کد مترجم: 53

The number of bits per screen pixel determines the display’s screen bit depth. The screen bit depth determines the screen color resolution, which is how many distinct colors the display can produce.

Most computer displays use 8, 16, or 24 bits per screen pixel. Depending on your system, you might be able to choose the screen bit depth you want to use. In general, 24-bit display mode produces the best results. If you need to use a lower screen bit depth, 16-bit is generally preferable to 8-bit.

تعداد بیت‌ها به ازای هر پیکسل، نمایش دهنده‌ی عمق بیتی صفحه‌ی نمایش است. عمق بیت صفحه‌ی نمایش، تعیین کننده‌ی وضوح رنگ صفحه‌ی نمایش است که به معنی نحوه‌ی تولید رنگ‌های مجزا توسط صفحه‌ی نمایش است.

اغلب صفحات نمایش کامپیوتری از 8، 16 یا 24 بیت به ازای هر پیکسل صفحه‌ی نمایش استفاده می‌کنند. بسته به سیستمتان، می‌توانید عمق بیتی صفحه‌ی نمایش را به صورت دلخواه، انتخاب کنید. به طور کلی، صفحه‌ی نمایش 24 بیتی، بهترین نتایج را به دنبال خواهد داشت. درصورتی که به استفاده از یک عمق بیتی کمتر برای صفحه‌ی نمایش نیاز دارید، عمق 16  بیتی نسبت به 8 بیتی در اولویت است. 

 

----------------------------------------------------------------------------------------------------

کد مترجم: 62

Scheduling of tasks in cloud computing is an NP-hard optimization problem. Load balancing of nonpreemptive independent tasks on virtual machines (VMs) is an important aspect of task scheduling in clouds. Whenever certain VMs are overloaded and remaining VMs are under loaded with tasks for processing, the load has to be balanced to achieve optimal machine utilization. In this paper, we propose an algorithm named honey bee behavior inspired load balancing (HBB-LB), which aims to achieve well balanced load across virtual machines for maximizing the throughput. The proposed algorithm also balances the priorities of tasks on the machines in such a way that the amount of waiting time of the tasks in the queue is minimal. We have compared the proposed algorithm with existing load balancing and scheduling algorithms. The experimental results show that the algorithm is effective when compared with existing algorithms. Our approach illustrates that there is a significant improvement in average execution time and reduction in waiting time of tasks on queue.

 

زمان بندی وظایف در محاسبات ابری یک مساله بهینه سازی NP-hard است. متعادل سازی بارگذاری وظایف مستقل غیر پیشگیرانه در ماشین های مجازی، جنبه مهمی از زمان بندی وظیفه در ابر هاست. هرگاه یک ماشین مجازی خاص بیش از اندازه بارگذاری شده باشد و ماشین های مجازی (VM) باقی مانده، کمتر با وظایفی برای پردازش بارگذاری شده باشند، آن گاه به منظور دستیابی به بهره بری ماشین بهینه، بارگذاری باید متعادل شود. در این مقاله ما الگوریتمی را با نام "تعادل بارگذاری الهام گرفته شده از رفتار زنبور عسل" ارائه می­دهیم که دستیابی به تعادل بارگذاری شده خوب در میان ماشین مجازی برای بیشینه کردن ظرفیت پذیرش  را هدف قرار داده است. الگوریتم ارائه شده، در روشی که مقدار زمان انتظار وظایف در صف را کمینه می­کند، اولویت وظایف را نیز موازنه می­کند. ما الگوریتم ارائه شده مان را با دیگر الگوریتم های زمان بندی و تعادل بارگذاری موجود مقایسه کرده ایم. نتایج تجربی نشان می­دهد که الگوریتم ارائه شده، در مقایسه با الگوریتم های موجود موثر تر است. روش ما نشان می­دهد که یک پیشرفت قابل ملاحظه در زمان پردازش میانگین و کاهش زمان انتظار وظایف در صف حاصل شده است.

 

----------------------------------------------------------------------------------------------------

کد مترجم: 742

Traditional scheduling algorithms typically aim to minimize the total time cost for processing all tasks. However, in cloud computing environments, computing capability differs for different resources, and so does the cost of resource usage. Therefore, it is vital to take into consideration the usage cost of resources. Along this line, in this paper, we proposed a modified algorithm based on PSO to solve the task scheduling problem in cloud computing environments.

الگوریتم های برنامه ریزی سنتی به طور معمول قصد دارند تا  هزینه کل زمان برای پردازش تمام وظایف را به حداقل برسانند. با این حال، در محیط های محاسبات ابری، قابلیت محاسبات  برای منابع مختلف متفاوت بوده، و بنابراین  هزینه های استفاده از منابع نیز متفاوت می باشد.بنابراین، ضروری است که هزینه استفاده از منابع در نظر گرفته شود. در امتداد این مبحث، در این مقاله، ما یک الگوریتم اصلاح بر اساس PSO برای حل این مشکل برنامه ریزی کار در محیط های محاسبات ابری ارائه  کرده ایم.

