این مقاله انگلیسی ISI در نشریه Ijarcsse در 7 صفحه در سال 2016 منتشر شده و ترجمه آن 16 صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

مشخصات مقاله انگلیسی (PDF)
سال انتشار مقاله	2016
تعداد صفحات مقاله انگلیسی	7 صفحه با فرمت pdf
رشته های مرتبط با این مقاله	مهندسی کامپیوتر و مهندسی فناوری اطلاعات
گرایش های مرتبط با این مقاله	رایانش ابری و اینترنت و شبکه های کامپیوتری
مجله مربوطه	مجله بین المللی تحقیقات پیشرفته در علوم کامپیوتر و مهندسی نرم افزار  International Journal of Advanced Research in Computer Science and Software Engineering
دانشگاه تهیه کننده	گروه علوم کامپیوتر و برنامه های کاربردی دانشگاه اوکتال، هند
کلمات کلیدی این مقاله	پردازش ابری، پردازش مشبک، پردازش خوشه ای، پردازش کاربردی، پردازش خدماتی
رفرنس	دارد
نشریه Ijarcsse

• فهرست مطالب:

چکیده
پردازش توزیع شده
پیشگفتار
تعریف پردازش ابری
سیستمهای ابری، مشبک و توزیعی
مقایسه مقابله ای شبکه ها و ابرها
مدل‌های تجارت
معماری
مدیریت منابع
مدل برنامه نویسی
مدل برنامه
مدل امنیت
نتیجه گیری

• بخشی از ترجمه:

III. نتیجه گیری
در این پژوهش، نشان دادیم که ابرها و گریدها به لحاظ افق اهداف، معماری و فن آوری، اشتراکهای بسیاری دارند اما، آنها در جنبه های مختلف از قبیل امنیت، مدل برنامه نویسی، مدل تجاری، مدل پردازش، مدل داده، برنامه ها و انتزاعی سازی، متفاوت هستند. ما همچنین چالشها و فرصتهای هر دو زمینه را نیز مشخص کردیم. باور داریم که با یک مقایسه نزدیک مانند همین پژوهش می توان به این دو جامعه کمک کرد تا همدیگر را درک کنند، زیرساختهای خود را به اشتراک بگذارند و تکامل ببخشند و فنآوری پردازش ابری را از یک نمونه اولیه به سیستم های تولید تبدیل کنند.

• بخشی از مقاله انگلیسی:

III. CONCLUSIONS

In this work, we show that Clouds and Grids share a lot commonality in their vision, architecture and technology, but they also differ in various aspects such as security, programming model, business model, compute model, data model, applications, and abstractions. We also identify challenges and opportunities in both fields. We believe a close comparison such as this can help the two communities understand, share and evolve infrastructure and technology within and across, and accelerate Cloud Computing from early prototypes to production systems.

دانلود رایگان مقاله انگلیسی          خرید ترجمه فارسی مقاله

نوشته دانلود ترجمه مقاله مقايسه در رایانش ابری و محاسبات شبکه (Ijarcsse ۲۰۱۶) (ترجمه ویژه – طلایی ⭐️⭐️⭐️) اولین بار در ترجمه فا پدیدار شد.

فهرست مطالب:

چکيده
1- مقدمه
2- پژوهش‌هاي مرتبط
3- مدل تخصيص منبع
4- مدل توزيع حجم بار
5- نتايج تجربي
6- نتيجه‌گيري

بخشی از ترجمه:

6- نتيجه‌گيري
در اين پژوهش، مدل تکراري تخصيص حجم بار بهينه تدوين شده است. الگوي پيشنهادي در مورد تخصيص بار به پردازشگرها بوده و براي زمانبندي برنامه‌هاي حجم بار بخش‌پذير مرتبط شده است. نتايج تجربي حاکي از آن است که مدل پيشنهاد شده قادر به ارائۀ راه حل تقريباَ بهينه‌اي براي زمانبندي منابع چندگانه با منابع تخصيصي و ايستا است. از اين رو، مدل پيشنهاد شده مي‌تواند پردازش بارها را به طور موثر تعادل ببخشد. ما به برنامه‌ريزي براي تطبيق مدل پيشنهادي در محيط‌هاي ديناميک مبادرت مي‌ورزيم. در سايه چنين پيشرفت‌هايي، مدل پيشنهاد شده مي‌تواند با زمانبند شبکۀ موجود در راستاي بهبود عملکرد آنها تلفيق يابد.

بخشی از مقاله انگلیسی:

6. Conclusion

In this study, we have developed an effective iterative model for optimal workload allocation. The proposed model is proposed for load allocation to processors and links for scheduling divisible workload applications. The experimental results showed that the proposed model is capable of producing almost optimal solution for multiple sources scheduling with static and dedicated resources. Hence the proposed model can balance the processing loads efficiently. We are planning to adapt the proposed model in dynamic environments. With such improvements the proposed model can be integrated in the existing grid scheduler in order to improve their performance.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله

نوشته دانلود ترجمه مقاله مدیریت مبتنی بر منابع اقتصادی و برنامه ریزی محاسبات گرید – مجله IJCSI اولین بار در ترجمه فا پدیدار شد.

