دانلود و نمایش مقالات مرتبط با مدیریت هوشمند::صفحه 1
دانلود بهترین مقالات isi همراه با ترجمه فارسی 2

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). 

نتیجه جستجو - مدیریت هوشمند

تعداد مقالات یافته شده: 7
ردیف عنوان نوع
1 AI-based computer vision using deep learning in 6G wireless networks
بینایی کامپیوتر مبتنی بر هوش مصنوعی با استفاده از یادگیری عمیق در شبکه های بی سیم 6G-2022
Modern businesses benefit significantly from advances in computer vision technology, one of the important sectors of artificially intelligent and computer science research. Advanced computer vision issues like image processing, object recognition, and biometric authentication can benefit from using deep learning methods. As smart devices and facilities advance rapidly, current net- works such as 4 G and the forthcoming 5 G networks may not adapt to the rapidly increasing demand. Classification of images, object classification, and facial recognition software are some of the most difficult computer vision problems that can be solved using deep learning methods. As a new paradigm for 6Core network design and analysis, artificial intelligence (AI) has recently been used. Therefore, in this paper, the 6 G wireless network is used along with Deep Learning to solve the above challenges by introducing a new methodology named Optimizing Computer Vision with AI-enabled technology (OCV-AI). This research uses deep learning – efficiency al- gorithms (DL-EA) for computer vision to address the issues mentioned and improve the system’s outcome. Therefore, deep learning 6 G proposed frameworks (Dl-6 G) are suggested in this paper to recognize pattern recognition and intelligent management systems and provide driven meth- odology planned to be provisioned automatically. For Advanced analytics wise, 6 G networks can summarize the significant areas for future research and potential solutions, including image enhancement, machine vision, and access control.
keywords: SHG | ارتباطات بی سیم | هوش مصنوعی | فراگیری ماشین | یادگیری عمیق | ارتباطات سیار | 6G | Wireless communication | AI | Machine learning | Deep learning | Mobile communication
مقاله انگلیسی
2 Mountain farmland protection and fire-smart management jointly reduce fire hazard and enhance biodiversity and carbon sequestration
حفاظت از زمین های کشاورزی کوهستانی و مدیریت هوشمند آتش سوزی به طور مشترک خطر آتش سوزی را کاهش می دهد و تنوع زیستی و ترسیب کربن را افزایش می دهد-2020
The environmental and socio-economic impacts of wildfires are foreseen to increase across southern Europe over the next decades regardless of increasing resources allocated for fire suppression. This study aims to identify fire- smart management strategies that promote wildfire hazard reduction, climate regulation ecosystem service and biodiversity conservation. Here we simulate fire-landscape dynamics, carbon sequestration and species dis- tribution (116 vertebrates) in the Transboundary Biosphere Reserve Gerês-Xurés (NW Iberia). We envisage 11 scenarios resulting from different management strategies following four storylines: Business-as-usual (BAU), expansion of High Nature Value farmlands (HNVf), Fire-Smart forest management, and HNVf plus Fire-Smart. Fire-landscape simulations reveal an increase of up to 25% of annual burned area. HNVf areas may counter- balance this increasing fire impact, especially when combined with fire-smart strategies (reductions of up to 50% between 2031 and 2050). The Fire-Smart and BAU scenarios attain the highest estimates for total carbon se- questered. A decrease in habitat suitability (around 18%) since 1990 is predicted for species of conservation concern under the BAU scenario, while HNVf would support the best outcomes in terms of conservation. Our study highlights the benefits of integrating fire hazard control, ecosystem service supply and biodiversity con- servation to inform better decision-making in mountain landscapes of Southern Europe.
