دسته بندی | مهندسی کامپبوتر و فناوری اطلاعات |
بازدید ها | 36 |
فرمت فایل | doc |
حجم فایل | 887 کیلو بایت |
تعداد صفحات فایل | 15 |
دسته بندی | مقالات ترجمه شده isi |
بازدید ها | 34 |
فرمت فایل | doc |
حجم فایل | 1125 کیلو بایت |
تعداد صفحات فایل | 14 |
استفاده از تکنیک های داده کاوی برای تجزیه و تحلیل حوادث ترافیک
چکیده- ابزار شبیه سازی و تجسم مبتنی بر کامپیوتر در ارزیابی الگوریتم های جدید برای تشخیص حادثه و استراتژی مدیریت حادثه کمک کرده اند. کاربردهای چنین ابزارهایی کاربران را قادر به ارزیابی راه حل هایی سریع تر از زمان واقعی می کنند. با این حال، به نظر می رسد که هنوز هم حوزه ای برای بررسی بهتر شرایطی همانند حوادث ترافیکی و مطالعه اثرات آن ها، به طور کامل با استفاده از روش های مانند داده کاوی وجود دارد. داشتن درک درستی از تاثیرات یک حادثه کمک می کند تا تحلیلگران استراتژی های مدیریت حادثه مناسب تری را طراحی کنند. اگرچه از داده کاوی به میزان چشمگیری در زمینه هایی مثل تجارت و علوم فضایی استفاده شده است کارهای کمی با استفاده از داده کاوی در ترافیک و تحقیقات مربوط به حمل و نقل انجام شده است. در این مقاله، چگونگی بررسی یک حادثه با استفاده از داده کاوی انجام شده و شرح داده می شود، و در نتیجه فرصت هایی که داده کاوی می تواند برای درک بهتر این وضعیت ارائه دهد نشان داده می شود. داده های مورد استفاده برای تحقیقات با استفاده از شبیه سازی در PARAMICS به دست آمده و ابزار به کار گرفته شده برای داده کاوی DataScope می باشد.
APPLYING DATA MINING TECHNIQUES FOR TRAFFIC INCIDENT ANALYSIS
Der-Horng Lee1, Shin-Ting Jeng1 and P. Chandrasekar1
ABSTRACTComputer-based simulation and visualization tools had helped to evaluate new algorithms for incident detection and strategies for incident management. Applications of such tools enable users to evaluate solutions faster than real-time. However, it seems that there is still scope to better investigate situations like traffic incidents and study their impacts, more thoroughly by employing techniques such as data mining. A better understanding of the impacts of an incident helps analysts to design more appropriate incident management strategies. Very little is known to date about the usefulness of applying data mining in traffic and transport related research, although data mining has contributed its usefulness significantly in fields like business and space science. In this paper, how an incident situation can be investigated using data mining is explored and described, thereby demonstrating the opportunities that data mining could offer in better understanding the situation. Data used for investigation is obtained from simulation using PARAMICS and the tool employed for data mining is DataScope.
INTRODUCTION
مقدمه
فرصت هایی که در حال حاضر بر اساس نرم افزار شبیه سازی مبتنی بر کامپیوتر برای تجزیه و تحلیل شرایط حادثه ارائه می شود هرگز بهتر از قبل نبوده اند. بسیاری از محققان برای ارزیابی الگوریتم های تشخیص حادثه و استراتژی های مدیریت حادثه از شبیه سازی استفاده کرده اند.
دسته بندی | مقالات ترجمه شده isi |
بازدید ها | 17 |
فرمت فایل | docx |
حجم فایل | 684 کیلو بایت |
تعداد صفحات فایل | 21 |
روشهایی برای یادگیری مدل های معنایی با استفاده از منابع سازمان یافته - 2014
A Scalable Approach to Learn Semantic Models of Structured Sources
چکیده:
مدلهای معنایی انتزاعی از منابع داده ها به معنای توصیف داده ها و مفاهیم و روابط تعریف شده توسط دامنه ها می باشد . ساختمان داده ها مانند یک گام مهم در ادغام مدلها می باشد . در این مقاله , ما در حال حاضر یک رویکرد مقیاس پذیر به صورت خودکار در یادگیری مدلهای معنایی از یک منبع داده های سازمان یافته با استفاده ازدانش منابع طراحی می نماییم . ارزیابی ما نشان می دهد که رویکرد تولید مدلهای معنایی حداقل ویژگی های مدل را بیان می کند .