• فهرست مطالب:

چکيده
مقدمه
مروري برکارهاي گذشته
روش پيشنهادي
شبيه سازي
نتيجه گيري

• بخشی از ترجمه:

5. نتيجه گيري
هدف از اين مقاله ارائه مدل انعطاف پذير براي کارهاي مستقل از يکديگر در گريد محاسباتي است. الگوريتم هاي مختلفي براي زمانبندي و توازن بار ارائه شد و هدف، ايجاد توازن بار و به حداقل رساندن ميانگين زمان پاسخ و درصد شکست وظايف است . يکي از مسائل مهم در گريد زمانبندي و توازن بار است و هدف از اين مقاله ، توازن بار گريد است . در اين مقاله براي نمايش گريد محاسباتي از يک مدل عمومي براساس درخت استفاده کرديم که سطح درخت با گسترش گريد، رشد مي کند، اين ساختار سلسله مراتبي است وباعث مي شود زمانبند برروي منابع، مديريت کاملي داشته باشد و اين مديريت کلي، از رفتارهاي گروهي در سيستم جلوگيري مي کند. براي ميزان بار منابع ، شاخص بار و وضعيت منابع جديد براساس همسايگي متقارن پيشنهاد شده است و همچنين مواردي چون کلاس کاري، ضرب الاجل و هزينه را مد نظر قرارداده ايم. در الگوريتم هاي زمانبندي با هدف توازن بار، الگوريتم هاي جديد احتمالي را ارائه کرديم که در روش احتمالي از گذشته منابع استفاده مي کنيم و وظيفه را به منبعي واگذار مي کنيم که در گذشته موفق تر عمل کرده است يعني براي اجراي وظيفه در آينده با احتمال شکست کمتري روبرو است ، در ابتدا الگوريتم ها را به پنج دسته تقسيم کرديم 1. الگوريتم هاي توازن بار 2. الگوريتم هاي کمترين زمان اجرا 3. الگوريتم هاي کمترين زمان اتمام 4. الگوريتم هاي کمترين هزينه 5. الگوريتم هاي کمترين هزينه و زمان اتمام .
براي ارزيابي الگوريتم ها ، معيارهاي مختلفي را بررسي نموديم، که مهمترين آنها درصد منابع نرمال در سيستم، ميانگين زمان پاسخ و درصد شکست وظايف است که نتايج ارزيابي نشان داد که الگوريتم هاياحتمالي در توزيع وظايف طوري عمل مي کنند که منابع در محدوده منابع نرمال قرار گيرند که اين امرباعث توازن بار در سيستم مي شود. علاوه برتوازن بار در سسيستم الگوريتم هاي احتمالي ميانگين زمان پاسخ و درصد شکست وظايف را کاهش مي دهند.کار دومي که انجام شد، الگوريتم توازن بار است. اين الگوريتم زماني که سيستم دچار عدم توازن بار مي شود تصميم به مهاجرت وظايف مي گيرد.‌ اين الگوريتم را با سيستمي که عادي عمل مي کند مقايسه کرده ايم . نتايج ارزيابي نشان مي دهد که الگوريتم توازن بار ميانگين زمان پاسخ را در سيستم کاهش مي دهد.

• بخشی از مقاله انگلیسی:

V. Conclusions

The aim of this paper is to present a flexible model for independent tasks in the computational grid. Different algorithms are presented for scheduling and load balancing and the purpose is to achieve load balance and minimizing the average response time and the task failure percent. One of the key issues in grid is scheduling and load balancing. The purpose of this paper is the load balancing of the grid load. In this paper, a general model based on tree is used to illustrate computational grid in which the tree level grows by expanding the grid; this structure is hierarchical and makes scheduler to completely manage resources and this management prevents herd. load index and the status of the new resources have been proposed based on symmetric neighborhood for resources load, also issues such as Workclass, deadlines and costs have been considered.in scheduling algorithms with the purpose of load balancing modern probability algorithms have been presented. in probability method past of resources are being used and task is assigned to the resource operated more successful. It means to execute the tasks in future we experience lower rate of failures. First of all, algorithms are divided into five categories1. Load balancing algorithms 2. The minimum execution time algorithms3. Minimum completion time algorithms 4.minimum cost algorithms 5. Minimum cost and completion time algorithms. To evaluate the algorithms, different indexes were studied, that the most notable ones are the normal resource percent in the system, the response time and the percentage of failed tasks and the results show that probability algorithms in distributing tasks work in a way that the resources stay in the normal resource region. In addition to load balancing in the system, probability algorithms decrease the average response time and the task failure percent. The second work that was done was load balancing algorithm. This algorithm migrate the tasks when the system is experiencing imbalances.This algorithm is compared with the system which works normally. The evaluation results show that the load balancing algorithm reduces the average response time in the system.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله

نوشته دانلود ترجمه مقاله مدل انعطاف پذیر توازن بار پویا برای انجام وظایف مستقل در گرید محاسباتی اولین بار در ترجمه فا پدیدار شد.

فهرست مطالب:

چکیده
۱ ۱مقدمه
۲ ۱ خصوصیات رایانش ابری
۲ ۱ ۱ خدمات گرایی
۲ ۱ ۲ اتصال ضعیف
۲ ۱ ۳ خطا پذیری
۳ ۱ IDS متقابل برای امنیت مطمئن رایانش ابری
۳ ۱ ۱ رمز گذاری محیط رایانش ابری با TCP
۳ ۱ ۲ مدل کنترل دسترسی مبتنی بر نقش
۳ ۱ ۳ امنیت داده در ابر بر اساس TCP
۳ ۱ ۴ پایش رفتار کاربران
۳ ۱ ۵ سیستم های تشخیص نفوذ توزیعی مبتنی بر نماینده های مختلف
۳ ۱ ۵ ۱ مزیت ها
۳ ۱ ۵ ۲ چارچوب
۳.۱.۵.۳استاندارد عملیاتی
۳ ۱ ۶سیستم تشخیص نفوذ متقابل
۳ ۱ ۶ ۲ دسته بندی پیام و کنترل آستانه
۳ ۱ ۶ ۳ پاسخ و بلوک
۳ ۱ ۶ ۴ عملیات متقابل
۴ ۱ نتیجه گیری

بخشی از ترجمه:

