Slackaware Scheduling Coarse Grained Reconfigurable Arrays
Slack-aware Scheduling on Coarse Grained Reconfigurable Arrays
Abstract—Coarse Grained Reconfigurable Arrays (CGRAs) are a promising class of architectures conjugating flexibility and efficiency. Devising effective methodologies to map applications onto CGRAs is a challenging task, due to their parallel execution paradigm and sparse interconnection topology. In this paper we present a scheduling framework that is able to efficiently map operations on CGRA architectures. It leverages differences in delays of various operations, which a reconfigurable architecture always exhibits at run-time, to effectively route data. We call this ability “slack-awareness”. Experimental evidence showcases the benefit of slack-aware scheduling in a coarse-grained reconfigurable environment, as more complex applications can be mapped for a given mesh size and more efficient schedules can be achieved, compared to the state of the art methods.
برنامه ریزی زمانی اسلک-آگاه در آرایههای دانه درشتِ با قابلیت پیکربندی مجدد
چکیده
آرایه های دانه درشتِ با قابلیت پیکربندی مجدد (CGRA ها) معماری نویدبخشی هستند که انعطافپذیری و بازدهرا به همراه یکدیگر دارند. به دلیلِ اجرای موازی و توپولوژی پراکندهیاتصال داخلی در این معماریها، ابداع روششناسیِ کارآمد برای نگاشت اپلیکیشنها بر رویCGRA ها کاری دشوار است. در این مقاله، چارچوب زمانبندی را پیشنهاد میکنیم که قادر به نگاشت موثرِ عملیات بر رویمعماریهایCGRA است. این چارچوب تأخیرهای متفاوتِ عملیات گوناگون را کهیک معماری باپیکربندی مجددقادر است تا همیشه در زمان اجرا مشخص کند برای مسیریابی دادهها به صورت کارآمد در نظر میگیرد. این قابلیت را «اسلک آگاه» میخوانیم. شواهد تجربی مزایای زمانبندی اسلک آگاه را در آرایههای دانه درشتی با قابلیت پیکربندی مجدد نشان میدهد. زمانبندی اسلک آگاه در قیاس با پیشرفتهترین روشهای زمانبندی، اپلیکیشنهای پیچیدهتری را برای اندازۀ مش معین نگاشت میکند و به زمانبندیهای موثرتری دست مییابد.
مشخصات فروشنده
نام و نام خانوادگی : جعفر علایی
شماره تماس : 09147457274 - 04532722652
ایمیل :ja.softeng@gmail.com
سایت :sidonline.ir
برای خرید و دانلود فایل و گزارش خرابی از لینک های روبرو اقدام کنید...
پرداخت و دانلودگزارش خرابی و شکایت از فایلدانلود پاور پوینت تحقیق درباره انواع تبلت ها به صورت کامل
این مجموعه 31 صفحه ای که برای ارائه کاملا آمده است شامل موارد زیر مکی باشد
تاریخچه تبلت‌ها
تبلت
چه چیزی تبلت‌ها را نازک کرده است؟
انواع Tablet PC
Slate - لوح
Convertibles - قابل تبدیل
Hybrid - ترکیبی
کار با تبلت ها صفحه لمسی :
سیستم عامل در تبلت ها
توانایی های نرم افزاری
اینترنت
کتابخانه الکترونیکی
سرگرمی و تبلت ورودی ها و خروجی های تبلت
آی‌پد (iPad)
صفحه نمایش iPad
نرم‌افزار های داخلی آی‌پد (iPad)
گلکسی تب
منابع
مشخصات فروشنده
نام و نام خانوادگی : جعفر علایی
شماره تماس : 09147457274 - 04532722652
ایمیل :ja.softeng@gmail.com
سایت :sidonline.ir
برای خرید و دانلود فایل و گزارش خرابی از لینک های روبرو اقدام کنید...
پرداخت و دانلودگزارش خرابی و شکایت از فایلIndex TermsBiologically Inspired Machine Learning WSN Human Immune System Security
IEEE 2014
Novel Approach for Security in Wireless Sensor Network using Bio-Inspirations
Abstract-Exploring the symbiotic nature of biological systems can result in valuable knowledge for computer networks. Biologically inspired approaches to security in networks are interesting to evaluate because of' the analogies between network security and survival of human body under pathogenic attacks. Wireless Sensor Network (WSN) is a network based on multiple low-cost communication and computing devices connected to sensor nodes which sense physical parameters. While the spread of viruses in wired systems has been studied in-depth, applying trust in WSN is an emerging research area. Security threats can be introduced in WSN through various means, such as a benevolent sensor node turning fraudulent after a certain period of' time. The proposed research work uses biological inspirations and machine learning techniques for adding security against such threats. While it uses machine learning techniques to identify the fraudulent nodes, consecutively by deriving inspiration from human immune system it effectively nullify the impact of the fraudulent ones on the network. Proposed work has been implemented in Lab VIEW platform and obtained results that demonstrate the accuracy, robustness of the proposed model. .
