ارائه یک روش نوین مبتنی بر الگوریتم Gossip Learning در مسئله تبادل منبع آینده نگر در سیستم های جریان سازی زنده نظیر به نظیر

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 639

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCCOS03_179

تاریخ نمایه سازی: 9 مرداد 1395

چکیده مقاله:

مساله پیش بینی گره های همسایه مناسب برای تبادل قطعه داده های موجود یکیازمسائل چالش برانگیز درطراحی سیستم های نظیر به نظیر کارا بودها ست که همواره توجهات زیادی رادرمباحث اکادمیک به خود جلب کرده است دراین مساله با داده های کاملا توزیع شده درگره ها روبرو هستیم این داده ها که بعضا جزو حریم خصوصی کاربران هستند ازشبکه روگستر نظیر به نظیر و شبه روگستر اجتماعی بالاتر ازآن بدست می ایند مانندتاریخچه فعالیت گره ها علاقمندی های کاربران و پروفایل آنها و ... گره ها نیازمند تبادل پیغام برایا نتخاب پگره های هدف مناسب برای انجام تبادل منبع هستند که این فرایند سبب افزایش پیغام ها و سربار اضافی دراین سیستم ها میشود درروش پیشنهادی باایجادمدلهایی درهرگره ازروی داده های محلی و ادغام این مدلها با مدلهای سایر گره ها براساس الگوریتم Gossip Learning علاوه برعدم انتقال داده های خام به منظور تامین حریم خصوصی کاربران و کاهش تعدادواندازه پیغام ها هرگره قابلیت یادگیری رفتارهای اتی سایرگره های موجود دریک سیستم نظیر به نظیر برای انتخاب بهترین همسایه ها برای تبادل منبع را پیدا می کند

کلیدواژه ها:

نویسندگان

مهرداد قاسمیان

دنشجوی کارشناسی ارشد مهندسی نرم افزار دانشگاه آزاد اسلامی واحد سنندج

عبدالباقی قادر زاده

عضوهیئت علمی دانشگاه آزاد اسلامی واحد سنندج