of producers, academia and governments is needed to facilitate knowledge exchange and capacity building. These actions can contribute to make ESRS economically more sustainable and to adapt the production systems and policy to the current and future societal needs in a more region-contextualized framework.
Keywords: Dairy | Goat production | Meat | Sheep production | Sustainability
مقاله انگلیسی
10 Optimization strategies for Microgrid energy management systems by Genetic Algorithms
استراتژی های بهینه سازی برای سیستم های مدیریت انرژی میکرو گرید توسط الگوریتم های ژنتیک-2020
Grid-connected Microgrids (MGs) have a key role for bottom-up modernization of the electric distribution network forward next generation Smart Grids, allowing the application of Demand Response (DR) services, as well as the active participation of prosumers into the energy market. To this aim, MGs must be equipped with suitable Energy Management Systems (EMSs) in charge to efficiently manage in real time internal energy flows and the connection with the grid. Several decision making EMSs are proposed in literature mainly based on soft computing techniques and stochastic models. The adoption of Fuzzy Inference Systems (FISs) has proved to be very successful due to their ease of implementation, low computational run time cost, and the high level of interpretability with respect to more conventional models. In this work we investigate different strategies for the synthesis of a FIS (i.e. rule based) EMS by means of a hierarchical Genetic Algorithm (GA) with the aim to maximize the profit generated by the energy exchange with the grid, assuming a Time Of Use (TOU) energy price policy, and at the same time to reduce the EMS rule base system complexity. Results show that the performances are just 10% below to the ideal (optimal) reference solution, even when the rule base system is reduced to less than 30 rules.
Keywords: Microgrids | Genetic algorithms | Fuzzy systems | Energy management systems
مقاله انگلیسی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi