98 صفحهPDF
IEC/TR 60919:2-2013-Performance of high-voltage direct current (HVDC) systems with linecommutated converters– Part 1: Steady-state conditions
برآوردی بر قابلیت اطمینان در سیستم های توزیع شده
Department of Computer Science and Technology, Tsinghua University, Beijing, China
چکیــده
قابلیت اطمینان نرم افزار در سیستم های توزیع شده همیشه به عنوان یک نگرانی مهم برای ذینفعان به خصوص فروشندگان و کاربران برنامه های کاربردی بوده است. مدل های گوناگون برای ارزیابی یا پیش بینی قابلیت اعتماد برنامه های کاربردی توزیع شده در مقیاس بزرگ تولید شده اند، از جمله دولت الکترونیک، تجارت الکترونیک، خدمات چندرسانه ای و راه حل های خودکار نظیر به نظیر، اما مسئله قابلیت اطمینان با وجود این سیستم ها همچنان وجود دارد. تامین قابلیت اطمینان سیستم های توزیع شده در برخی موارد نیازمند بررسی تکی هر مولفه یا فاکتور، شامل اجرای برنامه های کاربردی توزیع شده قبل از پیش بینی یا ارزیابی قابلیت اطمینان کل سیستم، و رویه کشف خطا و طرح بازیابی خطا برای تراکنش های یکپارچه برای کاربران نهایی است. به این دلیل ما متودولوژی های قابلیت اطمینان موجود را از نقطه نظر ارزیابی قابلیت اطمینان مولفه های تکی تجزیه و تحلیل می کنیم و توضیح می دهیم که چرا ما هنوز به دنبال یک مدل قابلیت اطمینان جامع برای برنامه های کاربردی اجرا شده در سیستم های توزیع شده هستیم.
ISO/IEC DIS 23001-7:2014-Information technology — MPEG systems technologies — Part 7: Common encryption in ISO base media file format files
Recommender systems try to predict users' preferences for certain items,
given a set of historical data. Multiple dierent techniques are available that
make these systems accurate and one of them that delivers promising results
is matrix factorization. This thesis explores how these systems work and
presents a method to incorporate contextual data into a factorization technique
to get predictions based on context. Specically, a music recommender
based on Candecomp/Parafac tensor factorization is proposed that uses implicit
feedback collected from music listeners. The results are empirically
tested and compared with other non-contextual recommender techniques.
The prediction quality of the matrix factorization technique is unfortunately
not improved by our proposed tensor factorization recommender on the used
Last.fm dataset. However, an adjusted dataset with articially made contextual
data does get better results, but this may not re
ect a real-world
situation.
عناصر سیستم :
عناصر هر سیستم همان اجزای تشکیل دهنده ( یا رخداد های قابل توصیف ) آن هستند . البته بسیاری از این عناصر ، خودشان یک سیستم بحساب می آیند . برای مثال ، یک کلاس درس را یک سیستمی متشکل از دانشجویان ، استاد ، میز ، کتاب و غیره دانسته اند . در حالی که دانشجویان و اساتید نیز سیستم های بسیار پیچیده هایی هستند که از سیستم های متعدد تشکیل شده اند هنگامی که بتوان عنصر از یک سیستم را به منزله سیستمی جداگانه در نظر گرفت ، آن عنصر «خرده سیستمی » از سیستم بزرگ تلقی می شود هر خرده سیستم نیز به منزله یک سیستم ممکن است از خرده سیستم های دیگر تشکیل شده باشد همانطور که ذکر شد فقط به رخدادهایی قابل توصیف را به منزله عناصر شناخته شده سیستم به شمار می آوریم و هنگامی که نتوانیم درون یا محتوای یک خرده سیستم را شناسایی کنیم آن را « جعبه سیاه » می نامیم . جعبه های سیاه ، عناصر ضروری اولیه یا اتم های اولیه تشکیل دهنده یک سیستم هستند . یک نگرش ایستا ، عناصر هر سیستم ، همان بخش هایی هستند که سیستم را تشکیل می دهند . در حالی که در یک نگرش کارکردی ، بخشهایی که وظایف اساسی سیستم را بر عهده دارند ، عناصر آن هستند . به این ترتیب عناصر یک سیستم ، عبارتند :