روشی جدید برای امنیت شبکه حسگر بیسیم با استفاده از زیست الهامی
چکیده
بررسی طبیعت همزیستی سیستمهای بیولوژیکی ممکن است به دانش ارزشمندی برای شبکههای کامپیوتری منجر شود. رویکردهایی که از زیست الهام گرفتهاند بدلیل تشابهاتی بین امنیت شبکه و زنده ماندن بدن انسان تحت حملات پاتوژنیک برای ارزیابی شبکهها جالب هستند. شبکهی حسگر بیسیم (WSN) شبکهای بر مبنای چند ارتباط کم هزینه و دستگاههای فیزیکی متصل به گرههای حسگر است که پارامترهای فیزیکی هستند. در حالیکه گسترش ویروسها در سیستمهای سیمی بطور کامل مطالعه شده است، استفاده از اعتماد[1]در WSN زمینهی تحقیقاتی در حال ظهوری است. تهدیدات امنیتی ممکن است به طرق مختلفی مثلاگره حسگر خیراندیش[2] که پس از دورهی زمانی خاصی متقلب را تغییر میدهد وارد WSNشود. تحقیق پیشنهادی از الهامات بیولوژیکی و روشهای یادگیری ماشین برای افزودن امنیت در برابر چنین خطراتی استفاده میکند. در حالیکه این تحقیق از روشهای یادگیری ماشین برای تعریف گرههای متقلب استفاده میکند، که با بطور پیوسته با استخراج الهام از سیستم ایمنی انسان میتواند اثر گرههای متقل را بر روی شبکه خنثی کند. تحقیق پیشنهادی در پلتفرم LabVIEW پیاددهسازی شده است و نتایج بدست آمده حاکی از دقت و قدرتمندی مدل پیشنهادی
مشخصات فروشنده
نام و نام خانوادگی : جعفر علایی
شماره تماس : 09147457274 - 04532722652
ایمیل :ja.softeng@gmail.com
سایت :sidonline.ir
برای خرید و دانلود فایل و گزارش خرابی از لینک های روبرو اقدام کنید...
پرداخت و دانلودگزارش خرابی و شکایت از فایلMultilabel CNN Based Pedestrian Attribute Learning for
IEEE-ICB 2015
Multi-label CNN Based Pedestrian Attribute Learning for Soft Biometrics
Abstract Recently, pedestrian attributes like gender, age and clothing etc., have been used as soft biometric traits for recognizing people. Unlike existing methods that assume the independence of attributes during their prediction, we propose a multi-label convolutional neural network (MLCNN) to predict multiple attributes together in a unified framework. Firstly, a pedestrian image is roughly divided into multiple overlapping body parts, which are simultaneously integrated in the multi-label convolutional neural network. Secondly, these parts are filtered independently and aggregated in the cost layer. The cost function is a combination of multiple binary attribute classification cost functions. Moreover, we propose an attribute assisted person reidentification method, which fuses attribute distances and low-level feature distances between pairs of person images to improve person re-identification performance. Extensive experiments show: 1) the average attribute classification accuracy of the proposed method is 5.2% and 9.3% higher than the SVM-based method on three public databases, VIPeR and GRID, respectively; 2) the proposed attribute assisted person re-identification method is superior to existing approaches.
یادگیری مشخصه ی عابر پیاده براساس CNN چند برچسبی برای بیومتریک نرم
چکیده
به تازگی، ویژگیهای عابر پیاده مثل جنس، سن و لباس و غیره، بهعنوان صفات بیومتریک نرم برای شناختن افراد استفاده شدهاند. برخلاف روشهای موجود که استقلال ویژگیها را در طول پیشبینی آنها در نظر میگیرد، یک شبکهی عصبی پیچیده چند برچسبی (MLCNN) را به منظور پیشبینی مشخصات متعدد همراه با هم در چارچوب یکپارچه ارائه میکنیم. ابتدا، تصویر عابر پیاده تقریبا به چند بخش همپوشانیکنندهی بدن تقسیم میشود، که بطور همزمان در شبکه عصبی پیچیدهی چند برچسبی ادغام میشوند. در مرحلهی دوم، این بخشها بطور مستقل در لایهی هزینه فیلتر و طبقهبندی میشوند. تابع هزینه ترکیبی از چند تابع هزینهی طبقهبندی ویژگی دودویی است. علاوه بر این، روش باز شناسایی شخص به کمک ویژگی را ارائه میکنیم، که فواصل ویژگی و فواصل ویژگی سطح پایین را بین جفت تصاویر فرد به منظور بهبود عملکرد بازشناسایی فرد ترکیب میکند. آزمایشهای گسترده نشان میدهند: 1) میانگین دقت طبقهبندی ویژگی روش ارائه شده به ترتیب 5.2% و 9.3% بیشتر از روش مبتنی بر SVM در سه پایگاه داده عمومی، VIPeR و GRID است، 2) روش پیشنهادی بازشناسایی فرد به کمک ویژگی نسبت به روشهای دیگر برتری دارد.
