Daily Archive: آوریل 26, 2022

فروش پروژه زمان بندی وظایف در محیط رایانش ابری با استفاده از الگوریتم TLBO با MATLAB

کد پروژه: 3082

عنوان پروژه: فروش پروژه زمان بندی وظایف در محیط رایانش ابری با استفاده از الگوریتم TLBO با MATLAB

قالب بندی: m – داکیومنت

دسته: کامپیوتر – MATLAB

قیمت: 100.000 تومان

قابلیت اجرا در نرم افزار: MATLAB

شرح مختصر:

فروش پروژه زمان بندی وظایف در محیط رایانش ابری با استفاده از الگوریتم TLBO با MATLAB

رایانش ابری مدل محاسباتی و کامپیوتری جدیدی می‎باشد که دسترسی کاربران را بر اساس نوع تقاضایی که از منابع اطلاعاتی و محاسباتی دارند مهیا می‎کند. گسترش سریع کاربردهای ابری و رقابت میان تأمین کنندگان برای ارائه سرویس با بهترین سطح کیفی، منجر به ایجاد مراکز داده‌ای بزرگ شده است. بهره‌برداری از این نوع مراکز داده به دلیل مصرف زیاد انرژی، هزینه‌های عملیاتی بسیاری در پی دارد. استفاده ناکارآمد از منابع موجود در مراکز داده ازجمله دلایل اتلاف انرژی است، بنابراین، برای حل مسئله مصرف زیاد انرژی در مراکز داده علاوه بر بهینه‌سازی در سطح سخت‌افزار، روش‌های مدیریت منابع با رویکرد کارآمدی انرژی نیز موردنیاز است که در آنها، زمان‌بندی و تخصیص منابع، بر اساس نیازمندی کیفی سرویس‌ها صورت گیرد. در این زمینه، راه‌کارهایی مانند تغییر پویای ولتاژ و فرکانس پردازنده و تجمیع ماشین‌های مجازی مورداستفاده قرارگرفته‌اند. در این راستا پژوهش حاضر با هدف ارائه یک رویکرد نوین جهت زمان ‌بندی وظیفه آگاه از زمان و انرژی موجود در لایه PaaS  محیط رایانش ابری مورد مطالعه قرار گرفته است. تحقیق حاضر به لحاظ هدف از نوع مطالعات کاربردی و به لحاظ جمع‌آوری اطلاعات و بررسی آن‌ها از نوع مطالعات توصیفی می‌باشد. در تحقیق حاضر به جمع‌آوری مستندات در زمینه‎ موضوع پژوهش و پیشینه‌ مطالعات داخلي و خارجي از طریق مطالعات کتابخانه‌ ای پرداخته می‎شود. همچنین در ادامه به مطالعه مدل‌ های پژوهش و شبیه‌ سازی آن‌ ها پرداخته می‌ شود. درواقع این مطالعه به دنبال ارائه رویکردی نوین جهت زمان‌ بندی وظیفه آگاه از زمان و انرژی موجود در محیط رایانش ابری PaaS می ‎باشد. در این تحقیق جهت بهینه‏ سازی مصرف انرژی، الگوریتم زمانبندی با الگوریتم TLBO ارائه شده است.

 

برای خرید این پروژه با شماره 09360703858

یا آدرس ایمیل nn4e@aol.com در تماس باشید.

فروش پروژه بهینه سازی مدیریت تولید بوستر ترمز برپایه الگوریتم های هوشمند با MATLAB

کد پروژه: 3081

عنوان پروژه: فروش پروژه بهینه سازی مدیریت تولید بوستر ترمز برپایه الگوریتم های هوشمند با MATLAB

قالب بندی: m – داکیومنت

دسته: کامپیوتر – MATLAB

قیمت: 100.000 تومان

قابلیت اجرا در نرم افزار: MATLAB

شرح مختصر:

فروش پروژه بهینه سازی مدیریت تولید بوستر ترمز برپایه الگوریتم های هوشمند با MATLAB

پژوهش حاضر خطوط تولید بافر نامتعادل غیرقابل اعتماد در دنیای واقعی را در نظر می گیرد. همه پارامترهای مبتنی بر زمان شامل زمان بین ورود قطعات، زمان پردازش، زمان بین خرابی و زمان تعمیر احتمالی در نظر گرفته می شوند و از توزیع آماری برای برآورد این پارامترها استفاده می شود. همچنین، زمان راه اندازی غیر قطعی برای همه ماشین ها در همه ایستگاه های کاری در نظر گرفته شده است. بافرها می توانند کارایی، انعطاف پذیری و استفاده از فضا را افزایش دهند. از طرف دیگر، بافرها می توانند هزینه نگهداری سیستم را افزایش دهند (و سودآوری کل سیستم را کاهش دهند. بنابراین، یافتن ظرفیت های بافر بهینه که منجر به خروجی های رضایت بخش سیستم می شود، یک مشکل مهم در تحقیقات سیستم های تولید است. این مشکل را مسئله تخصیص بافر (BAP) می نامند و یک مسئله NP-Hard  است. اگر BAP در یک سیستم تولید نامعتبر تعریف شود، آن را BAP نامعتبر می نامند.

عکس خروجی برنامه

عکس 1

عکس 2

برای خرید این پروژه با شماره 09360703858

یا آدرس ایمیل nn4e@aol.com در تماس باشید.