1- مقدمه :
مقدار قابل توجهی از اطلاعات در رابطه با این موضوع در پایگاه های اطلاع رسانی و رابط های برنامه ی کاربردی آمده است . یک رویکرد مشترک به ادغام این منابع و توصیف دامنه ی داده ها پرداخته است . در وب , مفاهیم و روابط تعریف دامنه ی مدل های معنایی می تواند به عنوان یک نمودار ترسیم شود و ارتباط بین آنها مشخص شود .
ساخت دستی مدل معنایی وقت گیر می باشد و نیازبه تلاش و توجه و تخصص فراوان دارد . به صورت خودکار ساخت این مدل شامل دو مرحله است .
مرحله ی اول , مشخص نمودن انواع مدل های معنایی است . به عنوان مثال , بر چسب زدن داده ها و مشخص کردن منابع و دامنه ی آنهاست . با این حال تنها نوشتن ویژگی ها کافی نیست . مرحله ی دوم مشخص کردن ویژگی های داده ها از نظر خواص آنها می باشد . مطالعات بسیاری در این رابطه وجود دارد . اما بیشتر , تمرکز بر روی مرحله ی اول و مشخص کردن روابط مدلها می باشد . در مطالعات قبلی ما با یک رویکرد یادگیری مدلهای معنایی آشنا شدیم . در حال حاضر این داده ها و مدلهای معنایی ازیک دامنه ی متفاوت الهام گرقته است . ما با استفاده ازیک تکنیک یادگیری , نمونه های جدید از منابع را شناسایی می کنیم . ما در اینجا به ساخت نمودار با مدلهای معنایی شناخته شده خواهیم پرداخت . این مدل معنایی قابل قبول خواهد بود و برای هر یک از مدلها محاسبه ی حداقل داده ها صورت خواهد گرفت . در نهایت ما حاصل مدلها را بررسی می کنیم . این کار برخی از محدودیت ها را به دنبال دارد . یک نمونه از محدودیت عدم اطمینان از الگوریتم یادگیری مجموعه ای از مدلهای معنایی را برای هر منبع مشخص می کند اما روش های دیگری نیز برای ترسیم مدلهای معنایی وجود دارد . این یک روش دشوار می باشد زیرا بسیاری از موارد بین داده های معنایی مشابه است و نمی توان الگوریتم یادگیری را تشخیص داد . و دوم اینکه , بسیاری از داده ها , ویژگی های مشترکی دارند . در این مورد پردازش داده ها برای ساخت مدل ها غیر ممکن به نظر می آید . در این مقاله , ما به بررسی محدودیت هایی که در آثار گذشته وجود داشته است , می پردازیم . ما به تعمیم روش های قبلی با در نظر گرفتن مجموعه ای از مدلهای معنایی خواهیم پرداخت . برای غلبه بر محدودیت های پیش آمده یک الگوریتم معرفی خواهیم کرد که به بررسی مدل های معنایی و گسترش دامنه ی آنها می پردازد .
دسته بندی | مقالات ترجمه شده isi |
بازدید ها | 9 |
فرمت فایل | doc |
حجم فایل | 571 کیلو بایت |
تعداد صفحات فایل | 8 |
نام مجله:
Advances in Intelligent Systems and Computing
عنوان مقاله:
Bandwidth Allocation Scheme in Wimax Using Fuzzy Logic
Abstract. WiMAX referes to IEEE 802.16 standard for metropolitan area
networks that has inherent support for variety of real and non real applications.
The quality of service mechanism in WiMAX has been left as open issues for
vendors. This paper proposes a bandwidth allocation scheme for WIMAX
networks using fuzzy logic concepts. The system works as adaptive technology
in granting bandwidth to all traffic classes and helps to satisfy quality of service
requirements for all service classes. The results demonstrate that proposed
system was able to fulfill requirements of all classes and avoid starvation of low
priority classes.