Keywords: Biomod2 | Fire-smart landscape management | Fire suppression | InVEST model | Land abandonment | REMAINS model | Wildfires
مقاله انگلیسی
3 An IoT based Intelligent Smart Energy Management System with accurate forecasting and load strategy for renewable generation
یک سیستم مدیریت انرژی هوشمند مبتنی بر IoT با پیش بینی دقیق و استراتژی بار برای نسل های تجدید پذیر-2020
The challenge in demand side energy management lays focus on the efficient utilization of renewable sources without limiting the power consumption. To deal with the above issue, it seeks for design and development of an intelligent system with day-ahead planning and accurate forecasting of energy availability. In this work, an Intelligent Smart Energy Management Systems (ISEMS) is proposed to handle energy demand in a smart grid environment with deep penetration of renewables. The proposed scheme compares several prediction models for accurate forecasting of energy with hourly and day ahead planning. PSO based SVMregressionmodel outperforms over several other predictionmodels in terms of performance accuracy. Finally, based on the predicted information, the demonstration of ISEMS experimental set-up is carried out and evaluated with different configurations considering user comfort and priority features. Also, integration of the IoT environment is developed for monitoring at the user end.
Keywords: Demand Side Management (DSM) | Internet of Things (IoT) | Intelligent Smart Energy Management | Systems (ISEMS) | Prediction | Renewable generation
مقاله انگلیسی
4 From big data to smart energy services: An application for intelligent energy management
از داده های بزرگ به سرویس های هوشمند انرژی: یک برنامه کاربردی برای مدیریت انرژی هوشمند-2018
Big data is an ascendant technological concepts and includes smart energy services, such as intelligent energy management, energy consumption prediction and exploitation of Internet of Things (IoT) solutions. As a result, big data technologies will have a significant impact in the energy sector. This paper proposes a high level architecture of a big data platform that can support the creation, development, maintenance and exploitation of smart energy services through the utilisation of cross-domain data. The proposed platform enables the simplification of the procedure followed for the information gathering by multiple sources, turning into actionable recommendations and meaningful operational insights for city authorities and local administrations, energy managers and consultants, energy service companies, utilities and energy providers. Α web-based Decision Support System (DSS) has been developed according to the proposed architecture, exploiting multi-sourced data within a smart city context towards the creation of energy management action plans. The pilot application of the developed DSS in three European cities is presented and discussed. This “data-driven” DSS can support energy managers and city authorities for managing their building facilities’ energy performance.
Keywords: Big Data; Decision Support System; Energy Services; Intelligent Management; Smart Cities.
مقاله انگلیسی
5 داده و دانش کاوی با داده های بزرگ برای تولید هوشمند
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 13 - تعداد صفحات فایل doc فارسی: 45
مطابق با پیشرفت نوآورانه فناوری اطلاعات و ارتباطات (ICT) و کاربرد آنها در صنعت تولید، دوران بزرگ داده های تولیدی مطابق با انها است و تکنیک های داده کاوی (DMTs)، راه را برای دستیابی به اهداف تولید هوشمند با کنترل زمان واقعی، پویا، خود سازگار و دقیق فراهم می سازد. با این حال، بسیاری از عوامل در محیط همیشه در حال تغییر در صنعت تولید هستند، از جمله، فرآیندهای تولید پیچیده، مقیاس بزرگ و عدم اطمینان، محدودیت پیچیده تر، ترکیب عملکردی عملیات، و غیره، که تولید مدیریت را با چالش های بزرگی همراه می سازد. ورودی پویا تعداد زیادی از داده های خام که از مکان های تولید فیزیکی جمع آوری شده یا تولید شده است؛ در سیستم های مختلف مربوط به اطلاعات، موجب شد تا مشکلات سنگین اطلاعات بیش از حد فراهم شود. در واقع، بسیاری از DMT های سنتی هنوز به اندازه کافی برای پردازش داده های بزرگ در تولید مدیریت هوشمند نیستند. بنابراین، در این مقاله، توسعه DMT ها در دوران بزگی از داده ها را مورد بررسی قرار می دهیم و از سال 2010 با انتخاب و تجزیه و تحلیل مقالات مربوطه در مورد کاربرد DMT ها در مدیریت تولید بحث می کنیم. در عین حال، در این مقاله ما محدودیت ها را مطرح می کنیم و برخی از پیشنهادات را در مورد هوشمند بودن و کاربرد بیشتر DMT ها که در مدیریت تولید به کار می رود را ارائه می دهیم.