فروش پروژه کارایی رمزنگاری تصاویر در RSA و ECC با قضیه باقیمانده چینی با MATLAB

کد پروژه: 3080

عنوان پروژه: فروش پروژه کارایی رمزنگاری تصاویر در RSA و ECC با قضیه باقیمانده چینی با MATLAB

قالب بندی: m – داکیومنت

دسته: کامپیوتر – MATLAB

قیمت: 100.000 تومان

قابلیت اجرا در نرم افزار: MATLAB

شرح مختصر:

فروش پروژه کارایی رمزنگاری تصاویر در RSA و ECC با قضیه باقیمانده چینی با MATLAB

با رشد فناوری در زمینه های گوناگون، نیاز مبرم و شدید به سیستم های امنیتی جهت حفظ اطلاعات، امری ضروری است. شبکه های کامپیوتری به دلیل رشد بالایی که داشته اند، مورد هجوم مهاجمان در سالیان اخیر واقع شده اند. همین طور فناوری های هک و نفوذ به سیستم ها روز به روز توسعه می یابد. مبحث امنیت یک سری زمینه های جدید را در دنیای امنیت اطلاعات نمایان می کند که می توان به رمزنگاری، هش گذاری و مسائلی از این دست اشاره نمود. رویکردی که این تحقیق سعی در ارائه آن دارد، استفاده از ساختارهای رمزنگاری جدید برای تصاویر با کیفیت های مختلف است. یک تصویر، حامل رسانه ای است که ممکن است اهمیت بالایی داشته باشد. لذا رمزنگاری آن دارای اهمیت است و البته رمزنگاری، نیاز به رمزگشایی هم دارد. تصاویر با فرمت های مختلف و حالت های رنگی شامل RGB و CMYK و حتی حالت سطح خاکستری و دودویی، قابلیت رمز شدن دارند و خروجی اکثر روش های رمزنگاری تصویر، یک تصویر سطح خاکستری یا دودویی است. این تحقیق سعی در ارائه یک راهکار ترکیبی مبتنی بر ترکیب RSA و ECC را دارد، به طوری که در انتها بعد از رمزنگاری، تصویر بدون اعوعاج و نویز باشد و خروجی به صورت سطح رنگی یا RGB باشد. همین طور مقایسه کی از لحاظ کارایی در رمزنگاری و رمزگشایی با RSA و ECC به صورت جداگانه انجام گرفته است. نتایج معیارهای ارزیابی از جمله اوج نسبت سیگنال به نویز نسبت به مقالات جدید نشان از بهبود رویکرد پیشنهادی در رمزنگاری و فضای حامل رمز در تصویر را با 16 ثانیه زمان اجرا، نشان می دهد.

عکس خروجی برنامه

عکس 1

برای خرید این پروژه با شماره 09360703858

یا آدرس ایمیل nn4e@aol.com در تماس باشید.

فروش پروژه طبقه بندی تومورهای مغزی با شبکه عصبی عمیق کانولوشن برپایه فرکتال با MATLAB

کد پروژه: 3079

عنوان پروژه: فروش پروژه طبقه بندی تومورهای مغزی با شبکه عصبی عمیق کانولوشن برپایه فرکتال با MATLAB

قالب بندی: m – داکیومنت

دسته: کامپیوتر – MATLAB

قیمت: 100.000 تومان

قابلیت اجرا در نرم افزار: MATLAB

شرح مختصر:

فروش پروژه طبقه بندی تومورهای مغزی با شبکه عصبی عمیق کانولوشن برپایه فرکتال با MATLAB

توده های سرطانی در ناحیه مغز، یک مشکل بزرگ در تشخیص زودهنگام هستند که نیاز به سیستم های هوشمند در این زمینه مشاهده می شود. لذا این مقاله یک روش مبتنی بر یادگیری ماشین را در تشخیص ویژگی های توده های سرطانی در ناحیه مغز از تصاویر MRI را مورد نظر قرار می دهد. یکی از مهمترین این ویژگی ها، شناسایی تومورهای گلیوما است که مشخصات خاصی را دارند. لذا به کارگیری مجموعه داده TCGA-GBM به عنوان داده های ورودی مدنظر قرار می گیرد و از شبکه عصبی عمیق کانولوشن برای آموزش و آزمون داده ها جهت تشخیص و طبقه بندی توده های سرطانی استفاده می شود. جهت بهبود فضای جستجو در زمان استخراج ویژگی ها، مدل فرکتال در لایه های آموزش و آزمون شبکه عصبی کانولوشن، فراخوانی می گردد که می تواند ویژگی های اضافی را تا حد ممکن کاهش بدهد تا در عملیات تشخیص و طبقه بندی توده های سرطانی، موثرتر واقع شود. نتایجی که این تحقیق از لحاظ معیارهای ارزیابی به دست می آورد، به خصوص دقت 98.68%، نشان از بهبود رویکرد پیشنهادی نسبت به سایر روش های مشابه است.  فلوچارت رویکرد پیشنهادی در عکس 1 مشخص است.

عکس خروجی برنامه

عکس 1

 

برای خرید این پروژه با شماره 09360703858

یا آدرس ایمیل nn4e@aol.com در تماس باشید.