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 |
Disintegration testing augmented by computer Vision technology
آزمایش تجزیه با فناوری Vision کامپیوتری تقویت شده است-2022 Oral solid dosage forms, specifically immediate release tablets, are prevalent in the pharmaceutical industry.
Disintegration testing is often the first step of commercialization and large-scale production of these dosage
forms. Current disintegration testing in the pharmaceutical industry, according to United States Pharmacopeia
(USP) chapter 〈701〉, only gives information about the duration of the tablet disintegration process. This infor-
mation is subjective, variable, and prone to human error due to manual or physical data collection methods via
the human eye or contact disks. To lessen the data integrity risk associated with this process, efforts have been
made to automate the analysis of the disintegration process using digital lens and other imaging technologies.
This would provide a non-invasive method to quantitatively determine disintegration time through computer
algorithms. The main challenges associated with developing such a system involve visualization of tablet pieces
through cloudy and turbid liquid. The Computer Vision for Disintegration (CVD) system has been developed to
be used along with traditional pharmaceutical disintegration testing devices to monitor tablet pieces and
distinguish them from the surrounding liquid. The software written for CVD utilizes data captured by cameras or
other lenses then uses mobile SSD and CNN, with an OpenCV and FRCNN machine learning model, to analyze
and interpret the data. This technology is capable of consistently identifying tablets with ≥ 99.6% accuracy. Not
only is the data produced by CVD more reliable, but it opens the possibility of a deeper understanding of
disintegration rates and mechanisms in addition to duration. keywords: از هم پاشیدگی | اشکال خوراکی جامد | تست تجزیه | یادگیری ماشین | شبکه های عصبی | Disintegration | Oral Solid Dosage Forms | Disintegration Test | Machine Learning | Neural Networks |
مقاله انگلیسی |
2 |
Differential Privacy Preserving of Training Model in Wireless Big Data with Edge Computing
حفظ حریم خصوصی دیفرانسیل حفظ مدل آموزش در داده های بزرگ بی سیم با محاسبات لبه-2018 With the popularity of smart devices and the widespread use of machine learning methods, smart edges have become the
mainstream of dealing with wireless big data. When smart edges use machine learning models to analyze wireless big data, nevertheless,
some models may unintentionally store a small portion of the training data with sensitive records. Thus, intruders can expose sensitive
information by careful analysis of this model. To solve this privacy issue, in this paper, we propose and implement a machine learning
strategy for smart edges using differential privacy. We focus our attention on privacy protection in training datasets in wireless big data
scenario. Moreover, we guarantee privacy protection by adding Laplace mechanisms, and design two different algorithms Output
Perturbation (OPP) and Objective Perturbation (OJP), which satisfy differential privacy. In addition, we consider the privacy preserving
issues presented in the existing literatures for differential privacy in the correlated datasets, and further provided differential privacy
preserving methods for correlated datasets, guaranteeing privacy by theoretical deduction. Finally, we implement the experiments on the
TensorFlow, and evaluate our strategy on four datasets, i.e., MNIST, SVHN, CIFAR-10 and STL-10. The experiment results show that our
methods can efficiently protect the privacy of training datasets and guarantee the accuracy on benchmark datasets.
Index Terms: Wireless Big Data, Smart Edges, Differential Privacy, Training Data Privacy, Machine Learning, Correlated Datasets, Laplacian Mechanism, TensorFlow |
مقاله انگلیسی |
3 |
Managing big RDF data in clouds: Challenges, opportunities, and solutions
مدیریت داده های RDF بزرگ در ابرها: چالش ها، فرصت ها و راه حل ها-2018 The expansion of the services of the Semantic Web and the evolution of cloud computing technologies have
significantly enhanced the capability of preserving and publishing information in standard open web formats,
such that data can be both human-readable and machine-processable. This situation meets the challenge in the
current big data era to effectively store, retrieve, and analyze resource description framework (RDF) data in
swarms. This paper presents an overview of the existing challenges, evolving opportunities, and current de
velopments towards managing big RDF data in clouds and provides guidance and substantial lessons learned
from research in big data management. In particular, it highlights the basic principles of RDF data management,
which allow researchers to know the most recent stage in developing RDF graphs and its achievement.
