دانلود ترجمه مقاله متد مدلینگ قدرت نرم افزار مبتنی بر شبکه پیچیده (ساینس دایرکت – الزویر ۲۰۱۶) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

این مقاله انگلیسی ISI در نشریه ساینس دایرکت (الزویر) در ۲۲ صفحه در سال ۲۰۱۶ منتشر شده و ترجمه آن ۲۳ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

مشخصات مقاله انگلیسی (PDF)
سال انتشار	۲۰۱۶
تعداد صفحات مقاله انگلیسی	۲۲ صفحه با فرمت pdf
رشته های مرتبط با این مقاله	مهندسی کامپیوتر و مهندسی فناوری اطلاعات
گرایش های مرتبط با این مقاله	مهندسی نرم افزار، معماری سیستم های کامپیوتری و شبکه های کامپیوتری
مجله	محاسبات پایدار: اطلاعات و سیستم ها – Sustainable Computing: Informatics and Systems
دانشگاه	دانشکده علوم کامپیوتر، دانشگاه سیچوان، چین
کلمات کلیدی	مدل سازی نیروی نرم افزار، معماری، شبکه های پیچیده، شبکه عصبی BP، ویژگی های شبکه نرم افزار
شناسه شاپا یا ISSN	ISSN ۲۰۱۶٫۰۸٫۰۰۲
رفرنس	دارد
لینک مقاله در سایت مرجع	لینک این مقاله در نشریه Elsevier
نشریه الزویر

• فهرست مطالب:

چکیده
۱٫ مقدمه
۲٫ کارهای مرتبط
۳٫ مدل ما
۴٫ استخراج ویژگی های شبکه از نرم افزار
۴٫۱٫ تعداد گره ها
۴٫۲٫ تعداد لبه های (یال های) جهت دار
۴٫۳٫ متوسط طول مسیر
۴٫۴٫ ضریب خوشه بندی
۴٫۵٫ متوسط درجه
۵٫ تناسب غیرخطی شبکه عصبی BP
۵٫۱٫روند تناسب تابع غیرخطی از شبکه عصبی BP
۵٫۲٫ طراحی ساختار شبکه عصبی BP
۶٫ اعتبارسنجی و تحلیل آزمایش
۷٫نتیجه گیری

• بخشی از ترجمه:

نتیجه گیری
در این مقاله، سیستم های نرم افزار را به عنوان شبکه های پیچیده در سطح معماری مدلسازی کرده ایم با این فرض که رابطه ی غیرخطی ای بین ویژگی های شبکه ی نرم افزار و مصرف نیرویش وجود دارد. بر مبنای این فرضیه، پنج ویژگی نرم افزار را استخراج کردیم، تاثیر هر ویژگی بر مصرف نیرو را تحلیل کردیم و روش های اندازه گیری هر ویژگی را ارائه دادیم و سپس مدل نیروی نرم افزار خود را پیشنهاد کردیم. سپس، اعتبار مدل مان و معقول بودن فرضیه مان را توسط آزمایشات ارزیابی می کنیم. در حال حاضر، تحقیقاتی در روش های بهینه سازی در سطح معماری از طریق تثبیت گره، شکاف گره، جایگزینی گره، تغییر معماری و ترکیب این روش ها انجام می دهیم تا مصرف نیروی نرم افزار را کاهش دهیم.

• بخشی از مقاله انگلیسی:

۷٫ Conclusion

In this paper, we model software systems as complex networks at architecture level, assuming that there is a nonlinear relation between network characteristics of the software and its power consumption. Based on this assumption, we extract five network characteristics of the software, analyze the impact of each characteristic on power consumption and put forward measurement method of each characteristic, and then we propose our software power model. Next we evaluate the validity of our model and the rationality of our assumption by experiments. Currently, we are doing some research in optimization methods at architecture level through node consolidation, node split, node replacement, architecture change and combination of these methods to reduce the power consumption of software.

دانلود رایگان مقاله انگلیسی          خرید ترجمه فارسی مقاله