استراتژی مدیریت مدل انتخاب تکرار پویا در سیستم های گرید

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 510

فایل این مقاله در 13 صفحه با فرمت PDF و WORD قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICMEAC04_008

تاریخ نمایه سازی: 19 خرداد 1396

چکیده مقاله:

سیستم های گرید به عنوان وسیله ای برای اشتراک گذاری منابع محاسباتی و اطلاعات پدید آمده اند. گریدهای داده، مسایل محاسباتی بزرگی را پردازش می کنند که به نوبه خود نیاز به ارزیابی، کاوش و تولید مقادیر زیادی از داده ها دارند. ارایه خدماتی برای دسترسی، به اشتراک گذاری و تغییر پایگاه داده های بزرگ وظیفه ای حیاتی و مهم برای سیستم های مدیریت گرید هست.این مقاله مکانیزم پیش بینی شبکه عصبی مصنوعی ای را مطرح می کند که راه حل هایی را برای تکرار داده در سیستم های گرید فراهم می کند. مدل پیش بینی شده انتخابی تکرار پیشنهادی، فایل هایی را با استفاده از اجراهای مبتنی بر تاریخ کاربران برای کارهای دریافتی تعیین خواهد کرد.تکرار، نسخه های مشابه مختلفی از داده ها را ایجاد می کند،که به عنوان یکی از تکنیک های بهینه سازی بزرگ برای کاهش هزینه های دسترسی به داده ها درنظر گرفته شده است. نتایج تجربی دستاوردهای مهم بدست آمده را توسط راه حل پیشنهادی از لحاظ دقت بالا و سربار پایین نشان می دهد.

کلیدواژه ها:

سیستم های گرید ، شبکه های عصبی مصنوعی ، پایگاه داده های توزیع شده ، استراتژی های تکرار ، گریدهای داده متمرکز

نویسندگان

پوریا شیرمحمدی

دانشجوی کارشناسی ارشد نرم افزار موسسه آموزش عالی کارون اهواز.

پگاه نصیری

دانشجوی کارشناسی ارشد نرم افزار موسسه آموزش عالی کارون اهواز

ریحانه صمدی

دانشجوی کارشناسی ارشد نرم افزار موسسه آموزش عالی کارون اهواز

مهدی صادق زاده

دکترا هوش مصنوعی و عضو هیات علمی دانشگاه آزاد اسلامی واحد ماهشهر

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 :
  • H. Bell, G. Cameron, L. Capozza, A. Millar, K. Stockinger, ...
  • A. Beltran, "Efficient Access to Distributed Information using Structured Peer-to-Peer ...
  • R. Buyya, and M. Murshed, " GridSim: a toolkit for ...
  • A. Chervenak, I. Foster, C. Kesselman, C. Salisbury, S. Tuecke, ...
  • S. Duggal, R. Chhabra , "Learning Systems and Their Applications: ...
  • The European DataGrid project homepage. http : //eu-datagrid. web _ ...
  • R. Guy, P. Reiher, D. Ratner, M. Gunter, W. Mak, ...
  • R. Guy, J. Heidmenn, W. Mak, T. Page, G. Popek, ...
  • R. Kavitha, and I. Foster, "Decouplin Computation and Data Scheduling ...
  • Neural Netowork software, http :/www.justnn. com/". JustNN:ء [10] ...
  • C. Kriegger "Nueral Network in Data Mining", 2013. ...
  • C. Krieger, Neural Networks in Data Mining, technician report, 2012. ...
  • "Napster, http : /www.napster. com/". ...
  • I. Rao and E.-N. Huh, _ probabilistic and adaptive scheduling ...
  • D.H. Ratner, "Roam: A Scalable Replication System for Mobile and ...
  • Y. Saito and H. Levy, "Optimistic Replication for Internet Data ...
  • M. Sayal, P. Scheuermann and R. Vingralek, "Content replication in ...
  • Proceedings of the 2nd IEEE International Symposium on Network Computing ...
  • H. Stockinger. Database Replication in World wide Distributed Data Grids. ...
  • A. Sulistio, U. Cibej , B. Robic, and R. Buyya, ...
  • G. Sushant and R Buyya, "Data Replication Strategies in Wide ...
  • S. Venugopal, R. Buyya, and K. Ramamo hanarao _ 2006. ...
  • S. Yashpal, S. Alok, "NEURAL NETWORKS IN DATA MINING", Journal ...
  • نمایش کامل مراجع