درک زمینه فنی به اندازه رایانس پیچیده ابرای پیچیده بوده و مستلزم به شناسایی خصوصیات پایه و بنیادین آن است. مفاهیم و اصطلاات مربوط به رایانش ابری می توانند کمک زیادی به حل مسائل مربوط به طراحی، توسعه و استفاده از یک سیستم رایانش ابری می کند.
این مقاله به بررسی خصوصیات، امنیت متقابل و مطمئن در رایانش ابری می پردازد. مفهوم ویژگی سرویس گرا در بر گیرنده جزییات اجرای رایانش ابری می باشد.اتصال ضعیف و خطا پذیری از مهم ترین خصوصیات در این زمینه محسوب می شوند. ویژگی تجربه سهولت استفاده کاربر به رایانش ابری کمک می کند تا توسط متخصصان غیر کامپیوتر پذیرش شوند. اعتقاد ما بر این است که این خصوصیات خاص رایانش ابری بوده و به توسهخ فناوری در حال تکامل کمک شایانی خواهد کرد چرا که تک تک سیستم ها از این فرایند منفعت می برند.
رایانش ابری تجزیه تحلیل شده در محیط رایانش ابری و عملیات پلتفرم رایانش ابری مطمئن در رایانش ابری بسیار حایر اهمیت می باشد. مزیت های روش پیشنهادی توسعه فناوری رایانش متقابل و مطمئن در محیط رایانش ابری برای دستیابی به ملزومات رایانش مطمئن برای رایانش ابری در جهت دستیابی به کمال مطلوب می باشد. TCP به عنوان یک پایه سخت افزاری برای سیستم های رایانش ابری محسوب می شود. در این طرح، TCP یک سیستم رایانش ابری با کارکرد های امنیتی بالا نظیر رمرزگذاریف امنیت برقراری ارتباط و حفاظت داده ها فراهم می کند. TCP می تواند یک رایانش ابری را برای ایجاد یک رایانش ابری در اختیار بگذارند. مفهوم پیشنهادی سیستم تشخیص نفوذ متقابل برای شبکه رایانش ابری برای کاهش تاثیر حملات محروم سازی از سرویس است.

بخشی از مقاله انگلیسی:

1.1 Introduction Cloud computing is TCP/IP based high development and integrations of computer technologies such as fast micro processor, huge memory, high-speed network and reliable system architecture. Without the standard inter-connect protocols and mature of assembling data centre technologies, cloud computing would not become reality too. This paper tries to summarize basic characteristics, mutual and reliable security of cloud computing which will help the development and adoption of this rapidly evolving technology. Cloud computing security issues such as confidentiality, integrity and availability are the most important security considerations. Denial-of-service attack, distributed denial-of-service attacks cause the targeted system or network unusable. If the cloud computing system suffers from these kinds of attacks, the service providers and end users could not use the services. The intrusion detection system (IDS) will mutually with each other by exchanging alerts to reduce the impact of the denial-of-service attack. The Snort based intrusion detection system implemented into three modules is: block, mutual and communication modules. A mutual agent is used to receive alert messages from other intrusion detection systems. By collecting these alerts and implementing majority vote on them, the accuracy of these alerts could be judged by the agent. If the agent accepts these alerts, the system adds new blocking rule into the block table against this type of packet attacks on the cloud computing regions. Therefore, by this new blocking rule the cloud computing regions except the victim one can avoid this kind of attack. In this paper described in section 2 Characteristics of cloud computing like service oriented, loose coupling, strong fault tolerance and section 3 mutual intrusion detection system for reliable security of cloud computing – Authentication cloud computing environment with TCP, Role Based Access Control Model, Data Security in cloud based on TCP, The Trace of the User’s Behaviour, Numerous representative based distributed Intrusion Detection System and Mutual Intrusion Detection System, and conclusion. 2.1 Characteristics of Cloud Computing The comparable characteristics of cloud computing and grid computing are listed in Table I. The “yes” and “no” stand for cloud computing or grid computing has the special characteristic or not. The “half” means not owning the whole characteristic to a certain extent. This paper doesn’t pay much attention on the similarities and difference between them and focuses on the essential characteristics of cloud computing [6]. The cloud computing, grid computing, High performance computing (HPC) or supercomputing and data centre computing all belong to parallel computing. HPC focuses on scientific computing which is computing intensive and delay sensitive. So high processing performance and low delay are the most important criteria in HPC. Grid computing is based on HPC centre. Many connected HPC centres form a large grid which owns a powerful underlying concept – service oriented architectures (SOA). Some other creative and impressive concepts like utility computing and autonomic computing do not come into reality.The cloud computing which is based on data centre is much more widely accepted than grid computing. Data centre which doesn’t only pursue powerful processing performance and low delay is more balanced than HPC centre.

نوشته دانلود ترجمه مقاله محاسبات ابری امن مبتنی بر سیستم متقابل تشخیص نفوذ اولین بار در ترجمه فا پدیدار شد.

بخشی از ترجمه:

در این مقاله با استفاده از یک بازبینی علمی/پژوهشی و همچنین دسته بندی مقالات ارائه شده بین سال های ١٩٩۵ تا ٢٠٠۴ میلادی بر اساس شاخص واژه ی کلیدی و چکیده ی مقالات، به بازبینی توسعه های صورت گرفته شده بر روی سیستم های خبره(ES) پرداخته خواهد شد، تا به چگونگی توسعه ی متدلوژی ها و کاربرد های سیستم های خبره در این دهه پی برده شود. بر مبنای ١۶۶ مقاله و ٧٨ ژورنال آکادمیک ارائه شده تا سال ٢٠۴، این مقاله با استفاده از ١١ دسته بندی، به دسته بندی متدلوژی های سیستم های خبره خواهد پرداخت: سیستم های مبتنی بر قاعده ، سیستم های مبتنی بر دانش ، شبکه های عصبی ، سیستم های خبره ی فازی(FES)، متدلوژی شیئ گرا ، استدلال مبتنی بر مورد، معماری سیستم، سیستم های عامل هوشمند، متدلوژی پایگاه داده، مدل سازی و هستی شناسی. همه ی این دسته بندی ها به همراه کاربرد آنها و پژوهش ها و دامنه های مختلفی از مسائل ارائه خواهد شد. مباحثی ارائه شده است که شامل جهت گیری های توسعه ی زیر برای متدلوژی های سیستم خبره میباشد:
• متدلوژی های سیستم خبره، تمایل به توسعه به سمت خبره بودن داشته و کاربرد های این سیستم ها را میتوان از نوع دامنه ی مسئله گرا دانست.
• پیشنهاد شده است که متدلوژی های اجتماعی متفاوتی مانند فلسفه، علم شناختی، و رفتار انسان میتواند سیستم خبره را به عنوان نوع دیگری از متدلوژی پیاده سازی کند.
• توانایی تغییر پیوسته و حفظ یافته های جدیدی را میتوان یکی از نقاط قوت متدلوژی سیستم خبره دانست.

