دانلود ترجمه مقاله روش تخمین منابع بر اساس کیفیت سرویس ( QoS) در رایانش ابری (هینداوی ۲۰۱۸) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

Hindawi3

 

 

این مقاله انگلیسی ISI در نشریه هینداوی در ۱۰ صفحه در سال ۲۰۱۸ منتشر شده و ترجمه آن ۲۱ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

روش تخمین منابع بر اساس کیفیت سرویس ( QoS) در رایانش ابری

عنوان انگلیسی مقاله:

Method of Resource Estimation Based on QoS in Edge Computing

 

 

مشخصات مقاله انگلیسی 
فرمت مقاله انگلیسی pdf
سال انتشار ۲۰۱۸
تعداد صفحات مقاله انگلیسی ۱۰ صفحه با فرمت pdf
نوع مقاله ISI
نوع نگارش مقاله پژوهشی (Research Article)
نوع ارائه مقاله ژورنال
رشته های مرتبط با این مقاله مهندسی کامپیوتر ، فناوری اطلاعات و ارتباطات و فناوری اطلاعات
گرایش های مرتبط با این مقاله رایانش ابری ، اینترنت و شبکه های گسترده ، شبکه های کامپیوتری ، مخابرات سیار
چاپ شده در مجله (ژورنال) ارتباطات بی سیم و رایانش موبایل – Wireless Communications and Mobile Computing
ارائه شده از دانشگاه دانشکده علوم و مهندسی اطلاعات، دانشگاه عادی کوفو، چین
نمایه (index) scopus – master journals – JCR – DOAJ
نویسندگان Guangshun Li – Jianrong Song – Junhua Wu
شناسه شاپا یا ISSN ۱۵۳۰-۸۶۷۷
شناسه دیجیتال – doi https://doi.org/10.1155/2018/7308913
ایمپکت فاکتور(IF) مجله ۲٫۴۱۵ در سال ۲۰۱۹
شاخص H_index مجله ۶۰ در سال ۲۰۲۰
شاخص SJR مجله ۰٫۳۹۰ در سال ۲۰۱۹
شاخص Q یا Quartile (چارک) Q2 در سال ۲۰۱۹
بیس نیست 
مدل مفهومی ندارد 
پرسشنامه ندارد 
متغیر ندارد 
رفرنس دارای رفرنس در داخل متن و انتهای مقاله
کد محصول ۱۱۴۸۰
لینک مقاله در سایت مرجع لینک این مقاله در سایت Hindawi
نشریه هینداوی – Hindawi

 

مشخصات و وضعیت ترجمه فارسی این مقاله 
فرمت ترجمه مقاله pdf و ورد تایپ شده با قابلیت ویرایش
وضعیت ترجمه انجام شده و آماده دانلود
کیفیت ترجمه ویژه – طلایی ⭐️⭐️⭐️
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۲۱ (۱ صفحه رفرنس انگلیسی) صفحه با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر و جداول ترجمه شده است 
ترجمه متون داخل تصاویر ترجمه شده است 
ترجمه متون داخل جداول ترجمه شده است 
ترجمه ضمیمه ندارد 
ترجمه پاورقی ندارد 
درج تصاویر در فایل ترجمه درج شده است  
درج جداول در فایل ترجمه درج شده است  
درج فرمولها و محاسبات در فایل ترجمه  به صورت عکس درج شده است
منابع داخل متن به صورت عدد درج شده است 
منابع انتهای متن به صورت انگلیسی درج شده است

 

فهرست مطالب

۱٫ مقدمه

۲٫ کارهای مرتبط

۳٫ رایانش مرزی

۴٫ روش تخمین دینامیک

۴-۱ روش تطبیق شباهت

۴-۲ تخمین پیش بینی زنجیره رگرسیون- مارکوف

۵٫ نتایج تجربی

۶٫ نتیجه گیری و کار آتی

 

بخشی از ترجمه

با توسعه اینترنت اشیا، تعداد تجهیزات شبکه ای در حال افزایش است و بار مراکز داده ابری نیز افزایش می یابد؛ برخی سرویس های حساس به تاخیر نمی توانند به موقع پاسخ دهند که منجر به کاهش کیفیت سرویس دهی  (QoS) می شود. ما در این مقاله روشی را برای تخمین منابع مبتنی بر کیفیت سرویس در رایانش مرزی  به منظور حل این مشکل پیشنهاد می دهیم. ابتدا منابع مطابق با شباهت فاصله اقلیدسی وزن دهی شده  دسته بندی شده و منطبق می شوند. عامل جریمه  و ماتریس وقوع Grey  برای تصحیح تابع تطبیق شباهت معرفی می شوند. سپس از روش پیش بینی زنجیره رگرسیون- مارکوف  برای تحلیل تغییر حالت بار منابع مورد نظر و انتخاب منبع مناسب استفاده می کنیم. در نهایت دقت و فراخوانی روش تطبیق را از طریق شبیه سازی ها مورد تجزیه و تحلیل قرار می دهیم، اثربخشی روش تطبیق را مورد اعتبارسنجی قرار می دهیم و ثابت می کنیم که روش پیش بینی زنجیره رگرسیون- مارکوف می تواند دقت پیش بینی را بهبود دهد.

