
تمرینات تمرکز
آموزشی

دانلود پایان نامه آئین نوین مدیریت
آئین نوین مدیریت چرا انگاشت ها با اهمیت هستند؟- مدیریت یعنی مدیریت بازرگانی- تنها سازمان دهی درست- تنها راه درست اداره کردن انسان ها- فن آوری ها و کاربران نهایی فراورده ها ثابت و مشخصند- قلمرو مدیریت از دید حقوقی و قانون، تعریف شده و روشن است- قلمرو مدیریت از دید سیاسی،تعریف شده است- حوزه فعالیت مدیریت، درون سازمانی است- نتیجه گیری.

عنوان: ظهور داده های بزرگ در رایانش ابری، مرور و زمینه های تحقیقاتی باز
مفید برای شناخت چالش های رایانش ابری و داده های بزرگ (Big Data)
نوع مطلب: مقاله آی اس آی (Elsevier)
قالب: پی دی اف (PDF)
زبان: انگلیسی
تعداد صفحات: 18 صفحه دوستونی
سال انتشار: 2014
محل انتشار: ژورنال سیستم های اطلاعاتی (Information Systems) که توسط انتشارات معتبر Elsevier ایندکس میشود.
استفاده و به کارگیری داده های بزرگ یا کلان داده ها (Big Data) چندی است که توجه پژوهشگران را به خود جلب کرده است. معمولا داده هایی که اندازه آنها از داده های معمولی بسیار بزرگتر است و پردازش و نگهداری آنها به سادگی امکان پذیر نیست را داده های بزرگ مینامیم. داده های بزرگ میتواند شامل موارد متعددی باشد، مانند متن ها، تصاویر و کلیپ های ویدیوی منتشر شده روی شبکه های اجتماعی (مانند فیسبوک، توییتر، یوتیوب)، ایمیل های ارسال شده، جستجوهای انجام گرفته در موتورهای جستجو، داده های گردآوری شده از شبکه های حسگر، اطلاعات دوربین های ترافیک و صدها مورد دیگر. انجام تجزیه و تحلیل روی این داده ها میتواند اطلاعات زیادی را در اختیار ما قرار دهد و به فرآیند تصمیم گیری ما کمک کند. مثلا یک فروشنده میتواند با بررسی اطلاعات جستجو شده در موتورهای جستجو متوجه شود که مشتریان بیشتر دنبال خرید چه کالایی هستند و یا یک سایت خبری میتواند با تجزیه و تحلیل داده های گردآوری شده از شبکه های اجتماعی متوجه شود که افراد بیشتر به چه مسائلی علاقه مند هستند.
یکی دیگر از تکنولوژی های نوظهور در زمینه فناوری اطلاعات، رایانش ابری یا محاسبات ابری (Cloud Computing) است که هدف از آن کاهش هزینه های سخت افزار و نرم افزار و دیگر هزینه های موردنیاز به منظور انجام محاسبات کامپیوتری است. این کار از طریق اجاره کردن منابع محاسباتی دیگران و پرداخت هزینه به میزان استفاده از آن منابع صورت میگیرد، به گونه ای که شرکت ها و افراد میتوانند تنها به میزان موردنیاز خود از منابع در دسترس اجاره کنند و در پایان تنها به میزان آن منابع و زمان استفاده از آنها صورت حساب خود را پرداخت کنند.
یکی از کارهایی که میتوان انجام داد ترکیب داده های بزرگ و رایانش ابری است. به این صورت که چون پردازش، نگهداری و ذخیره سازی این داده ها هزینه بالایی دارد و نیاز به داشتن سخت افزار و نرم افزارهای سنگینی است، این وظیفه را به ابرها منتقل کنیم و باعث آسانتر شدن کار و کاهش هزینه شویم.
در این مقاله، چالش های به کارگیری رایانش ابری برای کار با داده های بزرگ بررسی شده است و جنبه های گوناگون آن مانند حفظ حریم خصوصی، یکپارچگی، تجزیه و تحلیل، دسترس پذیری و غیره مورد بحث قرار گرفته اند. اگر به دنبال نوشتن مقاله یا انجام پایان نامه و سمینار در زمینه رایانش ابری و بیگ دیتا هستید، مطالعه این مقاله را به شما توصیه میکنیم.
چکیده مقاله
رایانش ابری یک تکنولوژی قوی به منظور اجرای محاسبات پیچیده و با اندازه های بالاست. این تکنولوژی نیاز به نگهداری سخت افزارهای محاسباتی گران قیمت، فضای اختصاصی و نرم افزار را مرتفع میسازد. رشد شتابان در اندازه داده ها یا همان داده های بزرگ (Big Data) که از رایانش ابری تولید شده است، مورد بررسی قرار گرفته است. بر آمدن از عهده داده های عظیم یک کار چالش برانگیز و زمان بر است و نیاز به یک زیرساخت محاسباتی عظیم به منظور اطمینان حاصل کردن از پردازش و تجزیه و تحلیل موفقیت آمیز داده ها دارد. ظهور و رشد کلان داده ها درون رایانش ابری در این پژوهش بررسی میشود. تعریف، ویژگیها و دسته بندی داده های بزرگ به همراه بحث هایی در زمینه رایانش ابری معرفی میشوند. همچنین رابطه میان رایانش ابری و داده های بزرگ، سیستم های ذخیره سازی بیگ دیتا و تکنولوژی هدوپ (Hadoop) مورد بحث قرار میگیرند. افزون بر این، چالش های پژوهشی با تکیه بر مقیاس پذیری، دسترس پذیری، یکپارچگی داده ها، انتقال داده ها، کیفیت داده ها، ناهمگونی داده ها، حریم خصوصی، مسائل قانونی و مقررات و حکومتی بررسی میشوند. در پایان، به طور خلاصه مسائل پژوهشی باز که نیاز به تلاش پژوهشی زیادی دارند، آورده شده اند.
Abstract
Cloud computing is a powerful technology to perform massive-scale and complex computing. It eliminates the need to maintain expensive computing hardware, dedicated space, and software. Massive growth in the scale of data or big data generated through cloud computing has been observed. Addressing big data is a challenging and time- demanding task that requires a large computational infrastructure to ensure successful data processing and analysis. The rise of big data in cloud computing is reviewed in this study. The definition, characteristics, and classification of big data along with some discussions on cloud computing are introduced. The relationship between big data and cloud computing, big data storage systems, and Hadoop technology are also discussed. Furthermore, research challenges are investigated, with focus on scalability, availability, data integrity, data transformation, data quality, data heterogeneity, privacy, legal and regulatory issues, and governance. Lastly, open research issues that require substantial research efforts are summarized.
کلمات کلیدی:
دانلود مقاله داده های بزرگ، دانلود مقاله کلان داده ها، دانلود مقاله داده های حجیم، دانلود مقاله داده های عظیم، دانلود مقاله Big Data، دانلود مقاله بیگ دیتا، چالش های رایانش ابری، چالش های داده های بزرگ، چالش های Big Data، ارتباط رایانش ابری و داده های بزرگ، شبکه های اجتماعی، دانلود پایان نامه Social Networks، دانلود پایان نامه کامپیوتر، دانلود پایان نامه انگلیسی کامپیوتر، تز دکتری کامپیوتر، تز ارشد کامپیوتر، تز کارشناسی ارشد کامپیوتر، دانلود پایان نامه رشته کامپیوتر، دانلود پایان نامه کارشناسی ارشد کامپیوتر، دانلود پایان نامه دکتری کامپیوتر، دانلود پایان نامه دکترای کامپیوتر، مقاله آی اس آی، مقاله ای اس ای، مقاله آی اس آی 2015، مقاله isi 2015، مقاله رشته کامپیوتر، مقاله داده کاوی، مقاله داده های بزرگ، مقاله شبکه های اجتماعی، مقاله ماتریس های عددی، مقاله 2015 ، مقاله انگلیسی ترجمه شده، مقاله کامپیوتر ترجمه شده، مقاله داده های بزرگ ترجمه شده، مقاله ترجمه شده جدید داده های بزرگ، داده های بزرگ مکانی، داده های مکانی بزرگ، داده های عظیم مکانی، داده های مکانی عظیم، کلان داده های مکانی، داده های کلان مکانی، داده های مکانی کلان، داده های حجیم مکانی، داده های مکانی حجیم، زمینه های کاری داده های بزرگ، زمینه های کاری big data، موضوع پایان نامه داده های بزرگ، موضوع پایان نامه big data، مقاله ترجمه شده جدید، مقاله با ترجمه، مقاله ISI با ترجمه، 2015 Thesis, ISI Article, Big data Thesis, Data mining thesis, privacy preserving data mining thesis, numerical matrices thesis, social network analysis thesis, numerical matrix, social networks analysis
قیمت ترجمه این مقاله با بهترین کیفیت، کاملا تخصصی و تایپ شده: (حدود 130 هزار تومان)
پس از خرید از درگاه امن بانکی لینک دانلود در اختیار شما قرار میگیرد و همچنین به آدرس ایمیل شما فرستاده میشود.
تماس با ما برای راهنمایی، درخواست مقالات و پایان نامه ها و یا ترجمه با آدرس ایمیل:
ArticleEbookFinder@gmail.com
شماره تماس ما در نرم افزار واتس آپ:
+98 921 764 6825
شماره تماس ما در نرم افزار تلگرام:
+98 921 764 6825
توجه: اگر کارت بانکی شما رمز دوم ندارد، در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.

قارچ شناسی و بیماری شناسی گیاهی مقدماتی
عوامل ایجاد خسارت در گیاهان
حشرات
کنه ها
جوندگان
علف های هرز
بیمارگرهای گیاهی
قارچ شناسی و بیماری شناسی گیاهی مقدماتی
2 واحد نظری
1 واحد عملی
منابع مورد استفاده
بیماری شناسی گیاهی ج، آگریوس
اصول بیماری شناسی گیاهی دکتر الهی نیا
جزوه
Plant pathology
Phytopathology
Plant disease
مجله انجمن بیماری شناسی گیاهی ایران
مجله گیاهپزشک دانشگاه تهران
تاریخچه بیماری شناسی گیاهی
در سال 1775 تیله Tillet، دانشمند فرانسوی، ثابت کرد بیماری سیاهک گندم مسری میباشد- با ضدعفونی کردن بذر میتوان از انتشار بیماری جلوگیری کرد.
در سال 1807 پروست prevost ثابت کرد که عامل ایجاد سیاهک یک قارچ است.
اپیدمی بیماری بادزدگی سیب زمینی در سال 1845ایرلند
دباری de Bary در سال 1861 ثابت کرد عامل این بیماری قارچ Phytophthora infestans است. وی را به عنوان بنیانگذار یا پدر علم بیماریشناسی گیاهی میشناسند.
اولین نماتد پارازیت گیاهی در سال 1743 توسط نیدهام Needham از دانه گندم جدا شد.
اولین باکتری بیماریزای گیاهی توسط بوریلBurrill در سال 1878 گزارش گردید وی نشان داد که بیماری آتشک سیب و گلابی توسط یک باکتری به وجود میآید.
سال 1886 مایر Mayer عامل بیماری موزاییک توتون - باکتری
ایوانسکی Ivanowski دانشمند روسی - صافیهایی که باکتریها را جدا میکرد - نتیجه گرفت که عامل بیماری احتمالاً سمی است که توسط باکتری تولید میشود.
سال 1898 بیجرنیک Beijerink ضمن تأیید کارهای ایوانوفسکی، عامل بیماری موزاییک را ویروس نامید
در سال 1967 دوی Doi و همکاران در ژاپن پیکره مولیکوتها Mollicutes (میکوپلاسما یا فیتوپلاسما) را در بافت چند گیاه آلوده پیدا کردند.
در سال 1971 دینر Diener ویروئید را که مولکولهای RNA هستند به عنوان عامل بیماری دوکی شدن غده سیب زمینی گزارش نمود.