بخشی از مقاله انگلیسی:

Abstract This paper surveys expert systems (ES) development using a literature review and classification of articles from 1995 to 2004 with a keyword index and article abstract in order to explore how ES methodologies and applications have developed during this period. Based on the scope of 166 articles from 78 academic journals (retrieved from five online database) of ES applications, this paper surveys and classifies ES methodologies using the following eleven categories: rule-based systems, knowledge-based systems, neural networks, fuzzy ESs, objectoriented methodology, case-based reasoning, system architecture, intelligent agent systems, database methodology, modeling, and ontology together with their applications for different research and problem domains. Discussion is presented, indicating the followings future development directions for ES methodologies and applications: (1) ES methodologies are tending to develop towards expertise orientation and ES applications development is a problem-oriented domain. (2) It is suggested that different social science methodologies, such as psychology, cognitive science, and human behavior could implement ES as another kind of methodology. (3) The ability to continually change and obtain new understanding is the driving power of ES methodologies, and should be the ES application of future works. q 2004 Published by Elsevier Ltd. Keywords: Expert systems; Expert system methodologies; Expert system applications; Literature survey 1. Introduction Expert systems (ES) are a branch of applied artificial intelligence (AI), and were developed by the AI community in the mid-1960s. The basic idea behind ES is simply that expertise, which is the vast body of task-specific knowledge, is transferred from a human to a computer. This knowledge is then stored in the computer and users call upon the computer for specific advice as needed. The computer can make inferences and arrive at a specific conclusion. Then like a human consultant, it gives advices and explains, if necessary, the logic behind the advice (Turban & Aronson, 2001). ES provide powerful and flexible means for obtaining solutions to a variety of problems that often cannot be dealt with by other, more traditional and orthodox methods. Thus, their use is proliferating to many sectors of our social and technological life, where their applications are proving to be critical in the process of decision support and problem solving. As a part of ES research, this paper surveys the development of ES through a literature review and classification of articles from 1995 to 2004 as a basis, exploring the ES methodologies and applications during that period. The reason for choosing this period is that the Internet was opened to general users in 1994 and this new era of information and communication technology has played important roles, not only in the field of ES, but also in the ability to collect data from online database. This literature survey started on March 2003 and it was based on a search in the keyword index and article abstract for ‘ES’ on the Elsevier SDOS, IEEE Xplore, EBSCO (electronic journal service), Ingenta, and Wiley InterScience online database, for the period from 1995 to 2004, in which 10,439 articles were updated and found on June 2004. After topic filtering, there were 166 articles from 78 journals related to the keyword ‘ES applications’, 98 of which were connected to the methodology of keyword ‘ES methodology’. Based on the scope of 166 articles on ES applications, this paper surveys and classifies ES methodologies using eleven 0957-4174/$ – see front matter q 2004 Published by Elsevier Ltd. doi:10.1016/j.eswa.2004.08.003 Expert Systems with Applications xx (2004) 1–11 www.elsevier.com/locate/eswa * Tel.: C886-2947-2044; fax: C886-2945-3007. E-mail address: michael@mail.tku.edu.tw. DTD 5 ARTICLE IN PRESS categories: rule-based systems, knowledge-based systems, neural networks, fuzzy ESs, object-oriented methodology, case-based reasoning (CBR), system architecture development, intelligent agent (IA) systems, modeling, ontology, and database methodology together with their applications for different research and problem domains. The rest of the paper is organized as follows. Sections 2–12 present the survey results of ES methodologies and applications based on the above categories, respectively. Section 13 presents some discussion, extending to suggestions for future development of ES methodologies and applications. Finally, Section 14 contains a brief conclusion. 2. Rule-based systems and their applications A rule-based ES is defined as one, which contains information obtained from a human expert, and represents that information in the form of rules, such as IF–THEN. The rule can then be used to perform operations on data to inference in order to reach appropriate conclusion. These inferences are essentially a computer program that provides a methodology for reasoning about information in the rule base or knowledge base, and for formulating conclusions. Applications of rule-based systems on ESs are including: state transition analysis, psychiatric treatment, production planning, advisory system, teaching, electronic power planning, automobile process planning, hypergraph representation, system development, knowledge verification/ validation, alcohol production, DNA histogram interpretation, knowledge base maintenance, scheduling strategy, management fraud assessment, knowledge acquisition, knowledge representation, communication system fault diagnosis, bioseparation, material processing design, resource utilization, biochemical nanotechnology, probabilistic fault diagnosis, agriculture planning, load scheduling, apiculture, tutoring system, geoscience, and sensor control. The methodology of rule-based systems and their applications are categorized in Table 1. 3. Knowledge-based systems and their applications The most common definition of KBS is human-centered. This highlights the fact that KBS have their roots in the field of artificial intelligence (AI) and that they are attempts to understand and initiate human knowledge in computer systems (Wiig, 1994). The four main components of KBS are usually distinguished as: a knowledge base, an inference engine, a knowledge engineering tool, and a specific user interface (Dhaliwal & Benbasat, 1996). On the other hand, the term KBS includes all the organizational information technology applications that may prove helpful to manage the knowledge assets of an organization, such as ESs, rulebased systems, groupware, and database management systems (DBMS) (Laudon & Laudon, 2002). Some of these applications which are implemented by knowledge-based systems include the following: medical treatment, personal finance planning, engineering failure analysis, waste management, production management, thermal engineering, decision support, knowledge management, knowledge representation, power electronics design, framed buildings evaluation, financial analysis, chemical incident management, automatic tumor segmentation, business game, climate forecasting, agricultural management, steel composition design, strategic management, environmental protection, wastewater treatment, decision making and learning, isokinetics interpretation, chemical process controlling, therapy planning, plant process control, outage locating planning, concurrent system design, case validation, chip design, agriculture planning, power transmission protection, crop production planning, tropospheric chemistry modeling, planar robots, and urban design. The methodology of knowledge-based systems and their applications are categorized in Table 2.Some applications implemented by fuzzy ESs are such as: power load forecasting, online scheduling, chemical Table 2 Knowledge-based systems and their applications