ارزیابی الگوریتم شبکه متقارن ژنی بر روی رایانش ابری

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 684

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

RCEITT02_130

تاریخ نمایه سازی: 22 آبان 1395

چکیده مقاله:

امروزه تقریباً در تمامی کاربردهای علمی و مهندسی استفاده از رایانه ها امری اجتناب ناپذیر می باشد. هرچند که درسالهای اخیر پیشرفت های سریع در فناوری ساخت رایان ها پاسخگوی بسیاری از نیازهای قدیمی بوده است، اما روند رو به رشدحجم محاسبات علمی به خصوص در کاربردهایی که نیازمند محاسبات پیچیده و یا درگیر با داده های فراوان می باشند، توانپردازش بیشتری را طلب می کند. به منظور بهبود کار خسته کننده بازسازی شبکه های ژنتیک از طریق آزمایش تجربی تعاملاتبین ژن، به یک روند برای اتخاذ روش مهندسی معکوس خودکار تبدیل می شود. برخی از الگوریتم های تکاملی برای استخراجپارامترهای شبکه پیشنهاد شده است. با این حال، برای پی بردن به شبکه های بزرگ توسط الگوریتم تکاملی، لازم است به دوموضوع مهم توجه گردد. همگرایی زودرس و هزینه محاسباتی بالا برای حل مشکل سابق و به منظور افزایش عملکرد الگوریتم هایتکاملی سنتی، استتاده از الگوریتم های تکاملی مدل های موازی بهتر است. یکی از روش های مطرح برای کاهش پیردازش که درچند سال اخیر مطرح گردیده است، رایانش ابری می باشد. سعی شده با استفاده از الگوریتم تقارن ژنی در رایانش ابری محاسباتبا سرعت بیشتر و بازده مناسب تری صورت پذیرد.

نویسندگان

مرتضی رموزی

استادیار دانشگاه آزاد اسلامی واحد کاشان

دلارام خسروی نیا

دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد الکترونیکی

محمدعزیز معمار

دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد الکترونیکی

مجتبی کشاورز سیاهپوش

دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد الکترونیکی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Kabir M, Noman N, Iba H: Reversely engineering gene regulatory ...
  • Lee W-P, Hsiao Y-T: Inferring gene regulatory networks using a ...
  • Rabelo O liveiraz, BrayanNeves, VicentePeixo. Amorim and Larissa MaiaraFraga "Designing ...
  • Lee W-P, Tzou W-S: Computational methods for discovering gene networks ...
  • Ay A, Arnosti DN: Mathematical modeling of gene expression: a ...
  • Maki Y, Ueda T, Okamoto M, Uematsu N, Inamura K, ...
  • Kikuchi S, Tominaga D, Arita M, Tomita M: Dynamic modeling ...
  • Noman N, Iba H: Inferring gene regulatory networks using differential ...
  • Moreno Marzolla, Ozalp Babaoglu, Fabio Panzieri "Server Consolidation in Clouds ...
  • Ho S-Y, Ho S-Y, Hsieh C-H, Huang HL: _ intelligent ...
  • Keqin Li "Algorithms and Analysis of Energy-Efficicnt Scheduling ofParallel Tasks" ...
  • نمایش کامل مراجع