 

------------------------------------------------------------------------------------------------------

کد مترجم: 678

Abstract—this paper presented a survey on the applications of Evolutionary Algorithms in Game Theory. The purpose of this work is to study existing Evolutionary Algorithms techniques applied in the field of Game Theory. We found that Game Theory is tightly related to Evolutionary Algorithms, especially Genetic Algorithm. Genetic Algorithm was mainly utilized for finding an absolute optimal strategy by virtually applying a game against a known strategy.

چکیده- این مقاله مروری بر کاربردهای الگوریتم‌های تکاملی در تئوری بازی است. هدف از این پژوهش، بررسی روش‌های الگوریتم‌ تکاملی موجود است که در زمینه‌ی تئوری بازی به کار می‌روند. اثبات کرده‌ایم که تئوری بازی شدیداً با الگوریتم‌های تکاملی به خصوص الگوریتم ژنتیک مرتبط است. اصولاً الگوریتم ژنتیک برای یافتن یک روش بهینه‌ی مطلق از طریق اعمال مجازی یک بازی در مقابل یک روش شناخته شده، به کار می‌رود.

 

--------------------------------------------------------------------------------------------------

کد مترجم: 664

The Internet of Things is the expansion of the current Internet services so as to accommodate each and every object which exists in this world or likely to exist in the coming future. This article discusses the perspectives, challenges and opportunities behind a future Internet that fully supports the “things”, as well as how the things can help in the design of a more synergistic future Internet. Things having identities and virtual personalities operating in smart spaces using intelligent interfaces to connect and communicate within social, environmental, and user contexts [1-3]. There are several fuzziness about the concept of Internet of Things such as IoT can be broken in two parts Internet and Things.

 

اینترنت اشیاء توسعه یافته‌ی سرویس‌های جاری اینترنت است. بنابراین هر شیء‌ای را که در این جهان یا به احتمال زیاد در آینده وجود خواهد داشت، تطبیق می‌دهد. این مقاله به بررسی دیدگاه‌ها، چالش‌ها و فرصت‌ها در ماورای آینده اینترنت که کاملاً اشیاء را پشتیبانی می‌کند و نیز چگونگی کمک اشیاء در طراحی آینده اینترنت با همکاری بیشتر می‌پردازد. اشیاء، هویت و شخصیت‌های مجازی عملیاتی را در فضاهای هوشمند با استفاده از واسط‌های هوشمند برای اتصال و ارتباط در زمینه‌های اجتماعی، زیست محیطی کاربر بدست می‌آورند. ابهامات زیادی درمورد مفهوم اینترنت اشیاء وجود دارند مثلاً اینترنت اشیاء می‌تواند در دو بخش اینترنت و اشیاء بخش‌بندی شود. 

----------------------------------------------------------------------------------------------------

کد مترجم: 652

 

The Internet of Things is a paradigm where everyday objects can be equipped with identifying, sensing, networking and processing capabilities that will allow them to communicate with one another and with other devices and services over the Internet to accomplish some objective. Ultimately, IoT devices will be ubiquitous, context-aware and will enable ambient intelligence. This article reports on the current state of research on the Internet of Things by examining the literature, identifying current trends, describing challenges that threaten IoT diffusion, presenting open research questions and future directions and compiling a comprehensive reference list to assist researchers.

اینترنت اشیا، الگویی است که در آن اشیا روزمره می توانند مجهز به توانمندی های شناسایی حس کردن، شبکه شدن و پردازش شوند و این به آن ها این امکان را می دهد تا با یکدیگر و دیگر ابزارها و سرویس ها در اینترنت ارتباط برقرار کنند و به اهدافی دست یابند. در نهایت ابزارهای IoT، همه جا حاضر و هوشیار به محیط خواهند بود و هوش محیطی را نتیجه خواهند داد. این مقاله، وضعیت کنونی پژوهش در حوزه ی اینترنت اشیا را گزارش می دهد، تاریخچه را بررسی می کند، روش های کنونی را مشخص می کند و چالش هایی را که توزیع IoT را تهدید می کند، توصیف می کند، سوالات پژوهشی و کارهای آینده را ارائه می کند، و لیست ارجاعات جامعی را تالیف می کند تا به پژوهشگران کمک کند.

 

----------------------------------------------------------------------------------------------------

کد مترجم: 586

All this technique has many drawback due to which it is not efficient for the project.In this paper we will be simply dividing the server based on geographical location in which we will consider the Region wise division of server this will simplify to check the traffic rate of server, as some part of globe have night and other have day due to this the rate of traffic is different for different region. Cloud computing is growing technology in the field of computer science. Gartner’s [12], in his report that the cloud will changes the scenario in IT sector. The cloud computing is changing life with various types of services. Users get service from a cloud without paying attention to the details [11].

