این مقاله انگلیسی ISI در نشریه ساینس دایرکت (الزویر) در 8 صفحه در سال 2017 منتشر شده و ترجمه آن 11 صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

مشخصات مقاله انگلیسی (PDF)
سال انتشار	2017
تعداد صفحات مقاله انگلیسی	8 صفحه با فرمت pdf
رشته های مرتبط با این مقاله	مهندسی کامپیوتر و مهندسی فناوری اطلاعات
گرایش های مرتبط با این مقاله	مهندسی الگوریتم ها و محاسبات، هوش مصنوعی و شبکه های کامپیوتری
مجله	اسناد تشخیص الگو – Pattern Recognition Letters
دانشگاه	موسسه هلسینکی فناوری اطلاعات HIIT، دانشگاه هلسینکی، فنلاند
رفرنس	دارد ✓
لینک مقاله در سایت مرجع	لینک این مقاله در نشریه Elsevier
نشریه الزویر

• فهرست مطالب:

چکیده

1. مقدمه

2. یادگیری ساختار محلی توسط Lasso

2-1 فرمول بندی مدل

2-2 الگوریتم

3-آزمایشات

3-1 شبکه های بیزی ترکیبی

3-2 شبکه های بیزی ترکیبی2

3-3. شبکه های معیار

4-نتیجه گیری

• بخشی از ترجمه:

4-نتیجه گیری ما یک نمایش از ساختار محلی را در شبکه های بیزی با استفاده از توابع بولی، یک الگوریتم مبتنی بر Lasso و یک الگوریتم ابتکاری مبتنی بر ترتیب را معرفی می کنیم. این روش برای رسیدن به عملکرد مطلوب، از لحاظ صحت ساختاری و دقت پیش بینی شده، تحت مدل های تولیدی مختلف، از جمله شبکه های معیار با تنها ساختار محلی ضمنی، نشان داده شد. به طور کلی، نتایج اهمیت توجه به ساختار محلی مورد نظر را هنگام یادگیری شبکه های بیزی تأیید می کنند. چارچوب پیشنهادی یک روش اصولی، برای انتخاب پیچیدگی یک مدل مناسب را ارائه می دهد، این برای پیاده سازی با استفاده از ابزارهای بهینه سازی موجود، ساده است و می تواند برای انواع مختلفی از نمایش های بولی وابسته به زمینه گسترش یابد. ما اظهار می کنیم که این ویژگی ها، آن را به یک جایگزین جالب برای تعداد کمی از رویکردهای موجود، تبدیل می کند. از سوی دیگر، اغلب مشخص نیست که نمایش بولی در یک زمینه خاص بهینه است، در حالی که آن شناخته شده است: برای مثال، برخی از مکانیسم های تنظیم کننده ژن می توانند بصورت دروازه های AND/OR/NOT و ترکیبات آنها نمایش داده شوند، به [12] مراجعه کنید، ممکن است به طور کلی انتخاب نمایش مناسب دشوار باشد. با این حال، همانطور که در [10، 16] بحث شد، تعداد اصطلاحات مورد نیاز برای نمایش بولی مختلف معمولا همان ترتیب مقدار است.

• بخشی از مقاله انگلیسی:

4. Conclusions

We introduced a representation of local structure in Bayesian networks using Boolean functions, and an algorithm based on Lasso and an ordering-based heuristic. The method was shown to achieve good performance in terms of structural correctness and predictive accuracy under different generating models, including benchmark networks with only implicit local structure. Broadly speaking, the results confirm the importance of considering local structure when learning Bayesian networks. The proposed framework provides a principled way to select an appropriate model complexity, is simple to implement using existing optimization tools, and can be extended to allow various kinds of Boolean representations depending on the context. We suggest that these features make it an interesting alternative to the relatively few existing approaches. On the other hand, it is often unclear which Boolean representation is optimal in a given context: while it is known, for instance, that some gene regulatory mechanisms can be represented as and/or/not gates and their combinations, see [12], it may generally be hard to choose the appropriate representation. However, as discussed in [10, 16], the number of terms required under different Boolean representations is typically of the same order of magnitude.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد

نوشته دانلود ترجمه مقاله ارائه ساختار محلی در شبکه های بیزی توسط توابع بولی (ساینس دایرکت – الزویر 2017) (ترجمه ویژه – طلایی ⭐️⭐️⭐️) اولین بار در ترجمه فا پدیدار شد.

