0% Complete
صفحه اصلی
/
پنجمین کنفرانس بین المللی محاسبات نرم
بررسی پارامترهای QoS الگوریتم های زمانبندی کار در محیط محاسباتی مه
نویسندگان :
فرشته رضائی
1
1- دانشگاه پیام نور
کلمات کلیدی :
محاسبات مه،محاسبات ابری،زمانبندی کار،QoS
چکیده :
حتی اگر رایانش ابری مزایای زیادی را ارائه دهد، گاهی اوقات به دلیل پاسخ آهسته به درخواست های موجود، می تواند انتخاب ضعیفی باشد از این رو نیاز به محاسبات مه ضروری می شود. زمانبندی کار در محیط مه یک چالش بزرگ است. مهم است که مشتریان اینترنت اشیا وظایف خود را به موقع انجام دهند و خدمات کمهزینهتری دریافت کنند. با این حال، آنها به دنبال کارهایی هستند که به شیوه ای امن اجرا شوند. در این مقاله، مسائل مرتبط با کیفیت سرویس الگوریتمهای زمانبندی پیشنهادی توسط تعدادی از محققین مختلف برای محیطهای مه را بررسی میکنیم. در نهایت، مسائل باز و جهت های تحقیقاتی امیدوارکننده مرتبط باکیفیت سرویس الگوریتم های زمانبندی کار در محاسبات مه مورد بحث قرار میگیرند.
لیست مقالات
لیست مقالات بایگانی شده
اعداد فازی مردد و معرفی برخی ابزارهای ریاضی مورد نیاز
اباذر کیخا
A Statistical Analysis of Split Block Designs using Fuzzy Approach
Abdulrahman Al Aita - Hooshang Talebi
Chebyshev weighted type inequality for fuzzy integral
Zahra Vaezi - Bayaz ِDaraby
شناسایی و اولویت بندی فاکتورهای تاثیرگذار در موفقیت آموزش الکترونیکی با رویکرد تحلیل سلسله مراتبی فازی شهودی
نسرین طاهرخانی
پیش بینی ارزش در معرض ریسک صندوق های سرمایه گذاری با استفاده از شبکه های عصبی مصنوعی
محمد حسن قلی زاده - محمد رحیم رمضانیان - سجاد تاج الدین
Numerical solution of fuzzy interval-valued regression model by neural network
Delara Karbasi - Mohammadreza Rabiei - Alireza Nazemi
ارائه یک الگوریتم تکاملی نوین بهینه سازی با توابع هدف خیلی زیاد بر اساس روش جزیره ای مبتنی بر بردارهای جهت به کمک شاخص دو دویی
امیرحسین فردی - علی جمالی
بهبود یادگیری شبکههای عصبی با استفاده از ضرایب بهینه در الگوریتم لونبرگ-مارکوارت
رضا یظهری کرمانی - محمد ملائی امام زاده
بررسی تاثیر کاهش ویژگی با استفاده از الگوریتم ژنتیک بر روی دقت الگوریتم های یادگیری ماشین جهت شناسایی بیماری مولتیپل اسکلروزیس
علی اصغر اخوان مهدوی - الهام مهدی پور - محمدعلی نهایتی
Predicting students’ “Passing or Failing” status with the utilization of motivational factors by Machine Learning Methods
Mohammad Reza Moradi - Reza Ghasemi Najafabadi
بیشتر
ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 42.0.2