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: Samuel Kounev and Jeffrey O. Kephart
سری:
ناشر: Springer
سال نشر: 2017
تعداد صفحات: 720
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 18 مگابایت
در صورت تبدیل فایل کتاب Self-Aware Computing Systems 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 سیستم های محاسباتی خودآگاه 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 تعاریف و طبقه بندی های رسمی و غیررسمی را برای سیستم
های محاسباتی خودآگاه ارائه می دهد و توضیح می دهد که چگونه
محاسبات خودآگاه با بسیاری از زیرشاخه های موجود علوم کامپیوتر،
به ویژه مهندسی نرم افزار، ارتباط دارد. معماری ها و الگوریتم های
سیستم های خودآگاه و همچنین مزایا و مشکلات خودآگاهی را توصیف می
کند و بسیاری از آخرین تحقیقات مرتبط را در طیف گسترده ای از رشته
ها، از جمله چالش های تحقیقاتی باز، مرور می کند.
فصول این کتاب در پنج بخش مقدمه، معماری سیستم، روشها و
الگوریتمها، کاربردها و مطالعات موردی و چشمانداز تنظیم شده
است. بخش اول مقدمهای ارائه میکند که سیستمهای محاسباتی
خودآگاه را از منظرهای متعدد تعریف میکند، و یک تعریف رسمی، یک
طبقهبندی و مجموعهای از سناریوهای مرجع را ایجاد میکند که به
یکپارچهسازی فصلهای باقیمانده کمک میکند. در مرحله بعد، قسمت
دوم معماریهای سیستمهای محاسباتی خودآگاه را بررسی میکند،
مانند مفاهیم و نشانههای عمومی که به طیف وسیعی از معماریهای
سیستم خودآگاه اجازه میدهد تا با هر دو سیستم جدا شده و متقابل
مقایسه شوند. همچنین وضعیت فعلی معماریهای مرجع، چارچوبهای
معماری و زبانهای سیستمهای خودآگاه را بررسی میکند.
بخش سوم بر روی روشها و الگوریتمهای سیستمهای محاسباتی خودآگاه
با پرداختن به مسائل مربوط به طراحی سیستم، مانند مدلسازی، سنتز
و تأیید تمرکز دارد. همچنین موضوعاتی مانند سازگاری، معیارها و
معیارها را بررسی می کند. سپس بخش چهارم کاربردها و مطالعات موردی
را در حوزههای مختلف از جمله محاسبات ابری، مراکز داده،
سیستمهای فیزیکی سایبری، و میزان اتخاذ رویکردهای محاسباتی
خودآگاه در این حوزهها ارائه میکند. در نهایت، قسمت پنجم
چالشهای باز و جهتگیریهای تحقیقاتی آینده را برای سیستمهای
محاسباتی خودآگاه بررسی میکند.
این کتاب میتواند بهعنوان یک کتاب راهنما برای متخصصان و
محققانی که در زمینههای مرتبط با محاسبات خودآگاه کار میکنند،
استفاده شود، و همچنین میتواند به عنوان یک کتاب راهنما برای
متخصصان و محققانی که در زمینههای مرتبط با محاسبات خودآگاه کار
میکنند، استفاده شود. یک کتاب درسی پیشرفته برای مدرسان و
دانشجویان تحصیلات تکمیلی که موضوعاتی مانند مهندسی نرم افزار
پیشرفته، محاسبات خودکار، سیستم های خود تطبیقی و مدیریت منابع
مرکز داده را مطالعه می کنند. هر فصل تا حد زیادی مستقل است و
منابع زیادی را برای هر کسی که مایل به پیگیری عمیق تر موضوع است
ارائه می دهد.
This book provides formal and informal definitions and
taxonomies for self-aware computing systems, and explains how
self-aware computing relates to many existing subfields of
computer science, especially software engineering. It describes
architectures and algorithms for self-aware systems as well as
the benefits and pitfalls of self-awareness, and reviews much
of the latest relevant research across a wide array of
disciplines, including open research challenges.
The chapters of this book are organized into five parts:
Introduction, System Architectures, Methods and Algorithms,
Applications and Case Studies, and Outlook. Part I offers an
introduction that defines self-aware computing systems from
multiple perspectives, and establishes a formal definition, a
taxonomy and a set of reference scenarios that help to unify
the remaining chapters. Next, Part II explores architectures
for self-aware computing systems, such as generic concepts and
notations that allow a wide range of self-aware system
architectures to be described and compared with both isolated
and interacting systems. It also reviews the current state of
reference architectures, architectural frameworks, and
languages for self-aware systems.
Part III focuses on methods and algorithms for self-aware
computing systems by addressing issues pertaining to system
design, like modeling, synthesis and verification. It also
examines topics such as adaptation, benchmarks and metrics.
Part IV then presents applications and case studies in various
domains including cloud computing, data centers, cyber-physical
systems, and the degree to which self-aware computing
approaches have been adopted within those domains. Lastly, Part
V surveys open challenges and future research directions for
self-aware computing systems.
It can be used as a handbook for professionals and researchers
working in areas related to self-aware computing, and can also
serve as an advanced textbook for lecturers and postgraduate
students studying subjects like advanced software engineering,
autonomic computing, self-adaptive systems, and data-center
resource management. Each chapter is largely self-contained,
and offers plenty of references for anyone wishing to pursue
the topic more deeply.