Knowledge-based systems/ applications Authors Medical treatment Alonso-Amo, Perez, Gomez, and Montes (1995) Personal finance planning Dirks, Kingston, and Haggith (1995) Engineering failure analysis Graham-Jones and Mwllor (1995) Waste management Wei and Weber (1996) Production management Dawood (1996) Thermal engineering Afgan and Carvalho (1996) Decision support Keefe and Preece (1996) Knowledge management Dutta (1997) Knowledge representation Mitra and Basu (1997) Framed buildings evaluation Lu and Simmonds (1997) Power electronics design Fezzani, Piquet, and Foch (1997) Financial analysis Matsatsinis, Doumpos, and Zopounidis (1997) Chemical incident management Finch and Lees (1997) Automatic tumor segmentation Clark et al. (1998) Business game Duan, Edwards, and Robins (1998) Climate forecasting Rodionov and Martin (1999) Agricultural management Girard and Hubert (1999) Steel composition design Manohar, Shivathaya, and Ferry (1999) Strategic management Volberda and Rutges (1999) Environmental protection Gomolka and Orlowski (2000) Wastewater treatment Baeza, Ferreira, and Laufuente (2000) Decision making and learning Mockler, Dologite, and Gartenfeld (2000) Isokinetics interpretation Alonso, Fuertes, Martinez, and Montes (2000) Chemical process controlling Barrera-Cortes, Astruc, and Tufeu (2001) Physical therapy planning Tunez, Aguila, and Marin (2001) Plant process control Acosta, Gonzalez, and Pulido (2001) Outage locating planning Liu and Schulz (2002) Concurrent system design Mills and Gomaa (2002) Case validation Knauf, Gonzalez, and Abel (2002) Chip design Bourbakis, Mogzadeh, Mertoguno, and Koutsougeras (2002) Agricultural planning Cohen and Shoshany (2002) Power transmission protection Orduna, Garces, and Handschin (2003) Crop production planning Edrees, Rafea, Fathy, and Yahia (2003) Tropospheric chemistry modeling Saunders, Pascoe, Johnson, Pilling, and Jenkin (2003) Urban design Xirogiannis, Stefanou, and Glykas (2004) Planar robots Sen, Minambres, Garrido, Almansa, and Soto (2004) Table 3 Neural networks and their applications Neural networks/applications Authors Fault diagnosis Wang, Qu, Liu, and Cheng (2004), Yang, Han, and Kim, (2004) Optimal power flow Decision making Alarm processing system Inference mechanisms Diagnostic system Machine learning Fu (1998) Power load forecasting Facility layout design Process control Knowledge learning Gold mining process design Robotic systems Parameter setting Waste treatment Biomedical application Mitigation processes control Engineering ceramics Acoustic signal diagnosing Li, Tasi, Tasi, and Chiu (2004) Crude oil distillation Liau et al. (2004) Shu-Hsien Liao / Expert Systems with Applications xx (2004) 1–11 3 DTD 5 ARTICLE IN PRESS process fault diagnosis, ecological planning, control systems, uncertainly reasoning, knowledge integration, fault diagnosis, power system classification, fault detection, demand evaluation, wastewater treatment, machinability data selection, water supply forecast, radiography classifi- cation, on-line analytic processing, hotel selection, dryer tool integration, pooled flood frequency analysis, medical consultation system, job matching, performance indexing, computer security, gesture recognition, and medical diagnosis. The methodology of fuzzy ESs together with their applications is categorized in Table 4. 6. Object-oriented methodology and their applications Object-oriented methodology combines into one object data together with the specific procedures that operate on this data, where the object combines data and program code. Instead of passing data to procedures, programs send a message for an object to perform a procedure that is already embedded in it. Then, the same message may be sent to many different objects, but each will implement that message differently. An object’s data are encapsulated from other parts of the system, so each object is an independent software building block that can be used in many different systems without changing the program code. Some applications implemented by object-oriented methodology include the following: industry diagnosis, knowledge learning, manufacturing information network, power system maintenance, knowledge engineering, syntactic programming, and knowledge representation. The methodology of object-oriented methodology and their applications are categorized in Table 5. 7. Case-based reasoning and their applications The basic idea of CBR is to adapt solutions that were used to solve previous problems and use them to solve new problems. In CBR, descriptions of past experience of human specialists, represented as cases, are stored in a database for later retrieval when the user encounters a new case with similar parameters. The system searches for stored cases with problem characteristics similar to the new one, finds the closest fit, and applies the solutions of the old case to the new case. Successful solutions are tagged to the new case and both are stored together with the other cases in the knowledge base. Unsuccessful solutions also are appended to the case base along with explanations as to why the solutions did not work (Kolonder, 1994). Some of the applications implemented by CBR include the following: manufacturing process design, knowledge management, power system restoration training, ultrasonic inspection, medical planning, medical application, fault diagnosis, e-learning, and knowledge modeling. These CBR and their applications are categorized in Table 6. 8. Modeling and their applications Modeling methodology becomes an interdisciplinary methodology of ES in order to build formal relationships with logical model design in different knowledge/problem Table 4 Fuzzy expert systems and their applications Fuzzy expert systems/ applications Authors Power load forecasting Kim, Park, Hwang, and Kim (1995) Online scheduling Chang and Thia (1996) Chemical process fault diagnosis Ozyurt and Kandel (1996) Ecological planning Zhu, Band, Dutton, and Nimlos (1996) Power system diagnosis Cho and Park (1997) Control systems Bugarin and Barro (1998) Uncertainly reasoning Pan, DeSouza, and Kak (1998) Knowledge integration Lee, Han, Song, and Lee (1998) Fault diagnosis Lee et al. (2000) and Soliman, Rizzoni, and Kim (1999) Power system classification Dash, Mishra, Salama, and Liew (2000) Fault detection EI-Shal and Morris (2000) Demand evaluation Benson and Asgarpoor (2000) Wastewater treatment Carrasco, Rodriguez, Punal, Roca, and Lema (2004), Punal, Rodriguez, Carrasco, Roca, and Lema (2002), and Punal et al. (2001) Machinability data selection Wong and Hamouda (2002, 2003) Water supply forecast Mahabir, Hicks, and Fayek (2003) Radiography classification Liao (2003) On-line analytic processing Leung, Lau, and Kwong (2003) Hotel selection Ngai and Wat (2003) Dryer tool integration Lababidi and Baker (2003) Medical diagnosis Meesad and Yen (2003) and Sendelj and Devedzic (2004) Pooled flood frequency analysis Shu and Burn (2004) Medical consultation system Boegl, Adlassnig, Hayashi, Rothenfluh, and Leitich (2004) Job matching Drigs et al. (2004) Performance indexing Padilla-Medina and Sanchez-Marin (2004) Computer security Reznik and Dabke (2004) Gesture recognition Frantti and Kallio (2004) Table 5 Object-oriented methodology and their applications Object-oriented methodology/ applications Authors Industry diagnosis Batanov and Cheng (1995) Knowledge representation Vranes and Stanojevic (1995) Electronic power capacity planning Deb (1995) Knowledge learning Menzies (1997) Power system maintenance Kawahara, Sasaki, Kubokawa, Asahara, and Sugiyama (1998) Knowledge engineering Geymayr and Ebecken (1998) Manufacturing information network Lau, Tso, and Ho (1998) Syntactic programming Depradine (2003) 4 Shu-Hsien Liao / Expert Systems with Applications xx (2004) 1–11 DTD 5 ARTICLE IN PRESS domains.

