ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارائه مدلی مبتی بر پیش بینی کارایی سیستم های مبتنی بر نگاشت- کاهش و انتخاب برخی ویژگی ها در job profile job profile

سال انتشار: 1399
کد COI مقاله: ECMM04_093
زبان مقاله: فارسیمشاهد این مقاله: 96
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 15 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارائه مدلی مبتی بر پیش بینی کارایی سیستم های مبتنی بر نگاشت- کاهش و انتخاب برخی ویژگی ها در job profile job profile

علی نعیم آبادی - گروه مهندسی کامپیوتر، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران
ابوالفضل گندمی - استادیارگروه مهندسی کامپیوتر، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران

چکیده مقاله:

با ورود به عصر اطلاعات و ارتباطات و آغاز استفاده از داده ها و اطلاعات به عنوان سرمایه های اصلی در حرکتعلمی، اقتصادی، اجتماعی و فرهنگی جوامع، سازمان ها و شرکت های مختلف و توسعه مشارکت افراد در جهاناینترنت و ارتباطات شبکه ای در دنیا، دغدغه ای بروز پیدا کرد که از جنس همین داده هایی بود که همه روز و باسرعت وحشتناک در دنیا و در عرصه های مختلفی که فناوری اطلاعات ورود پیدا کرده بود، تولید می شود. کلانداده و تجزیه و تحلیلش در مرکز علوم و تجارت های مدرن هستند. این داده ها از تراکنش های آنلاین، ایمیل ها،ویدئوها، صوت ها ، کلیک کردن ها، لاگ ها و ارسال ها، درخواست های جستجو، یادداشت های درست، تعاملات شبکههای اجتماعی، داده های علمی، سنسورها و تلفن های همراه و برنامه های کاربردی آنها تولید می شوند. آنها بر رویپایگاه داده ها که به شکل حجیم رشد می کنند، ذخیره می شوند و ضبط، شکل دهی، ذخیره سازی، مدیریت، بهاشتراک گذاری، تحلیل و نمایش آنها از طریق ابزارهای نوعی نرم افزار پایگاه داده ها، دشوار می شود. در این مقالههدف اصلی پردازش حجم انبوهی از داده و پیش بینی زمان دقیق کارها با استفاده از الگوریتم های یادگیری ماشینمی باشد. مدلی برای تخمین زمان اجرای کارها با استفاده از الگوریتم های یادگیری ماشین ارائه شده است. در اینتحقیق داده های مورد آزمایش و تحلیل قرار گرفته است که به دقت 92 % رسیده که به میزان 10 % نسبت به مدلموجود بهبود یافته است.

کلیدواژه ها:

مدلسازی، هادوپ، زمان اجرا، کلان داده، یادگیری ماشین

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1184209/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
نعیم آبادی، علی و گندمی، ابوالفضل،1399،ارائه مدلی مبتی بر پیش بینی کارایی سیستم های مبتنی بر نگاشت- کاهش و انتخاب برخی ویژگی ها در job profile job profile،چهارمین کنفرانس بین المللی تحقیقات بین رشته ای در مهندسی برق، کامپیوتر، مکانیک و مکاترونیک در ایران و جهان اسلام،تهران،،،https://civilica.com/doc/1184209

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1399، نعیم آبادی، علی؛ ابوالفضل گندمی)
برای بار دوم به بعد: (1399، نعیم آبادی؛ گندمی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: 7,022
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید


مقالات فوق اخیرا در حوزه مرتبط با این مقاله به سیویلیکا افزوده شده اند.

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی