ترجمه فارسی مقاله ازدحام یا عدم ازدحام: شناسایی و پیشبینی از دست رفتن بستهها با استفاده از یادگیری ماشین
| عنوان مقاله به انگلیسی | Congestion or No Congestion: Packet Loss Identification and Prediction Using Machine Learning |
| عنوان مقاله به فارسی | ازدحام یا عدم ازدحام: شناسایی و پیشبینی از دست رفتن بستهها با استفاده از یادگیری ماشین |
| نویسندگان | Inayat Ali, Seungwoo Hong, Taesik Cheung |
| فرمت مقاله انگلیسی | |
| تعداد صفحات | 5 |
| دسته بندی موضوعات | Networking and Internet Architecture,شبکه سازی و معماری اینترنت , |
| توضیحات | Submitted 9 August, 2024; v1 submitted 6 August, 2024; originally announced August 2024. , Comments: to be published in IEEE PlatCon-2024 |
| توضیحات به فارسی | ارسال شده در 9 اوت 2024 ؛V1 ارسال شده در 6 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: برای انتشار در IEEE PLATCON-2024 |
قیمت: 19,000 تومان
سفارش
با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش میدهید.
قیمت: 200,000 تومان
زمان تحویل: 2 تا 3 روز کاری
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
- این محصول به صورت فایل دانلودی کامل ارائه میشود.
- توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
- دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
- برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
- اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی:
واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248
تلگرام: @ma_limbs
چکیده
Packet losses in the network significantly impact network performance. Most TCP variants reduce the transmission rate when detecting packet losses, assuming network congestion, resulting in lower throughput and affecting bandwidth-intensive applications like immersive applications. However, not all packet losses are due to congestion; some occur due to wireless link issues, which we refer to as non-congestive packet losses. In today's hybrid Internet, packets of a single flow may traverse wired and wireless segments of a network to reach their destination. TCP should not react to non-congestive packet losses the same way as it does to congestive losses. However, TCP currently can not differentiate between these types of packet losses and lowers its transmission rate irrespective of packet loss type, resulting in lower throughput for wireless clients. To address this challenge, we use machine learning techniques to distinguish between these types of packet losses at end hosts, utilizing easily available features at the host. Our results demonstrate that Random Forest and K-Nearest Neighbor classifiers perform better in predicting the type of packet loss, offering a promising solution to enhance network performance.
چکیده به فارسی (ترجمه ماشینی)
تلفات بسته در شبکه به طور قابل توجهی بر عملکرد شبکه تأثیر می گذارد.بیشتر انواع TCP هنگام تشخیص تلفات بسته ، نرخ انتقال را کاهش می دهد ، با فرض احتقان شبکه ، و در نتیجه عملکردهای فشرده پهنای باند مانند برنامه های غوطه وری تأثیر می گذارد.با این حال ، همه تلفات بسته به دلیل احتقان نیست.برخی از آنها به دلیل مشکلات پیوند بی سیم رخ می دهد ، که ما از آن به عنوان ضرر بسته های غیر کنگره یاد می کنیم.در اینترنت هیبریدی امروز ، بسته های یک جریان ممکن است بخش های سیمی و بی سیم یک شبکه را طی کند تا به مقصد خود برسد.TCP نباید نسبت به ضرر و زیان بسته های غیر کنگره به همان روشی که برای خسارات احتقانی انجام می دهد واکنش نشان دهد.با این حال ، TCP در حال حاضر نمی تواند بین این نوع تلفات بسته تمایز قائل شود و بدون در نظر گرفتن نوع از دست دادن بسته ، میزان انتقال آن را کاهش می دهد و در نتیجه توان کمتری برای مشتری های بی سیم ایجاد می شود.برای پرداختن به این چالش ، ما از تکنیک های یادگیری ماشین برای تمایز بین این نوع ضررهای بسته در میزبان های نهایی استفاده می کنیم و از ویژگی های به راحتی در دسترس در میزبان استفاده می کنیم.نتایج ما نشان می دهد که طبقه بندی کننده های همسایه Forest و K-Nearest در پیش بینی نوع از دست دادن بسته عملکرد بهتری دارند و یک راه حل امیدوارکننده برای تقویت عملکرد شبکه ارائه می دهند.📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
- این محصول به صورت فایل دانلودی کامل ارائه میشود.
- توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
- دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
- برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
- اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی:
واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248
تلگرام: @ma_limbs
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.