طرح تخصیص پهنای باند در وایمکس با استفاده از منطق فازی
چکیده
وایمکس به استاندارد IEEE 802.16 برای شبکهها در نواحی شهرهای بزرگ اشاره میکند که پشتیبانی ذاتی از انواع برنامههای کاربردی واقعی و غیرواقعی دارد. کیفیت ساز و کار خدمات در وایمکس به عنوان مسائلی باز برای فروشندگان باقی مانده است. این مقاله طرح تخصیص پهنای باند برای شبکههای وایمکس را با استفاده از مفاهیم منطق فازی ارائه میکند. این سیستم بصورت فنآوری تطبیقی در تخصیص پهنای باند به تمام کلاسهای ترافیک عمل میکند و به برآورده کردن کیفیت الزامات خدمات برای همهی کلاسهای خدمات کمک میکند. نتایج نشان میدهند که سیستم ارائه شده قادر به تامین نیازمندیهای تمام کلاسها بود و از کمبود کلاسهای اولویت پایین اجتناب میکرد.
دسته بندی | مقالات ترجمه شده isi |
بازدید ها | 8 |
فرمت فایل | doc |
حجم فایل | 5727 کیلو بایت |
تعداد صفحات فایل | 24 |
Optimized Control of DFIG-Based Wind Generation Using Sensitivity Analysis and Particle Swarm Optimization
Abstract—Optimal control of large-scale wind farm has become
a critical issue for the development of renewable energy systems
and their integration into the power grid to provide reliable,
secure, and efficient electricity. Among many enabling technologies,
the latest research results from both the power and energy
community and computational intelligence (CI) community have
demonstrated that CI research could provide key technical innovations
into this challenging problem. In this paper, we propose
a sensitivity analysis approach based on both trajectory and
frequency domain information integrated with evolutionary algorithm
to achieve the optimal control of doubly-fed induction
generators (DFIG) based wind generation. Instead of optimizing
all the control parameters, our key idea is to use the sensitivity
analysis to first identify the critical parameters, the unified dominate
control parameters (UDCP), to reduce the optimization
complexity. Based on such selected parameters, we then use
particle swarm optimization (PSO) to find the optimal values to
achieve the control objective. Simulation analysis and comparative
studies demonstrate the effectiveness of our approach..
کنترل بهینه سازی شده ی تولید بادی مبتنی بر- DFIG با استفاده از آنالیز حساسیت و بهینه سازی ازدحام ذرات
چکیده
کنترل بهینهی مزرعه بادی در مقیاس بزرگ مسالهای حیاتی برای ایجاد سیستمهای انرژی تجدیدپذیر و ادغام آنها به شبکهی برق به منظور تامین برق مطمئن، ایمن، و کارآمد شده است. در میان بسیاری از فنآوریهای با قابلیت، آخرین نتایج تحقیقات از هر دو جامعهی قدرت و انرژی و جامعهی هوش محاسباتی (CI) نشان دادهاند که پژوهش CI نوآوریهای کلیدی فنی برای به چالش کشیدن این مسئله را ارائه میکند. در این مقاله، روش آنالیز حساسیت بر اساس منحنی مسیر و اطلاعات حوزهی فرکانسی یکپارچه شده با الگوریتم تکاملی به منظور دستیابی به کنترل بهینهی تولید بادی مبتنی بر ژنراتورهای القائی تغذیهی دوسویه (DFIG) ارائه شده است. به جای بهینهسازی تمام پارامترهای کنترلی، ایدهی اصلی ما اولا استفاده از آنالیز حساسیت به منظور شناسایی پارامترهای بحرانی، پارامترهای کنترلی غالب یکپارچه (UDCP) به منظور کاهش پیچیدگی بهینهسازی است. از اینرو براساس این پارامترهای انتخاب شده، از بهینهسازی اجتماع ذرات (PSO) به منظور یافتن مقادیر بهینه برای دستیابی به هدف کنترلی استفاده میکنیم. آنالیز شبیهسازی و مطالعات تطبیقی کارایی روش ما را نشان میدهد.