این مقاله انگلیسی ISI در نشریه ساینس دایرکت (الزویر) در 9 صفحه در سال 2017 منتشر شده و ترجمه آن 15 صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

مشخصات مقاله انگلیسی (PDF)
سال انتشار	2017
تعداد صفحات مقاله انگلیسی	9 صفحه با فرمت pdf
رشته های مرتبط با این مقاله	مدیریت و مهندسی صنایع
گرایش های مرتبط با این مقاله	ایمنی صنعتی و مدیریت منابع انسانی
مجله	سازه های پایدار مهندسی عمران و مصالح ساختمانی Sustainable Structures of Civil Engineering and Building Materials
دانشگاه	دانشکده مهندسی و فن آوری، موسسه تکنولوژی آسیایی، تایلند
کلمات کلیدی	مؤلفه‌های سازمانی، رفتار کارمند، رویکرد آماری شبکه‌ای Bayesian Belief
شناسه شاپا یا ISSN	ISSN 2017.01.319
رفرنس	دارد
لینک مقاله در سایت مرجع	لینک این مقاله در نشریه Elsevier
نشریه الزویر

• فهرست مطالب:

چکیده
مقدمه
بیان مسئله
روش‌شناسی
تعیین و شناسایی مؤلفه‌های سازمانی
مؤلفه‌های سازمانی کلیدی
فرهنگ ایمن محور
ارتباطات
بهبود
تعهد مدیریت
رهبری
یادگیری سازمانی
سیستم پاداش
توسعه شبکه
نتایج
استراتژی فردی
استراتژی گروهی
نتیجه‌گیری و پیشنهاد‌ها

• بخشی از ترجمه:

8- نتیجه‌گیری و پیشنهاد‌ها
شماری از سناریوهای خوش‌بینانه به‌منظور تعیین شرایط توانایی پیش‌بینی نمایشی در ترکیب مفاهیم مرتبط با مؤلفه‌های سازمانی موردبررسی و آزمون قرارگرفته‌اند. با توجه به محدودیت زمانی و بودجه/سرمایه، اندازه نمونه محدود در نظر گرفته شد؛ زیرا توسعه برنامه Bayesian belief باید با اندازه نمونه همخوانی داشته باشد تا منجر به افزایش سطح پایداری مدل و برازش آن گردد. پژوهش‌های آتی می‌توانند به بررسی طبقه‌بندی پروژه‌های ساختمانی دیگری بپردازند. صرف‌نظر از پروژه‌های ساختمانی، پروژه‌های زیرساختی دارای شاخص‌های مختلف و فناوری‌هایی با درجه پیچیدگی متفاوت بوده که به‌نوبه خود ضعف پژوهش‌های ادراکی را جبران می‌کنند. کارشناسان ایمنی باید روش مشاهدات مستقیم را به‌عنوان ابزاری برای تخصیص رفتارهای کاری ایمنی به‌کارگیرند.

دانلود رایگان مقاله انگلیسی          خرید ترجمه فارسی مقاله

نوشته دانلود ترجمه مقاله نقش عوامل سازمانی بر رفتار ایمنی کارکنان (ساینس دایرکت – الزویر 2017) (ترجمه ویژه – طلایی ⭐️⭐️⭐️) اولین بار در ترجمه فا پدیدار شد.