 

۱٫ مقدمه

با توسعه اینترنت اشیا  (IoT) دستگاه های بیشتر و بیشتری به ویژه دستگاه های سیار (همراه) به اینترنت دسترسی پیدا می کنند. شرکت سیسکو پیش بینی می کند که ۵۰ میلیارد دستگاه تا سال ۲۰۲۰ به شبکه اینترنت متصل خواهد شد [۲]. این دستگاه میزان قابل توجهی داده را در انتهای شبکه تولید می کنند که منجر به افزایش بار بر مراکز داده ابری  می شود. علاوه بر این، فاصله راه دور بین دستگاه های سیار و مرکز داده ابری سبب افزایش تاخیر ارسال می شود که منجر به این می شود که برخی سرویس های حساس به تاخیر نتوانند به سرعت پاسخ دهند و عملیات پردازش را انجام دهند. خدمات اینترنت اشیا همانند خودروهای متصل و پخش ویدیو نیازمند پهنای باند زیاد و تحویل محتوا با تاخیر کم هستند تا کیفیت سرویس را تضمین کنند. رایانش مرزی [۳] نقش مهمی با استفاده از منابع شبکه ای نزدیک به شبکه محلی برای ارائه سرویس های با تاخیر پایین و بهبود کیفیت سرویس ایفا می کند.

 

۶٫ نتیجه گیری و کار آتی

با رشد سریع اینترنت اشیا و رایانش ابری، کیفیت سرویس خدمات و رضایت کاربران به چالش مهمی تبدیل شده است. رایانش محلی و قابلیت های ذخیره سازی مربوط به رایانش مرزی می تواند تاخیر را کاهش دهد و رضایت کاربر را بهبود بخشد. ما در این مقاله از شباهت فاصله اقلیدسی وزن دهی شده برای دسته بندی منابع با چندین ویژگی کیفیت سرویس استفاده می کنیم. ما منابع مناسب را براساس تطبیق شباهت و روش پیش بینی زنجیره رگرسیون- مارکوف انتخاب می کنیم. از آنجایی که سیستم ویژگی کیفیت سرویس قابل توسعه است و نیازهای کیفیت سرویس کاربران دینامیک است، روش تخمین دارای مقیاس پذیری معینی است. ما براساس کار موجود می توانیم روش منطقی تحمین منبع را برای توازن رضایت بین کاربران و ارائه دهندگان سرویس و بهبود به کارگیری منابع طراحی کنیم.

 

بخشی از مقاله انگلیسی

With the development of Internet of Tings, the number of network devices is increasing, and the cloud data center load increases; some delay-sensitive services cannot be responded to timely, which results in a decreased quality of service (QoS). In this paper, we propose a method of resource estimation based on QoS in edge computing to solve this problem. Firstly, the resources are classifed and matched according to the weighted Euclidean distance similarity. Te penalty factor and Grey incidence matrix are introduced to correct the similarity matching function. Ten, we use regression-Markov chain prediction method to analyze the change of the load state of the candidate resources and select the suitable resource. Finally, we analyze the precision and recall of the matching method through simulation experiment, validate the efectiveness of the matching method, and prove that regression-Markov chain prediction method can improve the prediction accuracy.

 

۱٫ Introduction

With the development of Internet of Tings (IoT) [1], more and more devices, especially mobile devices, constantly access the Internet. CISCO predicts that 50 billion devices will connect to the Internet by 2020 [2]. Tese devices will generate large amounts of data at the end of the network, which leads to the increment of the burden of cloud data center. Moreover, the remote distance between the mobile devices and cloud data center makes the transmission delay increase, which makes some delay-sensitive services can not get response and processing rapidly. IoT services, such as connected vehicle and video streaming, require high bandwidth and low latency content delivery to guarantee QoS. Edge computing [3] plays an important role by using network resources near the local network to provide a low latency service and improve QoS.

 

۶٫ Conclusion and Future Work

With the rapid development of Internet of Tings and cloud computing, service QoS and user satisfaction become an important challenge. Local computing and storage capabilities of edge computing can reduce latency and improve user satisfaction. In this paper, we use weighted Euclidean distance similarity to classify multiple QoS attribute resources. We select the appropriate resources by similarity matching and regression-Markov chain prediction method. Since the QoS attributes system is extensible and the user QoS requirements are dynamic, the estimation method has certain scalability. On the basis of the existing work, we can design a reasonable method of resource estimation to balance the satisfaction between users and service providers and improve the utilization of resources.

 

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

روش تخمین منابع بر اساس کیفیت سرویس ( QoS) در رایانش ابری

عنوان انگلیسی مقاله:

Method of Resource Estimation Based on QoS in Edge Computing

 

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *