دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Dobrescu. Radu, Ionescu. Florin سری: ISBN (شابک) : 1498750176, 1498750184 ناشر: CRC Press سال نشر: 2017 تعداد صفحات: 302 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 14 مگابایت
کلمات کلیدی مربوط به کتاب شبکه های مقیاس بزرگ: مدل سازی و شبیه سازی: تجزیه و تحلیل شبکه (برنامه ریزی)، روش های شبیه سازی، کسب و کار و اقتصاد، مدیریت صنعتی، کسب و کار و اقتصاد، مدیریت، کسب و کار و اقتصاد، علوم مدیریت، کسب و کار و اقتصاد، رفتار سازمانی
در صورت تبدیل فایل کتاب Large scale networks: modeling and simulation به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب شبکه های مقیاس بزرگ: مدل سازی و شبیه سازی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب تجزیه و تحلیل دقیقی از دستاوردها در زمینه کنترل ترافیک در شبکههای بزرگ ارائه میکند که بر دو جنبه اصلی متمرکز است: خود شباهت در رفتار ترافیک و ویژگی بدون مقیاس یک شبکه پیچیده. علاوه بر این، نویسندگان بینش جدیدی را در درک ماهیت درونی اشیا و علت و معلول بر اساس شناسایی روابط و رفتارها در یک مدل پیشنهاد میکنند که مبتنی بر مطالعه تأثیر ویژگیهای توپولوژیکی یک مدل است. شبکه بر اساس رفتار ترافیک سپس اثرات این تأثیر به منظور یافتن راهحلهای جدید برای نظارت و تشخیص ترافیک و همچنین برای پیشبینی ناهنجاریهای ترافیکی مورد بحث قرار میگیرد.
اگرچه این مفاهیم با استفاده از ردیابی بستههای بسیار دقیق و بسیار انباشتهشده در پیوندهای اینترنتی ستون فقرات نشان داده میشوند، نتایج تجزیه و تحلیل را میتوان برای هر شبکه پیچیدهای که فرآیندهای ترافیکی آن شباهت مجانبی از خود نشان میدهند، اعمال کرد. سازگاری ترافیک در شبکه ها با این حال، مشکل مدلهای مشابه این است که از نظر محاسباتی پیچیده هستند. روش اتصال آنها بسیار وقت گیر است، در حالی که پارامترهای آنها را نمی توان بر اساس اندازه گیری های آنلاین تخمین زد. در این هدف، هدف اصلی این کتاب بحث در مورد مشکل پیشبینی ترافیک در حضور خود شباهتها و بهویژه ارائه امکانی برای پیشبینی تغییرات ترافیک آینده و پیشبینی عملکرد شبکه تا حد امکان دقیق، بر اساس اندازهگیریشده است. سابقه ترافیک.
This book offers a rigorous analysis of the achievements in the field of traffic control in large networks, oriented on two main aspects: the self-similarity in traffic behaviour and the scale-free characteristic of a complex network. Additionally, the authors propose a new insight in understanding the inner nature of things, and the cause-and-effect based on the identification of relationships and behaviours within a model, which is based on the study of the influence of the topological characteristics of a network upon the traffic behaviour. The effects of this influence are then discussed in order to find new solutions for traffic monitoring and diagnosis and also for traffic anomalies prediction.
Although these concepts are illustrated using highly accurate, highly aggregated packet traces collected on backbone Internet links, the results of the analysis can be applied for any complex network whose traffic processes exhibit asymptotic self-similarity, perceived as an adaptability of traffic in networks. However, the problem with self-similar models is that they are computationally complex. Their fitting procedure is very time-consuming, while their parameters cannot be estimated based on the on-line measurements. In this aim, the main objective of this book is to discuss the problem of traffic prediction in the presence of self-similarity and particularly to offer a possibility to forecast future traffic variations and to predict network performance as precisely as possible, based on the measured traffic history.
Content: Chapter 1. State of the art and trends in information networks modeling --
chapter 2. Flow traffic models --
chapter 3. Self-similarity in traffic --
chapter 4. Topological models of complex networks --
chapter 5. Topology and traffic simulations in complex networks --
chapter 6. Case studies.