Additionally, the research provides comparative studies among current storage systems and query processing
approaches in understanding their efficiency. The paper also provides a vision for long-term future research
directions by providing highlights on future challenges and opportunities in RDF domain.
Keywords: Semantic Web , Cloud computing , RDF graphs , Linked data , Big data |
مقاله انگلیسی |
4 |
SIGHTED: A Framework for Semantic Integration of Heterogeneous Sensor Data on the Internet of Things
SIGHTED: چارچوبی برای ادغام معنایی داده های سنسور ناهمگن بر روی اینترنت اشیاء -2016 Sensors are embedded nowadays in a growing number of everyday life objects. Smartphones, wearables, and sensor networks
together play an important role in bridging the gap between physical and cyber worlds, a fundamental aspect of the Internet of
Things vision. The ability to reuse sensor data integrated from multiple heterogeneous sources is a step towards building inno
vative applications and services. In this paper SIGHTED, a sensor data integration framework, is proposed exploiting semantic
web technologies and linked data principles. It provides a layered structure as a guideline for integrating sensor data from various
sources supporting accessibility and usability. DotThing, a demo platform, is implemented as an instantiation of SIGHTED frame
work and evaluated. Smartphones and sensor nodes are connected to DotThing showing the ability to query and reuse integrated
sensor data from multiple sources to create more flexible horizontal applications. DotThing implementation also demonstrates the
need for adding a semantic layer to existing IoT cloud-based platforms, like Xively, that generally lack such layer resulting in
proprietary vertical solutions with limited data integration and discovery capabilities. DotThing makes use of vocabularies from
existing ontologies on the linked data cloud providing a unified model to annotate data and link it to existing resources on the web.
Keywords: IoT | Internet of Things | SIGHTED | data integration framework | semantic web | sensor data | linked data | Web of Things | DotThing |
مقاله انگلیسی |
5 |
اپیدمیولوژی ، ویزگیهای ناحیه ایی ، دانش ، و نگرش نسبت به قطع / بریدن عضو ژنیتال زنان در جنوب ایران
سال انتشار: 2015 - تعداد صفحات فایل pdf انگلیسی: 7 - تعداد صفحات فایل doc فارسی: 21 مقدمه . قطع / بریدن عضو ژنیتال زنان (FGM/C) ، که بعنوان ختنه زنان نیز شناخته میشود ، یکی از روشهای سنتی است که شامل حذف جزئی یا کامل دستگاه تناسلی خارجی زنان به دلایل غیر پزشکی میشود . گرچه این مورد بخوبی در برخی کشورهای عربی و آفریقایی شرح داده شده است ، اما داده های مرتبط به آن در ایران بسیار نادر است . هدف . شرحی بر اپیدمیولوژی ، ویژگیهای ناحیه ایی ، دانش و آگاهی نسبت به FGM/C در جنوب ایران .