نوشته دانلود مقاله ترجمه شده برنامه های کاربردی و روش شناسی سیستم خبره – مجله الزویر اولین بار در ترجمه فا پدیدار شد.

فهرست مطالب:

چکیده
۱ مقدمه، بررسی ۱۰۰ مایل
۱ ۱ تعریف محاسبه ابری
۲ ۱ ابرها، گریدها و سیستم های توزیع شده
۲ مقایسه پهلو به پهلوی گریدها و ابرها
۱ ۲ مدل تجاری
۲ ۲ معماری
۳ ۲ مدیریت منابع
۴ ۲ مدل برنامه کاربردی
۵ ۲ مدل ایمنی
۳ نتایج

بخشی از ترجمه:

 ۱ مقدمه

محاسبه ابری به آینده ای اشاره می کند که برروی کامپیوترهای محلی محاسبه انجام نخواهیم داد، بلکه برروی تجهیزات مرکزی راه اندازی شده توسط تاسیسات ذخیره و محاسبه شخص ثالث این کار را انجام می دهیم. در حقیقت، در سال ۱۹۶۱، پیشگام محاسبه، جان مکارتی پیش بینی کرد که محاسبه یک برنامه تسهیلات همگانی است و در مورد نحوه رخ دادن آن فکر نمود. در اواسط دهه ۱۹۹۰، واژه گرید برای توصیف تکنولوژیهایی ابداع گردید که به مصرف کنندگان اجازه می دهد تا بر حسب تقاضا به قدرت محاسبه دست یابند. فاستر  و دیگران به این مسئله اشاره کردند که با استانداردسازی پروتکل های بکار برده شده برای درخواست قدرت محاسباتی، می توان گرید محاسباتی خلق نمود که از لحاظ شکل و سودمندی شبیه به گرید نیروی الکتریکی می باشد. بعدها محققین این ایده ها را به طرق مهیج زیادی مطرح کرده و به طور مثال، سیستم های یکی شده در مقیاس بزرگ     تولید می کنند که نه تنها قدرت محاسباتی ، بلکه همچنین در صورت تقاضا داده ها و نرم افزار فراهم می نماید. سازمان های استانداردها ( مثلاً  ) استانداردهای وابسته را تعریف کردند. صنعت این واژه را به عنوان یک واژه بازاریابی برای دسته ها و خوشه ها انتخاب نمود. اما حداقل تا کنون، هیچ تهیه کننده محاسبات گرید تجاری بادوام و پایداری ظهور نکرده است. بنابراین، آیا محاسبه ابری ، فقط یک نامی جدید برای گرید می باشد؟ در فناوری اطلاعات ، که تکنولوژی بر حسب دامنه مقیاس بندی می شود و در فرایند هر پنج سال یکبار مجدداً اختراع می شود، هیچ گونه پاسخ درستی برای این سئوالات وجود ندارد.
بله. نظر و ایده یکسان می باشد- کاهش هزینه محاسبه، افزایش پایانی، و افزایش انعطاف پذیری با تبدیل کامپیوترها از چیزی که می خریم و خودمان راه اندازی می کنیم به چیزی که توسط شخص ثالث راه اندازی شده است.