• فهرست مطالب:

چکیده
1. مقدمه
2. نظریه بیزی
3. مجموعه داده KDD-99
4. فیلتر بیزی
1-4: موتور آموزش
2-4 موتور آزمایش
5. ترتیبات آزمایشی
1-5 داده های آموزشی
2-5 ویژگی ها
3-5 آستانه
6. نتایج
1-6 آزمایش 1: استفاده از تمام رکوردهای حمله و رکوردهای نرمال (بدون حمله)
2-6: آزمایش 2: با استفاده از رکوردهای DOS و رکوردهای نرمال (بدون حمله)
3-6 آزمایش 3: با استفاده از رکوردهای Probing (کاوش) و رکوردهای نرمال
4-6: استفاده از رکوردهای نرمال و رکوردهای U2R
5-6 آزمایش 5: با استفاده از رکوردهای نرمال و رکوردهای L2R
7. استنتاج

• بخشی از ترجمه:

7. استنتاج
از آنجاییکه هدف این پژوهش اصلاح دقت حمله R2L با استفاده از روشهای بیزی است، در دستیابی به هدف خود با استفاده از روش بیزی بعنوان موتوری برای دسته بندی داده ها موفق شده ایم. به نتایج عالی Chou در تز دکترایش نائل می شویم (Chou, 2007) که در آن وی به DR با 69.82% برای R2L دست یافته است. نتایج پژوهش ما نشان می دهد که می توانیم نتایج بهتری برای حمله R2L با DR ، 85.35% با استفاده از سه ویژگی: 23، 24 و 31 و مقدار آستانه 0.6 داشته باشیم. با این وجود، CR که برابر با 76.69% است در مقایسه با نتیجه Chou پایین است زیرا از یک مقدار آستانه پایین استفاده کرده ایم که دقت تشخیص رکوردهای نرمال (TN) را کاهش می دهد اما DR را برای حمله R2L افزایش می دهد.
به منظور بهبود دقت یک سیستم IDS نشان می دهیم که باید از چندین فیلتر بیزی به صورت موازی با هر فیلتر بهینه سازی شده برای تشخیص یک نوع رکورد استفاده کنیم؛ این می تواند موضوع خوبی برای تحقیقات بیشتر در این زمینه باشد.

• بخشی از مقاله انگلیسی:

7. Conclusions

Since the goal of this research was to improve the accuracy of the R2L attack using Bayesian methods, we have succeeded in achieving our target by using the Bayesian method as an engine to classify the data accordingly. We achieve results superior to Chou in his PhD dissertation (Chou, 2007), where he achieved a DR of 69.82% for the R2L. Our research results show that we could have better results for R2L attack with a DR of 85.35% by using the three features: 23, 24 and 31 and a threshold value of 0.6. However, the CR which equals 76.69% is considered low comparing to Chou result because we used a low threshold value which reduces the accuracy of detection of normal records (TN) but increases the DR for R2L attack. To improve the accuracy of an IDS system we propose that we should use several Bayesian filters in parallel with each filter optimized to detect one type of record; this can be a good subject for further research in this field.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله

نوشته دانلود ترجمه مقاله سیستم شناسایی نفوذ بر اساس بیزی – مجله الزویر اولین بار در ترجمه فا پدیدار شد.

بخشی از ترجمه:

چکیده ترجمه:
در این مقاله، مسئله ی یافتن جاذب ها در شبکه های بولی سنکرون مورد بررسی قرار می گیرد. الگوریتم های تصمیم بولی مبتنی بر دیاگرام که امروزه وجود دارد، به دلیل اینکه دیاگرام های تصمیم نیازمندی زیادی به حافظه دارند، از ظرفیت محدودی برخوردار هستند. الگوریتم های مبتنی بر شبیه سازی را می توان بر روی شبکه های بزرگتر بکار برد، ولی چنین الگوریتم هایی کامل نیستند. در این مقاله، ما الگوریتمی را ارائه می دهیم که از مدل کرانه دار مبتنی بر SAT استفاده کرده تا تمامی جاذب ها در شبکه های بولی را پیدا کند. بهره وری این الگوریتم نیز به وسیله ی تحلیل هفت مدل شبکه از پروسه های بیولوژیکی واقعی ، و همچنین ١۵٠ هزار شبکه ی بولی که به تصادفی در اندازه هایی بین ١٠٠ و ٧٠٠٠ ایجاد شده اند، ارزیابی خواهد شد. نتایج بدست آمده نشان داده است که روش اتخاذی ما، این قابلیت را داشته تا مرتبه ی مقیاس مدل های بزرگتر را نسبت به مدل های فعلی مدیریت کند.