مواد و روش ها . این مطالعه مقطعی در طی 36 ماه ، از سال 2010 – 2013 در هرمزگان ، یکی از استانهای جنوبی ایران نزدیک خلیج فارس انجام شد . در این مطالعه 780 زن را در شش منطقه عمده روستایی از این استان را مورد مطالعه قرار دادیم که برای انجام واکسیانسیون ، خدمات مرتبط به ماما و یا ارایه برنامه ریزی های خانوادگی به مرکز بهداشت و سلامت مراجعه کرده بودند . تمام شرکت کنندگان تحت بررسی کاملِ لگن قرار گرفتند ، برای تعیین نوع FGM . پرسشنامه هایی شامل چندین بخش مانند ویژگیهای جمعیت شناختی و اطلاعات زمینه ایی ، و دو بخش مجزای خودگزارش دهی دانش و اگاهی در مورد FGM/C و عوارض ان ارایه شدند . ویژگیها و اطلاعات زمینه ایی جمعیت شناختی شامل موارد زیر بودند : سن ، سطح تحصیلات ، وضعیت تاهل ، مذهب ، و ملیت که متغیرهای مستقل مطالعه محسوب میشدند . نتایج. در میان شرکت کنندگان ، 535 (68.5%) نفر تجربه ی FGM/C را داشته اند، FGM/C با سنین بالاتر در ارتباط بود (P = 0.002) ، برای ملیت افغانی (P = 0.003) ، سنی مذهب (P = 0.019) ، و داشتن سابقه خانوادگی FGMC در مین اعضای خانواده ، مادر (P ˂ 0.001)، خواهر (P˂0.001) و مادربزرگ (P ˂ 0.001) ارزیابی شد . نواحیی که دارای سنت های کهن بودند (57.1%) بعنوان مهمترین فاکتورِ بروز FGM/C مد نظر قرار گرفتند . بیشترین عارضه معمولی گزارش داده شده در این مورد حدود (64.4%) بود که به عفونتهای مجاری ادراری متعلق بود . نتیجه گیری . FGM/C یک شیوه رایج در مناطق روستایی جنوب ایران است . این شیوه با افزایش سن ، بیسوادی ، سنی مذهب بودن ، ملیت افغانی ، و سابقه مثبت خانوادگی ارتباط مستقیم دارد . عدم آگاهی و دانش کافی در مورد FGM/C مهمترین دلیل شیوع و استمرارِ این عمل در این نواحیی است . مریم دهقان خلیلی ، فلاحی ، محمودی ، غفارپسند ، شهرزاد ، تقویی ، و فریدونی . اپیدمیولوژی ، ویژگیهای ناحیه ایی ، دانش ، و نگرش نسبت به قطع / بریدن عضو ژنیتال زنان در جنوب ایران . مجله پزشکی جنسی(J Sex Med,2015;12:1577-1583) . واژگان کلیدی : قطع / بریدن عضو ژنیتال زنان (FGM/C) | ختنه زنان | دانش و نگرش | عوامل تعیین کننده | ایران . |
مقاله ترجمه شده |
6 |
تفسیر رگرسیون تکاملی: تعامل بین خطاهای مشاهده ای و زیستی در مطالعات تطبیقی فیلوژنتیکی
سال انتشار: 2012 - تعداد صفحات فایل pdf انگلیسی: 13 - تعداد صفحات فایل doc فارسی: 35 رگرسیون های متغیرهای بیولوژیک در تمام گونه ها به ندرت ندرت کامل می باشند. معمولاً، از رابطه مدل برآورد شده انحراف های مانده ای وجود دارد و این انحراف ها معمولاً الگوی همبستگی های فیلوژنتیکی را نشان می دهد که دارای علل بیولوژیک می باشند. به بحث در مورد منشاء و تاثیرات بیولوژیک بطور فلوژنتیکی مرتبط با مطالعات رگرسیون می پردازیم. به طور خاص، با انحراف خطای مشاهده ای یا خطاهای اندازه گیری به بحث در مورد اثر متقابل انحرافات بیولوژیکی می پردازیم، این امر در مطالعات تطبیقی و بر اساس میانگین گونه های برآورد شده اهمیت دارد. نشان می دهیم که چگونه در رگرسیون های تکاملی برآورد شده از منابع مختلف، از جمله اینرسی فیلوژنتیک یا خطای مشاهده ای یا بیولوژیکی در متغیرهای پیشگو می توان دچار سوگیری شد. نشان می دهیم که چگونه می توان این سوگیری ها را در حضور ارتباط فیلوژنتیک تخمین زد و اصلاح نمود. در حال حاضر بواسطه داده های مرتبط برای ترکیب خطای اندازه گیری در مدل های خطی یک فرمول کلی ارائه می نماییم. همچنین نشان می دهیم که چگونه مدل های رگرسیون جایگزین، نظیر رگرسیون محور اصلی و کاهش محور اصلی، که اغلب در زمان پیش بینی خطا در متغیرها به اتسفاده از آنها توصیه شده، در زمان وجود تنوع بیولوژیکی در هر بخشی از مدل، بشدت سوگی می نمایند. استدلال می کنیم که این روش ها هرگز نباید برای تخمین شیب رگرسیون تکاملی یا آلومتری مورد استفاده قرار گیرند. [انطباق؛ آلومتری؛ رگرسیون محور اصلی؛ خطای اندازه گیری؛ روش تطبیقی فیلوژنتیک؛ اینرسی فیلوژنتیک؛ رگرسیون کاهش محور اصلی؛ معادلات ساختاری]. |
مقاله ترجمه شده |