تمام این الگوریتم ها معایبی دارند که باعث می شود برای این پروژه کارایی نداشته باشند. در این مقاله، سرور را بر مبنای موقعیت جغرافیایی تقسیم بندی می کنیم که باعث سادگی بررسی میزان ترافیک سرور می شود. چراکه وقتی در برخی نقاط دنیا روز است در سایر نقاط شب است و همین باعث می شود که میزان ترافیک در نواحی مختلف متفاوت باشد. رایانش ابری یک تکنولوژی در حال رشد در زمینه علوم کامپیوتری می باشد. گارتنر [12] در مقاله اش می گوید که ابر سناریوی بخش IT را تغییر می دهد. رایانش ابری با انواع مختلف خدماتی که ارائه می دهد، زندگی را تغییر می دهد. کاربران خدماتشان را از ابر دریافت می کنند بدون این که به جزئیات توجهی بکنند [11]. 

-----------------------------------------------------------------------------------------------------

کد مترجم: 488

The Gaussian distribution is the most widely used distribution in statistics. There are several reasons for this. First, it has two parameters which are easy to interpret, and which capture some of the most basic properties of a distribution, namely its mean and variance. Second, the central limit theorem (Section 2.6.3) tells us that sums of independent random variables have an approximately Gaussian distribution, making it a good choice for modeling residual errors or  “noise”. Third, the Gaussian distribution makes the least number of assumptions has maximum entropy), subject to the constraint of having a specified mean and variance, as we show in Section 9.2.6

توزیع گاوسی پرکاربردترین توزیع در آمار می باشد. دلایل متعددی برای این وجود دارد. اولاً این توزیع دارای دو پارامتر است که تفسیر آن ها ساده می باشد و اکثر ویژگی های یک توزیع مانند میانگین و واریانس را برآورد می کنند. دوماً، قضیه حد مرکزی (بخش 2.6.3) به ما می گوید که مجموع متغیرهای تصادفی مستقل دارای یک توزیع تقریباً گاوسی است که انتخاب خوبی برای مدلسازی خطاهای باقیمانده یا «نویز» می باشد. سوماً توزیع گاوسی حداقل تعداد فرضیات (با ماکزیمم بی نظمی) را ایجاد می کند؛ مشروط بر این که یک میانگین و واریانس مشخص داشته باشیم، همان طور که در بخش 9.2.6 نشان می دهیم.

-------------------------------------------------------------------------------------------------

کد مترجم: 360

Big data is becoming an invisible “gold mine” for the potential value it contains.With the accumulation and growth of production, operations, management, monitoring,sales, customer services, and other types of data, as well as the increase of usernumbers, analyzing the correlation patterns and trends from the large amount of datamakes it possible to achieve efficient management, precision marketing. This can bea key to opening this “gold mine.” However, traditional IT infrastructure and methodsfor data management and analysis cannot adapt to the rapid growth of big data.

داده های بزرگ بخاطر ارزش بالقوه ای که دارند، به یک "معدن طلای"نامرئی تبدیل می شوند. با تجمع و رشد محصول، عملیات، مدیریت، نظارت، فروش ها، خدمات مشتری، و دیگر نوع از داده ها، و همچنین افزایش تعداد کاربران، تجزیه و تحلیل الگوهای همبستگی و روندهای مقدار زیادی از داده ها، دستیابی به مدیریت کارآمد و بازاریابی دقیق را ممکن می سازد. این امر می تواند یک کلید برای بازکردن این"معدن طلا" باشد. به هرحال زیرساختها و روش های فناوری اطلاعات سنتی برای مدیریت و تحلیل داده ها نمی توانند با رشد سریع داده های بزرگ سازگار شوند.

------------------------------------------------------------------------------------------------

کد مترجم: 270

In multimedia platform with many applications, reliability allocation plays an important role in the design of a software and has attracted increasing attention in recent years. Thus far, the issues of software reliability allocation have been discussed from many aspects, such as mathematical models and solutions to maximize the reliability. However, most of this research has concentrated on single software. The goal of this work is to investigate the possibility of solving multi-software reliability allocation in multimedia systems with budget constraints. 

در سطوح چند رسانه ای با چندین کاربرد، تخصیص قابل اطمینان نقش مهمی در طراحی نرم افزاری دارد و در سال های اخیر توجه زیادی بدان شده است. از اینرو، موضوع تخصیص قابل اطمینان نرم افزاری از چندین جنبه بحث شده است، همانند مدل های ریاضی و راه حل هایی برای ماکزیمم کردن قابلیت اطمینان. به هرحال، بیشتر این تحقیقات در نرم افزار های منفرد انجام شده اند. هدف این کار به کاربردن نوآوری برای حل تخصیص قابلیت اطمینان چند نرم افزاری در سیستم های چند رسانه ای با محدودیت های بودجه ای است. 

-------------------------------------------------------------------------------------------------