١.مقدمه
یک شبکه ی تنظیمی ژن(GNR) را می توان مجموعه ای از بخش های DNA در یک سلول دانست، که ژن نام دارد دانست، که با همدیگر تعامل دارند[١]. هر ژن، شامل اطلاعاتی بوده که مشخص می کند که ژن چه کاری انجام می دهد و این ژن چه زمانی فعال یا منقضی است. زمانی که ژن فعال است، یک پروسه ای که رونویسی نام دارد رخ داده و یک اسید ریبونوکلئیک(RNA) که یک کپی از اطلاعات ژن بوده ایجاد می کند. این قسمت از RNA ، می تواند ترکیب پروتئین ها را هدایت کند. RNA یا مولکول های پروتئینی حاصله از پروسه ی رونویسی، به عنوان فراورده های ژن شناخته می شود.
بسیاری از مدل های ریاضی GRN که تا کنون پیشنهاد شده اند، شامل معادلات دیفرانسیل جزئی و معمولی، شبکه های بولی و قابلیت تعمیم آنها، شبکه های پتری ، شبکه های بیزی، معادلات استوکاستیک هستند[٢]. عموماٌ یک تنشی بین عمومیت یک مدل و قابلیت پی گیری وجود دارد. یک چارچوب ریاضی خوب ، بسته به مقیاس، ماهیت اطلاعات موجود و مسئله ی مطالعه شده انتخاب می شود.

بخشی از مقاله انگلیسی:

Abstract—

This paper addresses the problem of finding attractors in synchronous Boolean networks. The existing Boolean decision diagram-based algorithms have limited capacity due to the excessive memory requirements of decision diagrams. The simulation-based algorithms can be applied to larger networks, however, they are incomplete. We present an algorithm, which uses a SAT-based bounded model checking to find all attractors in a Boolean network. The efficiency of the presented algorithm is evaluated by analyzing seven networks models of real biological processes, as well as 150,000 randomly generated Boolean networks of sizes between 100 and 7,000. The results show that our approach has a potential to handle an order of magnitude larger models than currently possible.

A gene regulatory network (GRN) is a collection of DNA segments in a cell, called genes, which interact with each other [1]. Each gene contains information that determine what the gene does and when the gene is active, or expressed. When a gene is active, a process called transcription takes place, producing an ribonucleic acid (RNA) copy of the gene’s information. This piece of RNA can then direct the synthesis of proteins. RNA or protein molecules resulting from the transcription process are known as gene products. Many mathematical models of GRNs have been developed including ordinary and partial differential equations, Boolean networks and their generalizations, Petri nets, Bayesian networks, stochastic equations, and process calculi [2]. There is always a tension between the generality of a model and its tractability. An appropriate mathematical framework is usually selected depending on the scale involved, the nature of the available information, and the problem studied.

نوشته دانلود ترجمه تشخیص جاذب شبکه بولی سنکرون توسط الگوریتم مبتنی بر SAT – مجله IEEE اولین بار در ترجمه فا پدیدار شد.

فهرست مطالب:

چکیده
۱  مقدمه
۲  محیط یادگیری باز ACE
۳  مدل دانش آموز
۱  ۳ ورژن ۱ از مدل دانش آموزی ACE
۲  ۳ ورژن ۲
۴  ارزیابی
۵  نتایج و کار آتی

بخشی از ترجمه:

 ۱ مقدمه

محیط های یادگیری باز سیستم های آموزشی بر مبنای کامپیوتری هستند که بر پشتیبانی از یادگیری از طریق آموزش صریح کمتر و بر ایجاد فرصتی برای فراگیر جهت کشف آزادانه حوزه آموزشی، نیل به دانش در رابطه با مفاهیم و مهارتهای وابسته در فرایند بیشتر تاکید می کنند. در نظریه، این تیپ یادگیری فعال باید به دانش آموزان اجازه کسب درک و فهم عمیق تر و ساختار یافته تر از مفاهیم در حوزه را دهد. همچنین، به خاطر ماهیت و نوع راهنمایی نشده تعامل و برهم کنش، امید برآن است که علاوه بر مهارتهای موجود در حوزه آموزشی هدف، فراگیر بتواند مهارتهای شبه ادراکی وابسته به اکتشاف موثر را نیز تجربه و بدست بیاورد.
با این حال، ارزیابی های تجربی نشان داده اند که توانایی دانش آموز برای بهره گیری از تعامل با محیط های یادگیری باز به تعداد ویژگیهای مشخصه دانش آموز من جمله سطح فعالیت، و پیشرفت تحصیلی عمومی بستگی دارد، خواه دانش آموز از قبل دارای مهارتهای شبه ادراکی لازم برای فراگیری از اکتشاف بوده باشد یا خیر. آن دسته از دانش آموزانی که غیر فعال بوده یا فاقد مهارتهای ادراکی ضروری هستند، اغلب قادر به انجام آزمایشات معنادار نمی باشند؛ آنها در جریان تفسیر و تعمیم نتایج آزمایشاتی که انجام می دهند به مشکل برمی خورند، و به همین خاطر متحمل یادگیری غیر بهینه می شوند.

5. نتایج و کار آتی
شواهد زیادی وجود دارد دال براینکه دانش آموزان در محیط های یادگیری باز نیاز به پشتیبانی دارند. این پشتیبانی به شیوه ای به موقع و متناسب بدون اطلاع از زمان و دلیل مشکل داشتن دانش آموز در مورد اکتشاف میسر نمی شود. این مقاله جزئیات مدل دانش آموزی را مطرح کرده است که به ارزیابی اثربخشی اکتشاف دانش آموز در ACE ، یک محیط یادگیری باز برای توابع ریاضی می پردازد. ما دو ورژن از مدل دانش آموزی را ساختیم. نتایج حاصل از ارزیابی ورژن اولیه صحت و سودمندی مدل را تائید و همچنین مشکلاتی را آشکار کردند. ورژن دوم عملکرد مدل را ارتقاء داد، زیرا دانش آموزان باهوش و زیرک مداخلات غیر ضروری کمتری دریافت کرده بودند و با این وجود ACE همچنان به پشتیبانی از دانش آموزانی که در مورد فرایند اکتشاف مشکل داشتند، ادامه می داد. نتایج بدست آمده از باور و عقیده ما پشتیبانی میکند مبنی براینکه، داشتن یک مدل دانش آموزی که اثربخشی رفتار اکتشافی دانش آموز را ارزیابی می کند به پشتیبانی مناسب از این مسئله کمک می کند که بسیاری از دانش آموزان نیازمند یادگیری از محیط های یادگیری باز می باشند. کار آتی پیرامون مدل دانش آموزی ACE همچنان به ارتقاء ارزیابی مدل از اکتشاف موثر ادامه خواهد داد. مطالعات ما نشان دادند که هرچند برای دانش آموزان انجام مجموعه درستی از اعمال اکتشافی مهم است، اما این اعمال به تنهایی همیشه برای یادگیری مطالب هدف کافی نمی باشند. دانش آموزان نیازمند استدلال موثر در مورد اعمالشان هستند. بنابراین، قصد و برنامه ما این است که فاکتورهای دیگری را در مدل خود بگنجانیم که امکان ارزیابی درست تر اکتشاف دانش آموز را فراهم می آورند. این فاکتورها عبارتنداز: گرایش دانش آموز به خودتوضیحی، خواه دانش آموز به نتایج اکتشافش توجه کند یا خیر و زمان سپری شده برای هر کیس اکتشافی وابسته.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد

خرید نسخه پاورپوینت این مقاله جهت ارائه

نوشته دانلود ترجمه مقاله بررسی شناسایی موثر در محیط های یادگیری باز با استفاده از شبکه های بیزی – مجله اسپرینگر اولین بار در ترجمه فا پدیدار شد.