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
دسته بندی: آموزشی ویرایش: 1 نویسندگان: Federico Montesino Pouzols, Diego R. Lopez, Angel Barriga Barros (auth.) سری: Studies in Computational Intelligence 342 ISBN (شابک) : 3642180833, 9783642180835 ناشر: Springer-Verlag Berlin Heidelberg سال نشر: 2011 تعداد صفحات: 328 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 مگابایت
کلمات کلیدی مربوط به کتاب استخراج و کنترل ترافیک شبکه توسط هوش محاسباتی: هوش محاسباتی، هوش مصنوعی (شامل رباتیک)، مهندسی ارتباطات، شبکه ها، برنامه های کاربردی سیستم های اطلاعاتی (شامل اینترنت)
در صورت تبدیل فایل کتاب Mining and Control of Network Traffic by Computational Intelligence 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 استخراج و کنترل ترافیک شبکه توسط هوش محاسباتی 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.
همانند سایر سیستم های پیچیده در علوم اجتماعی و طبیعی و همچنین
در
مهندسی، درک اینترنت از نقطه نظر فنی دشوار است. شبکه های سوئیچ
بسته از مدل سازی تحلیلی سرپیچی می کنند.
اینترنت به دلیل توسعه
سریع، ناهمگونی بی نظیر و فقدان ذاتی
مکانیسم های اندازه گیری و نظارت در مفهوم اصلی آن، موردی
برجسته و چالش برانگیز است.
این تک نگاری به این موضوع می پردازد. کاربرد روشهای هوش
محاسباتی، با تأکید بر تکنیکهای فازی، برای تعدادی از مسائل
جاری در اندازهگیری، تحلیل و کنترل ترافیک در
اینترنت. ابتدا، بلوک های ساختمان اصلی علم اینترنت و سایر جنبه
های شبکه مرتبط معرفی می شوند. سپس به مشکلات داده کاوی و کنترل
پرداخته می شود. در کلاس اول دو موضوع در نظر گرفته میشود:
مدلسازی پیشبینی بار ترافیک و همچنین خلاصهسازی
اندازهگیریهای جریان ترافیک. دسته دوم، کنترل، شامل طرحهای
مدیریت صف فعال برای روترهای اینترنت و همچنین کنترل نرخ و
تراکم مبتنی بر پنجره است. اجرای سخت افزاری عملی برخی از سیستم
های استنتاج فازی که در اینجا پیشنهاد شده اند نیز مورد توجه
قرار می گیرد. در حالی که برخی از پیشرفتهای نظری شرح داده
شدهاند، ما از ارزیابی گسترده مدلها با استفاده از دادههای
دنیای واقعی توسط شبیهسازی و آزمایشها حمایت میکنیم.
As other complex systems in social and natural sciences as
well as in
engineering, the Internet is hard to understand from a
technical point
of view. Packet switched networks defy analytical modeling.
The
Internet is an outstanding and challenging case because of
its fast
development, unparalleled heterogeneity and the inherent lack
of
measurement and monitoring mechanisms in its core conception.
This monograph deals with applications of computational
intelligence
methods, with an emphasis on fuzzy techniques, to a number of
current issues in measurement, analysis and control of
traffic in the
Internet. First, the core building blocks of Internet Science
and
other related networking aspects are introduced. Then, data
mining and control problems are addressed. In the first class
two issues are
considered: predictive modeling of traffic load as well
as
summarization of traffic flow measurements. The second class,
control, includes active queue management schemes for
Internet routers as well as window based end-to-end rate and
congestion control. The practical hardware implementation of
some of the fuzzy inference systems proposed here is also
addressed. While some theoretical developments are described,
we favor extensive evaluation of models using real-world data
by simulation and experiments.
Front Matter....Pages -
Internet Science....Pages 1-51
Modeling Time Series by Means of Fuzzy Inference Systems....Pages 53-85
Predictive Models of Network Traffic Load....Pages 87-145
Summarization and Analysis of Network Traffic Flow Records....Pages 147-189
Inference Systems for Network Traffic Control....Pages 191-262
Open FPGA-Based Development Platform for Fuzzy Inference Systems....Pages 263-304
Back Matter....Pages -