Modelling and Implementation of Complex Systems: Proceedings of the 7th International Symposium, MISC 2022, Mostaganem, Algeria, October 30‐31, 2022 (Lecture Notes in Networks and Systems, 593)

پیشرفت هوش مصنوعی در طراحی سیستم های پیچیده در زندگی روزمره ما، محققان را در سراسر جهان بر آن داشته است تا این الگو را در کار خود ادغام کنند. از شهروندان ساده گرفته تا صنعتگران بزرگ، از جمله دانشگاهیان و سیاستمداران، اشتیاق زیادی برای هوشمندسازی همه اشیا وجود دارد. این امر جامعه علمی را به توسعه سیستم های هوشمند پیچیده و سازگار با سیستم های مختلف زندگی واقعی سوق داده است. این کتاب که مجموعه ای منتخب از مقالات پژوهشی پذیرفته شده توسط کمیته برنامه بین المللی هفتمین سمپوزیوم بین المللی مدل سازی و پیاده سازی سیستم های پیچیده (MISC 2022) است، سهم خود را در این زمینه وسیع دارد و به موضوعاتی می پردازد که به همان اندازه جالب هستند. برای زندگی شهروندان مفید هستند، یعنی

در مراقبت های بهداشتی: سیستم های نظارت بر سلامت برای بیماران قلبی، مدلی برای پیش بینی بیماری های قلبی عروقی، تشخیص زودهنگام دیابت، غربالگری COVID-19 از صدای سرفه و تشخیص در بیماری‌های همه‌گیرشناسی متن الجزایری.

در کشاورزی 5.0: جدول زمانی پرکاربردترین معماری‌های اینترنت اشیا و شناسایی گیاهان.

در رباتیک: کنترل بصری در زمان واقعی ربات EV3 موبایل در یک محیط داخلی.

در رسانه های اجتماعی: شناسایی شایعات در شبکه های اجتماعی.

در اکوسیستم اینترنت اشیا، شبکه‌ها و رایانش ابری: فناوری‌ها و پروتکل‌ها، معماری‌ها و مدل‌سازی برنامه‌های کاربردی اینترنت اشیا به نام شبکه داده (NDN) برای اینترنت اشیا اضطراری، مشکل قرار دادن ایستگاه های پایه حمل و نقل هوایی بدون سرنشین (UAV-BSs) در شبکه های 5G، تخصیص وظایف ارسالی به منابع موجود در محیط رایانش ابری، ارائه مسیرها در حضور موانع، و جنبه‌های امنیتی.

در نهایت، خواننده با استفاده از تکنیک‌های زیر که در فصل‌های مختلف توسعه یافته‌اند، نحوه برخورد با مسائل را حتی اگر راه‌حل‌های الگوریتمی یا دقیقی نداشته باشند، پیدا می‌کند. این کتاب: مدل‌های عمیق CNN و مدل‌های متراکم CNN، شبیه‌سازی داوطلبانه، بهینه‌ساز گرگ خاکستری ترکیبی (GWO)، بهینه‌ساز چند وجهی (MVO)، الگوریتم بهینه‌ساز ایمنی گله کروناویروس (CHIO)، تکامل دیفرانسیل چند جمعیتی، فرمالیسم گرافیکی با یادگیری ماشین و شبکه پتری رنگ، و توسعه BPMN 2.0.

The breakthrough of AI in the design of complex systems in our daily lives has prompted researchers around the world to integrate this paradigm into their work. From simple citizens to large industrialists, including academics and politicians, there is a great enthusiasm for making all objects intelligent. This has led the scientific community to develop complex intelligent systems adaptable to different real-life systems. This book, which is a selective collection of research papers accepted by the international program committee of the 7th international symposium on Modeling and Implementation of Complex Systems (MISC 2022), makes its contribution in this vast field and addresses subjects that are as interesting as they are useful to the citizen life, namely

In healthcare: health monitoring systems for heart patients, a model for cardiovascular disease prediction, early diabetic detection, COVID-19 screening from cough sound, and detection in epidemiological diseases.

In natural language processing: summarization of major Arabic machine translation corpora, impact of normalization, and data augmentation on named entity recognition (NER) task on Algerian text.

In Agriculture 5.0: schedule of the most widely used IoT architectures and plant recognition.

In robotics: visually real-time control of a mobile EV3 robot in an indoor environment.

In social media: the identification of rumors on social networks.

In computer vision and biometrics: illumination-robust face recognition system.

In IoT ecosystem, networks and cloud computing: technologies and protocols, architectures and modeling IoT applications, Named Data Networking (NDN) for the emergent IoT, unmanned aerial vehicle carried base stations (UAV-BSs) placement problem in 5G networks, assignment of the submitted tasks to the available resources in a cloud computing environment, providing routes in the presence of obstacles, and security aspects.

Finally, the reader finds how to approach problems even if they have no algorithmic or no exact solution by using the following techniques developed in the different chapters of this book: deep CNN models and dense CNN models, voluntary simulation, hybrid gray wolf optimizer (GWO), multi-verse optimizer (MVO), coronavirus herd immunity optimizer (CHIO) algorithm, multi-population differential evolution, graphical formalism with machine learning and Color Petri Nets, and extension of BPMN 2.0.