میلاردت Millardet در سال 1882
براورد میزان خسارت بیماری
در کشاورزی سنتی و مدرن
میزان بیماری بیشتر شده
تعریف بیماری:
Disease = Abnormality
Symptoms
نشانههای بیماریهای گیاهی :
تغییر رنگ غیر طبیعی در گیاه abnormal coloration
پژمردگی wilting
مرگ بافتهای گیاهی death of host tissues
ریزش برگ و میوه defoliation and fruit drop
جایگزینی بافتهای گیاه به وسیله عامل بیماری replacement of host tissues
رشد غیر عادی در گیاهabnormal growth
تغییر رنگهای غیر طبیعی در گیاه
سبزردیChlorosis
به زایل شدن جزئی یا کلی رنگ سبز در گیاه اطلاق میشود که بر اثر تخریب یا تشکیل نشدن کلروفیل، عارض میگردد
Symptoms of Plant Diseases
Color Changes- Chlorosis
بیرنگی یا تاریکرویی Etiolating
زایل شدن رنگ سبز گیاه به علت رشد در تاریکی
زالی Albinism
رگروشنی Vein clearing
رگنواری Vein banding
سبزایی یا گلسبزی Virescence
Phyllody

نوع مطلب: مقاله IEEE
زبان مقاله: انگلیسی
قالب مقاله: پی دی اف (PDF)
تعداد صفحات: 6 صفحه دوستونی
سال انتشار: 2015
محل ارائه: کنفرانس بین المللی تکنولوژی های زیر آبی (Underwater Technology)
در سالهای اخیر استفاده از شبکه های حسگر بیسیم به میزان زیادی گسترش یافته است. در این شبکه ها تعداد زیادی گره سیار ریز به نام سنسور یا حسگر در محیطی قرار داده میشوند و اطلاعات آن محیط را پایش و بررسی میکنند و برای یک سرور به نام Sink یا چاهک ارسال میکنند. این شبکه ها کاربردهای زیادی پیدا کرده اند که از میان آنها میتوان به کاربردهای نظامی، جاسوسی، امنیتی، حفاظت از منازل و دارایی ها، هواشناسی، کنترل زیست محیطی، پایش و نظارت بر حیوانات و گونه های در حال انقراض، کشاورزی، رصد کردن زیر دریا، کاربردهای تجاری و هزاران کاربرد دیگر اشاره کرد.
در زمینه این شبکه ها مسائل باز زیادی وجود دارد و کارهای زیادی میتوان انجام داد. مثلا در زمینه میزان مصرف انرژی به خاطر محدود بودن میزان باتری حسگرها، الگوریتم های مسیریابی برای انتقال اطلاعات به چاهک، امنیت این شبکه ها برای جلوگیری از دستبرد به داده ها، تحمل خطا در زمان بروز مشکلات و ده ها زمینه دیگر. یکی از زمینه هایی که بسیار مهم است، مکانیابی درست حسگرهاست، یعنی بتوانیم مکان گره های سنسور را به درستی یا با تقریب خوبی پیدا کنیم که این کار تاثیر بسیار زیادی روی کیفیت کاربرد موردنظر دارد.
در این مقاله از الگوریتم ژنتیک به منظور بهینه سازی موقعیت گذاری گره های شبکه حسگر بیسیم زیر آب استفاده شده است. روش پیشنهادی میتواند برای محافظت از ادوات نظامی حساس به کار رود و یا کاربردهای مختلف پایش داشته باشد.
چکیده
شبکه های بیسیم زیر آب آکوستیک (UWSN) برای بسیاری از برنامه های کاربردی زیر آب که نیاز به ارتباطات بیسیم دارند حیاتی هستند. توسعه گره های سنسور با یک چیدمان بهینه همراه با پیروز شدن بر چالش های مخصوص رسانه ای که آنها را در بر میگیرد و همچنین در نظر گرفتن محدودیت های انرژی سنسور ها برای برنامه های کاربردی واقعی مسئله مهمی است. به این خاطر که این ویژگیها در برابر تغییرات دما، شوری آب، عمق، PH و فرکانس انتقال یکنواخت نیستند، باید آنها را به صورت پویا شبیه سازی کرد و از پیش در یک قالب فیزیکی پایدار پیکربندی کرد. یک استراتژی مبتنی بر تکنیک های هوش محاسباتی که این فاکتورها را برای رسیدن به یک پیکربندی مناسب با در نظر گرفتن منابع موجود در نظر میگیرد، اهمیت زیادی دارد. روش پیشنهادی از یک روش بهنیه سازی مبتنی بر الگوریتم ژنتیک (GA) برای موقعیت بندی و توسعه گره های شبکه حسگر بی سیم زیر دریا به منظور بیشینه کردن میزان پوشش فراهم شده برای حفاظت از دارایی های با ارزش بالا در برنامه های کاربردی نظامی استفاده میکند. در زمینه برنامه های کاربردی شهری به منظور پایش اقیانوس ها، تکنیک پیشنهادی برای شناسایی حداقل تعداد گره های موردنیاز و موقعیت آنها به منظور ارتباط کارا استفاده میشود.
