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: Dinesh Peter (editor). Steven L. Fernandes (editor)
سری:
ISBN (شابک) : 012819779X, 9780128197790
ناشر: Academic Press
سال نشر: 2020
تعداد صفحات: 151
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 8 مگابایت
در صورت تبدیل فایل کتاب Systems Simulation and Modeling for Cloud Computing and Big Data Applications (Volume 10) (Advances in ubiquitous sensing applications for healthcare (Volume 10), Band 10) 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 شبیه سازی و مدل سازی سیستم ها برای رایانش ابری و برنامه های کاربردی داده های بزرگ (جلد 10) (پیشرفت در کاربردهای سنجش همه جا برای مراقبت های بهداشتی (جلد 10) ، باند 10) 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.
شبیهسازی و مدلسازی سیستمها برای رایانش ابری و برنامههای کاربردی دادههای بزرگ جدیدترین رویکردها را برای حل مشکلات از طریق استفاده از مدلها و شبیهسازیها، ارائه رویکردهای مبتنی بر SSM برای آزمایش عملکرد و محکگذاری در اختیار خوانندگان قرار میدهد. مزایای قابل توجه به عنوان مثال، توسعه دهندگان و محققان برنامه های کاربردی ابری و داده های متعدد می توانند آزمایش ها را به شیوه ای قابل کنترل و تکرار انجام دهند. محققان با الهام از نیاز به تجزیه و تحلیل عملکرد پردازش های مختلف داده های بزرگ و چارچوب های ابری، چندین معیار از جمله BigDataBench، BigBench، HiBench، PigMix، CloudSuite و GridMix را معرفی کرده اند که همه در این کتاب پوشش داده شده اند.
با وجود پیشرفت قابل توجه، جامعه تحقیقاتی هنوز به یک SSM کل نگر و جامع برای استفاده در تقریباً هر رشته علمی و مهندسی که شامل تحقیقات چند رشته ای است نیاز دارد. SSM چارچوبهایی را توسعه میدهد که در سراسر رشتهها قابل اجرا هستند تا ابزارهای معیاری را توسعه دهند که در توسعه راهحلها مفید هستند.
Systems Simulation and Modelling for Cloud Computing and Big Data Applications provides readers with the most current approaches to solving problems through the use of models and simulations, presenting SSM based approaches to performance testing and benchmarking that offer significant advantages. For example, multiple big data and cloud application developers and researchers can perform tests in a controllable and repeatable manner. Inspired by the need to analyze the performance of different big data processing and cloud frameworks, researchers have introduced several benchmarks, including BigDataBench, BigBench, HiBench, PigMix, CloudSuite and GridMix, which are all covered in this book.
Despite the substantial progress, the research community still needs a holistic, comprehensive big data SSM to use in almost every scientific and engineering discipline involving multidisciplinary research. SSM develops frameworks that are applicable across disciplines to develop benchmarking tools that are useful in solutions development.
Front Matter Copyright Contributors Preface Differential color harmony: A robust approach for extracting harmonic color features and perceiving aesthetics in a large i... Introduction Related works Methodology Extracting differential harmonic color features Regression model design Dataset and user study Results and analysis Discussion and future work Acknowledgments References Physiological parameter measurement using wearable sensors and cloud computing Patient fall monitoring system Methodology ARM LPC2148 microcontroller ADXL 335 3-axis accelerometer Global positioning system Global system for mobile communications Interfacing ADXL335 accelerometer sensor with LPC2148 microcontroller Calibration Interfacing GPS and GSM with LPC2148 Monitoring of patient body temperature Methodology ESP8266 Wi-Fi module ATmega328 microcontroller LM393 thermistor module Software module ThingSpeak Experimental setup Results and discussion Vital parameter measurement using PPG signal Significance of remote patient monitoring Importance of PPG signal Experimental setup Oxygen saturation measurement using PPG signal SpO2 calculation Heart rate measurement using ECG signal Monitoring of ECG signal over wireless transmission Results and discussion Conclusion References Further reading Social media data analytics using feature engineering Introduction Social media data analytics Social media data format Feature representation Textual feature extraction Tokenization Token preprocessing Stemming and lemmatization Vectorization Term frequency-inverse document frequency Image feature extraction Color histogram features Histogram of oriented gradients features SURF features BRISK features Deep neural net architectures Autoencoders Network relation representation Adjacency matrix Edge list Adjacency list Clustering methods The k-means clustering algorithm Fuzzy c-means clustering algorithm Mean-shift clustering algorithm Expectation-maximization algorithm Hierarchical clustering algorithm DBSCAN algorithm OPTICS algorithm Multiple-machine clustering techniques Conclusion References A novel framework for quality care in assisting chronically impaired patients with ubiquitous computing and ambient intell ... Introduction The theoretical perspective of ubiquitous computing Wireless technologies Radio frequency identification (RFID) Bluetooth ZigBee Near field communication (NFC) Sensors Wearable technologies Human activity recognition Internet of Things Cloud computing Cognitive computing and big data analytics Ambient intelligence Research challenges Context awareness Security Heterogeneity Data management Scalability Reliability Existing technologies Telemedicine Smart healthcare PDA-based healthcare Ubiquitous healthcare Proposed framework Tier 1: Ubiquitous devices Tier 2: Edge computing Tier 3: Fog computing Tier 4: Cloud computing with big data and cognitive analytics Conclusion References Dynamic and static system modeling with simulation of an eco-friendly smart lighting system Introduction Related work Modeling a smart street-lighting system Factors influencing smart lighting System modeling Luminaire modeling Zone modeling Duration modeling Static and dynamic CEFRAS TOPSIS Static-CEFRAS Dynamic-CEFRAS Simulation analysis and results Active duration analysis Power utilization analysis Lifetime analysis Conclusion References Predictive analysis of diabetic women patients using R Introduction Type 1 diabetes Type 2 diabetes [1] Gestational diabetes Literature survey Proposed work Attributes Predictive models Logistic regression model Implementing the logistic regression model Decision tree Implementing the decision tree model Random forest model Implementing random forest model Support vector machine Implementing support vector model Comparing the four models Experimental analysis Conclusion and future enhancements Acknowledgment References Further reading IoT-based smart mirror for health monitoring Introduction Literature review Benchmarks Proposed system Components One-way mirror Display Raspberry Pi Microphones Frame and support Sensors Modules Mirror surface module Sensing module Storage module Communication module Conclusion References Discovering human influenza virus using ensemble learning Introduction Literature survey Proposed work Data collection Feature extraction Element periodicity Subsequence periodicity Latent periodicity Amino acid composition Composition/transition/distribution Lengthpep Molecular weight pI Z-scales Dataset Ensemble learning classifiers Experiments and results Comparative analysis Conclusion References Further reading Mining and monitoring human activity patterns in smart environment-based healthcare systems Introduction Literature review Impulse-based Markov model Summary and conclusion References Index A B C D E F G H I K L M O P R S T U W Z