3. نتایج  
در این مقاله، نشان می دهیم که ابرها و گریدها دارای تشابهات زیادی در خصوص نگرش، معماری و تکنولوژی هستند، اما در جنبه های مختلفی مثل امنیت، مدل برنامه نویسی، مدل تجاری، مدل محاسبه، مدل داده، برنامه های کاربردی و چکیده سازی نیز باهم تفاوت دارند. ما همچنین چالش ها و فرصتهای موجود در هر دو را شناسایی می کنیم. به عقیده ما، مقایسه نزدیکی مثل این به دو جامعه در جهت شناخت، تقسیم و تکامل زیرساختار و تکنولوژی و تسریع محاسبه ابری از نمونه های اولیه تا سیستم تولید کمک می نماید. آینده چه می گوید؟ در اینجا بر اساس باور و عقیده مان مبنی براینکه اقتصاد و مقرون به صرفگی محاسبه بیشتر شبیه به انرژی است، پیش بینی های معدودی ارائه می دهیم. نه انرژی و نه گریدهای محاسباتی فردا، شبیه به نیروگاه برق نمی باشند. هر دو به سمت آمیزه ای از تاسیسات میکروتولید و بزرگ حرکت کرده و تعداد زیادی از تولید کنندگان کوچک ( باد، خورشید، زیست توده برای انرژی؛ برای محاسبه، دسته ها و گروههای محلی و پردازنده های تعبیه شده در کفش ها و دیوارها) با تولیدکنندگان منطقه ای بزرگ همکاری کرده و بار به صورت دینامیکی میان آنها توزیع می شود. درست است، محاسبه واقعاً مثل برق نیست، اما به عقیده ما سیر تکاملی موازی برگرفته از نیروهای مشابه را مشاهده می کنیم. در جریان ساخت این ابر یا گرید توزیع شده، نیاز به حمایت و پشتیبانی از پیکره بندی و مهیا نمودن سیستم های مجازی تلفیقی با قابلیت های دقیق مورد نیاز کاربر نهایی داریم. دراین راستا تعریف پروتکل هایی که به کاربران و تهیه کنندگان خدمات اجازه کشف و رد کردن تقاضاها به سایر تهیه کنندگان ، به منظور مانیتور نمودن و مدیریت رزرو و آرایش پرداخت را می دهد،ضروری می باشد. همچنین به ابزارهایی برای مدیریت منابع پایه و محاسبات توزیع شده حاصله و مقیاس متمرکز از برنامه های تسهیلاتی ابر امروز و توزیع و قابلیت همکاری تاسیسات گرید امروز نیاز داریم. متاسفانه، حداقل تا کنون، روشهای بکاربرده شده برای نیل به این اهداف در ابرهای تجاری امروز، باز و عمومی نبوده اند، بلکه عمدتاً به صورت اختصاصی ظاهر شده و برای کاربردهای داخلی خاص ( مثلاً آنالیزداده های بزرگ) شرکت های توسعه دهنده بکار برده شده اند. ایده نیل به قابلیت همکاری بین تهیه کنندگان ( مثل شبکه برق) آشکار نشده است

بخشی از مقاله انگلیسی:

1 100-Mile OverviewCloud Computing is hinting at a future in which we won’tcompute on local computers, but on centralized facilitiesoperated by third-party compute and storage utilities. We surewon’t miss the shrink-wrapped software to unwrap and install.Needless to say, this is not a new idea. In fact, back in 1961,computing pioneer John McCarthy predicted that”computation may someday be organized as a public utility”—and went on to speculate how this might occur.In the mid 1990s, the term Grid was coined to describetechnologies that would allow consumers to obtain computingpower on demand. Ian Foster and others posited that bystandardizing the protocols used to request computing power,we could spur the creation of a Computing Grid, analogous inform and utility to the electric power grid. Researcherssubsequently developed these ideas in many exciting ways,producing for example large-scale federated systems (TeraGrid,Open Science Grid, caBIG, EGEE, Earth System Grid) thatprovide not just computing power, but also data and software,on demand. Standards organizations (e.g., OGF, OASIS)defined relevant standards. More prosaically, the term was alsoco-opted by industry as a marketing term for clusters. But noviable commercial Grid Computing providers emerged, at leastnot until recently. So is “Cloud Computing” just a new name for Grid? Ininformation technology, where technology scales by an orderof magnitude, and in the process reinvents itself, every fiveyears, there is no straightforward answer to such questions.Yes: the vision is the same—to reduce the cost of computing,increase reliability, and increase flexibility by transformingcomputers from something that we buy and operate ourselvesto something that is operated by a third party.But no: things are different now than they were 10 years ago.We have a new need to analyze massive data, thus motivatinggreatly increased demand for computing. Having realized thebenefits of moving from mainframes to commodity clusters, we find that those clusters are quite expensive to operate. Wehave low-cost virtualization. And, above all, we have multiplebillions of dollars being spent by the likes of Amazon, Google,and Microsoft to create real commercial large-scale systemscontaining hundreds of thousands of computers. The prospectof needing only a credit card to get on-demand access to100,000+ computers in tens of data centers distributedthroughout the world—resources that be applied to problemswith massive, potentially distributed data, is exciting! So weare operating at a different scale, and operating at these new,more massive scales can demand fundamentally differentapproaches to tackling problems. It also enables—indeed isoften only applicable to—entirely new problems.Nevertheless, yes: the problems are mostly the same in Cloudsand Grids. There is a common need to be able to manage largefacilities; to define methods by which consumers discover,request, and use resources provided by the central facilities;and to implement the often highly parallel computations thatexecute on those resources. Details differ, but the twocommunities are struggling with many of the same issues.1.1 Defining Cloud ComputingThere is little consensus on how to define the Cloud [49]. Weadd yet another definition to the already saturated list ofdefinitions for Cloud Computing:A large-scale distributed computing paradigm that isdriven by economies of scale, in which a pool ofabstracted, virtualized, dynamically-scalable, managedcomputing power, storage, platforms, and services aredelivered on demand to external customers over theInternet.There are a few key points in this definition. First, CloudComputing is a specialized distributed computing paradigm; itdiffers from traditional ones in that 1) it is massively scalable,2) can be encapsulated as an abstract entity that deliversdifferent levels of services to customers outside the Cloud, 3) itis driven by economies of scale [44], and 4) the services can bedynamically configured (via virtualization or other approaches)and delivered on demand.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد

خرید نسخه پاورپوینت این مقاله جهت ارائه

نوشته دانلود ترجمه مقاله مقایسه محاسبات ابری و گرید ۳۶۰ درجه – مجله IEEE اولین بار در ترجمه فا پدیدار شد.

فهرست مطالب:

چکیده
مقدمه
الگوریتم های توازن بار ایستا
سیستم مانیتورینگ گرید پیشنهاد شده
کلیات
مولفه های سیستم مانیتورینگ گرید پیشنهاد شده
سیستم کلی
نتایج ارزیابی
پلت فرم آزمایشی
ساختار حوزه ها درآزمایش
زمان پاسخ
ظرفیت
نتایج و امور آتی

بخشی از ترجمه:

 ۱ مقدمه

محاسبه گرید به صورت یک رشته جدید مهم ظهور کرده است. آن بر تقسیم منابع در مقیاس بزرگ، برنامه های ابداعی، و عملکرد بالا تاکید می کند. مزیت متمایز شده گرید در برابر محاسبه توزیع شده سنتی آن است که می تواند تعداد زیادی از منابع محاسباتی و همچنین منابع داده  را باهم تلفیق و بدین طریق برخی از چالش ها را حل کند. همانند برنامه های کاربردی سرویس وب، محاسبه گرید ، قلمرواش را از گرید محاسباتی سنتی به عمومی توسعه و سرویس ها و خدمات گرید عرضه می نماید. هدف گرید تحقق تقسیم منابع هماهنگ و مسئله در سازمان های مجازی پویا (VOs) می باشد. در این محیط، مسئله امنیت عنوانی داغ و جنجالی در تحقیق گرید محسوب می شود، دلیل این امر، پویایی و عدم قطعیت سیستم گرید می باشد. مسائل مربوط به امنیت گرید را می توان به سه طبقه اصلی تقسیم نمود: مسائل وابسته به معماری، مسائل وابسته به زیرساختار و مسائل وابسته به مدیریت. این مقاله بر مدیریت گرید تاکید کرده است. مسائل مختلف مدیریت که مجریان گرید همواره نگران آنها هستند عبارتنداز: مدیریت اعتبارنامه ، مدیریت اعتماد، و مسائل وابسته به مانیتورینگ و نظارت. توانایی مانیتور و مدیریت مولفه های محاسباتی توزیع شده یکی از عوامل و فاکتورهای مهم برای محاسبه توزیع شده با عملکرد بالا می باشد. برای تعیین منبع مسائل و مشکلات عملکردی و به منظور هماهنگ ساختن سیستم برای نیل به عملکرد بهتر، لازم است داده ها نظارت شوند. مانیتورینگ به عمل جمع آوری اطلاعات مربوط به ویژگیها و وضعیت منابع مربوطه اتلاق می گردد. مانیتورینگ در موارد مختلفی نیز مثل زمان بندی، تکرار داده، حسابداری، تحلیل عملکرد و بهینه سازی سیستم های توزیع شده یا برنامه های کاربردی فردی، برنامه های خود هماهنگ، و بسیاری از موارد دیگر مهم ظاهر می شود. وظایف مانیتورینگ عبارتنداز: بررسی صحت و درستی، بهبود عملکرد، وابستگی یا تحمل خطا، ارزیابی عملکرد، اشکال زدایی و تست، کنترل یا مدیریت و امنیت.

بخشی از مقاله انگلیسی:

I. INTRODUCTION

grid computing has emerged as an important new field.It focuses on large-scale resource sharing, innovativeapplications, and high-performance orientation. Thedistinguished advantage of Grid against traditionaldistributed computing is that it can integrate a large numberof computing resources as well as data resources to solvesome kind of challenges. As more and more web serviceapplications, Grid computing has extended its territory fromtraditional computing Grid to public and provides Gridservices. The purpose of Grid is to realize coordinatedresource sharing and problem in dynamic virtualorganizations (VOs) [1]. In this environment, the securityproblem is a hot topic in Grid research due to the dynamicsand uncertainty of Grid system. The Grid security issues canbe categorized into three main categories: architecturerelated issues, infrastructure related issues, and managementrelated issues [8].This paper is focused on Grid management. The different management issues that Grid administrators are worriedabout are credential management, trust management, andmonitoring related issues. The ability to monitor andmanage distributed computing components is critical forenabling high performance distributed computing.Monitoring data is needed to determine the source ofperformance problems and to tune the system for betterperformance [9]. Monitoring is the act of collectinginformation concerning the characteristics and status ofresources of interest. Monitoring is also crucial in a varietyof cases such as scheduling, data replication, accounting,performance analysis and optimization of distributedsystems or individual applications, self-tuning applications,and many more [8]. The functions of monitoring arecorrectness checking, performance enhancement,dependability or fault tolerance, performance evaluation,debugging and testing, control or management, and security.Most existing monitoring systems work with network orcluster systems. There are several research systemsimplementing the Grid Monitoring Architecture (GMA) [6].

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد

خرید نسخه پاورپوینت این مقاله جهت ارائه

نوشته دانلود ترجمه مقاله بررسی عملکرد تعادل بار استاتیک در شبکه های گرید – مجله ijens اولین بار در ترجمه فا پدیدار شد.