Abstract—Underwater acoustic sensor networks (UWSNs) are crucial for a multitude of underwater applications that require wireless operation. The deployment of sensor nodes in an optimal arrangement while overcoming the unique challenges posed by the surrounding medium and energy constraints on the sensors is a non-trivial task for real-world applications. As these characteristics are anisotropic with respect to change in temperature, salinity, depth, pH, and transmission frequency, they need to be accounted for in a dynamic simulation to preconfigure a stable physical network layout of nodes. A strategy based on computational intelligence techniques that takes into consideration these factors to achieve a viable configuration with the available resources is of prime importance. The proposed methodology uses a genetic algorithm (GA) based optimization technique for the positioning and deployment of UWSN nodes to maximize the coverage provided to protect a high-value asset (HVA) in a military application. In the case of a civil application for ocean monitoring, the proposed technique is used to identify the minimum number of nodes required and their positions for effective communication.
*مناسب برای پژوهش در زمینه شبکه های کامپیوتری، شبکه های کامپیوتری پیشرفته، سیستم های توزیعی، شبکه های حسگر بیسیم، شبکه های سیار و بی سیم، سیستم های توزیع شده، سیستم عامل های پیشرفته
کلمات کلیدی:
شبکه حسگر بی سیم، شبکه حسگر بیسیم، مقاله انگلیسی شبکه حسگر بیسیم، مقاله جدید شبکه حسگر بیسیم، مقاله 2015 شبکه حسگر بیسیم، الگوریتم ژنتیک در شبکه حسگر بیسیم، مکانیابی در شبکه حسگر بیسیم به کمک الگوریتم ژنتیک، مقاله کامپیوتر، مقاله ISI کامپیوتر، مقاله آی اس آی کامپیوتر، مقاله 2015 کامپیوتر، مقاله ISI 2015 کامپیوتر، شبکه های کامپیوتری، دانلود مقاله آی اس آی، ISI ، شبکه حسگر بیسیم، سنسور، تقسیم بندی شبکه، تعمیر توپولوژی، تحمل پذیری خطا، شبکه سنسور بی سیم، یادگیری ماشین، الگوریتم های مسیریابی در شبکه های حسگر بیسیم، الگوریتم های مکانیابی در شبکه های حسگر بیسیم، گره های انکر، گره های لنگرگاه، گره های تکیه گاه، مشخص کردن موقعیت، دانلود رایگان مقاله 2015، مقالات جدید کامپیوتر، شبکه های حسگر بیسیم، سیستم های توزیع شده، دانلود مقاله 2015 کامپیوتر، مقاله 2015 رایگان، دانلود رایگان مقاله 2015 کامپیوتر، کاربرد یادگیری ماشین در شبکه های کامپیوتری، کاربرد یادگیری ماشین در شبکه های حسگر بیسیم، الگوریتم های یادگیری ماشین، شبکه های عصبی مصنوعی، مقاله مکانیابی در شبکه حسگر بیسیم، مقاله مکانیابی در شبکه سنسور، مشخص کردن موقعیت، wireless sensor networks, wsn, localization in wireless sensor network, localisation in wireless sensor networks, artificial neural networks, ann, feed forward neural networks, tansigmoid transfer function, tan sigmoid transfer function, training algorithms, Bayesian regularization, back propagation algorithms, multi-layer perceptron , ، Network partitioning ، Topology repair ، 2-Vertex connectivity، Fault tolerance ، Relay node placement
قیمت ترجمه این پایان نامه با بهترین کیفیت، کاملا تخصصی و تایپ شده: (حدود 45 هزار تومان)
پس از خرید از درگاه امن بانکی لینک دانلود در اختیار شما قرار میگیرد و همچنین به آدرس ایمیل شما فرستاده میشود.
تماس با ما برای راهنمایی، درخواست مقالات و پایان نامه ها و یا ترجمه با آدرس ایمیل:
ArticleEbookFinder@gmail.com
شماره تماس ما در نرم افزار واتس آپ:
+98 921 764 6825
شماره تماس ما در نرم افزار تلگرام:
+98 921 764 6825
توجه: اگر کارت بانکی شما رمز دوم ندارد، در خرید الکترونیکی به مشکل برخورد کردید و یا به هر دلیلی تمایل به پرداخت الکترونیکی ندارید با ما تماس بگیرید تا راههای دیگری برای پرداخت به شما پیشنهاد کنیم.