کلمات کلیدی: داده های بزرگ | تکنیک های داده کاوی (DMTs) | مدیریت تولید | تولید هوشمند | تجزیه و تحلیل آماری | کشف دانش
مقاله ترجمه شده
6 Smart health monitoring and management system: Toward autonomous wearable sensing for internet of things using big data analytics
سیستم نظارت و مدیریت هوشمند سلامت: به سوی سنجش پوشیدنی مستقل برای اینترنت اشیا با استفاده از تجزیه و تحلیل داده های بزرگ-2018
The current development and growth in the arena of Internet of Things (IoT) are providing a great potential in the route of the novel epoch of healthcare. The vision of the healthcare is expansively favored, as it advances the excellence of life and health of humans, involving several health regulations. The incessant increase of the multifaceted IoT devices in health is broadly tested by challenges such as powering the IoT terminal nodes used for health monitoring, real-time data processing and smart decision and event management. In this paper, we propose a healthcare architecture which is based analysis of energy harvesting for health monitoring sensors and the realization of Big Data analytics in healthcare. The rationale of proposed architecture is twofold: (1) comprehensive conceptual framework for energy harvesting for health monitoring sensors, and (2) data processing and decision management for healthcare. The proposed architecture is three-layered architecture, that comprised (1) energy harvesting and data generation, data pre-processing, and data processing and application. We also verified the consistent data sets on Hadoop server to validate the proposed architecture based on threshold limit value (TLV). The study reveals that the proposed architecture offer valuable imminent into the field of smart health.
Key Words: IoT, Energy Harvesting, Big Data Analytics
مقاله انگلیسی
7 مدیریت و کنترل هوشمند انرژی باتری برای وسیله ی نقلیه به شکبه از طریق شبکه ی محاسبات ابری
سال انتشار: 2013 - تعداد صفحات فایل pdf انگلیسی: 11 - تعداد صفحات فایل doc فارسی: 30
وسایل نقلیه ی الکتریکی برقی (PEVها) فرصت های جدیدی برای کاهش مصرف سوخت و آلودگی اگزوز ارائه میدهد . PEVها نیاز به گرفتن و ذخیره ی انرژی از یک شبکه ی الکتریکی جهت تامین انرژی رانشی وسیله ی نقلیه دارند . در نتیجه ، مهم است که بدانید چه زمانی باتری های PEVها برای شارژ و دشارژ در دسترس هستند . علاوه بر این ، کنترل و مدیریت انرژی باتری برای PEVها همانند کارکرد خودرو ضروری است و حتی ایمنی مسافران به سیستم باتری بستگی دارد . بنابراین ، زمان بندی توان برق شبکه با پارکینگ برای شارژ کارآمد و دشارژ باتری PEV مورد نیاز خواهد بود . این مقاله با هدف پیشنهاد کنترل و مدیریت جدید هوشمند انرژی باتری سرویس زمان بندی شارژ که از شبکه محاسبات ابری استفاده میکند ارائه میگردد . خدمات برنامه ریزی هوشمند خودرو به شبکه پیشنهادی , مقیاس پذیری محاسباتی مورد نیاز برای تصمیم گیری های لازم جهت اعطاء اجازه فعالیت مؤثر به سیستم های مدیریت انرژی باتری PEVها زمانی که تعداد PEVs و دستگاه های شارژ زیاد میباشد را ارائه میدهد . مقایسه تجزیه و تحلیل تجربی خدمات برنامه ریزی پیشنهادی با خدمات برنامه ریزی سنتی از طریق شبیه سازی انجام شده است . نتایج نشان می دهد که سرویس زمانبندی مدیریت هوشمند انرژی باتری پیشنهادی بطور قابل ملاحظه ای تعداد تعاملات مورد نیاز PEV با پارکینگ و شبکه و نیز پیش بینی تقاضای بار محاسبه شده با توجه به محدودیت هایش را کاهش می دهد . همچنین نشان می دهد که سرویس زمانبندی هوشمند شارژ با استفاده از شبکه محاسبات ابری کارآمد تر از خدمات شبکه زمانبندی سنتی برای کنترل و مدیریت انرژی باتری است .
کلید واژه ها : مدیریت هوشمند انرژی باتری | زمان بندی هوشمند | پیش بینی منطق فازی | محاسبات ابری | خودرو به شبکه | کنترل و مدیریت انرژی باتری
مقاله ترجمه شده
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi
بازدید امروز: 8732 :::::::: بازدید دیروز: 0 :::::::: بازدید کل: 8732 :::::::: افراد آنلاین: 77