یادگیری مشخصهی عابر پیاده براساس CNN چند برچسبی برای بیومتریک نرم چکیده به تازگی، ویژگیهای عابر پیاده مثل جنس، سن و لباس و غیره، بهعنوان صفات بیومتریک نرم برای شناختن افراد استفاده شدهاند. برخلاف روشهای موجود که استقلال ویژگیها را در طول پیشبینی آنها در نظر میگیرد، یک شبکهی عصبی پیچیده چند برچسبی (MLCNN ) را به منظور پیشبینی مشخصات متعدد همراه با هم در چارچوب یکپارچه ارائه میکنیم. ابتدا، تصویر عابر پیاده تقریبا به چند بخش همپوشانیکنندهی بدن تقسیم میشود، که بطور همزمان در شبکه عصبی پیچیدهی چند برچسبی ادغام میشوند. در مرحلهی دوم، این بخشها بطور مستقل در لایهی هزینه فیلتر و طبقهبندی میشوند. تابع هزینه ترکیبی از چند تابع هزینهی طبقهبندی ویژگی دودویی است. علاوه بر این، روش باز شناسایی شخص به کمک ویژگی را ارائه میکنیم، که فواصل ویژگی و فواصل ویژگی سطح پایین را بین جفت تصاویر فرد به منظور بهبود عملکرد بازشناسایی فرد ترکیب میکند. آزمایشهای گسترده نشان میدهند: 1) میانگین دقت طبقهبندی ویژگی روش ارائه شده به ترتیب 5.2% و 9.3% بیشتر از روش مبتنی بر SVM در سه پایگاه داده عمومی، VIPeR و GRID است، 2) روش پیشنهادی بازشناسایی فرد به کمک ویژگی نسبت به روشهای دیگر برتری دارد.
مشخصات فروشنده
نام و نام خانوادگی : جعفر علایی
شماره تماس : 09147457274 - 04532722652
ایمیل :ja.softeng@gmail.com
سایت :sidonline.ir
برای خرید و دانلود فایل و گزارش خرابی از لینک های روبرو اقدام کنید...
پرداخت و دانلودگزارش خرابی و شکایت از فایلData mining (DM) educational data mmmg (EDM) educational systems knowledge discovery Business Intelligence
2014 IEEE
Data Mining Techniques for Business Intelligence in Educational System: A Case Mining
Abstract- In an educational system, monitoring the progress of students academic performance is a challenging issue. Currently there is an increasing interest in data mining and educational systems leading to the development of educational data mining. It helps in evaluating progression in an academic environment. In this paper, we have implemented Apriori algorithm for analysing student's result data, in order to monitor the progression of academic performance of students for the purpose of making an effective decision by the academic planners. This leads to better results thereby increasing the profitability of the educational institutions specially in the private institutions
تکنیکهای داده کاوی برای هوش کسب و کار در سیستم آموزشی: کاوش موردی
چکیده
در سیستم آموزشی، نظارت بر پیشرفت علمی دانشآموزان مسالهی چالش برانگیزی است. هم اکنون توجه روز افزونی بر دادهکاوی و سیستمهای که منجر به پیشرفت دادهکاوی آموزشی میشوند وجود دارد. این امر به ارزیابی پیشرفت در محیط آموزشی میشود. در این مقاله، از الگوریتم آپریوری برای آنالیز دادههای نتیجه (کارنامه) دانشآموز استفاده میشود تا بر پیشرفت علمی دانشآموزان با هدف تصمیمگیری موثر توسط طراحان علمی نظارت کرد. این امر منجر به نتایج بهتر شده و نتیجتا مفید بودن موسسات آموزشی بخصوص موسسات خصوصی را در پی دارد.
..
مشخصات فروشنده
نام و نام خانوادگی : جعفر علایی
شماره تماس : 09147457274 - 04532722652
ایمیل :ja.softeng@gmail.com
سایت :sidonline.ir
برای خرید و دانلود فایل و گزارش خرابی از لینک های روبرو اقدام کنید...
پرداخت و دانلودگزارش خرابی و شکایت از فایل