ترجمه فارسی مقاله مدل‌سازی الگوهای ترافیک اینترنت اشیا: بینش‌هایی از تجزیه و تحلیل آماری مجموعه داده‌های MTC

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Modeling IoT Traffic Patterns: Insights from a Statistical Analysis of an MTC Dataset
عنوان مقاله به فارسی مدل‌سازی الگوهای ترافیک اینترنت اشیا: بینش‌هایی از تجزیه و تحلیل آماری مجموعه داده‌های MTC
نویسندگان David E. Ruiz-Guirola, Onel L. A. Løpez, Samuel Montejo-Sanchez
فرمت مقاله انگلیسی PDF
تعداد صفحات 25
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Systems and Control,Machine Learning,سیستم ها و کنترل , یادگیری ماشین ,
توضیحات Submitted 3 September, 2024; originally announced September 2024. , Comments: SSRN:4655476
توضیحات به فارسی ارسال شده در 3 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد. ، نظرات: SSRN: 4655476
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 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.

🎯 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

The Internet-of-Things (IoT) is rapidly expanding, connecting numerous devices and becoming integral to our daily lives. As this occurs, ensuring efficient traffic management becomes crucial. Effective IoT traffic management requires modeling and predicting intrincate machine-type communication (MTC) dynamics, for which machine-learning (ML) techniques are certainly appealing. However, obtaining comprehensive and high-quality datasets, along with accessible platforms for reproducing ML-based predictions, continues to impede the research progress. In this paper, we aim to fill this gap by characterizing the Smart Campus MTC dataset provided by the University of Oulu. Specifically, we perform a comprehensive statistical analysis of the MTC traffic utilizing goodness-of-fit tests, including well-established tests such as Kolmogorov-Smirnov, Anderson-Darling, chi-squared, and root mean square error. The analysis centers on examining and evaluating three models that accurately represent the two most significant MTC traffic types: periodic updating and event-driven, which are also identified from the dataset. The results demonstrate that the models accurately characterize the traffic patterns. The Poisson point process model exhibits the best fit for event-driven patterns with errors below 11%, while the quasi-periodic model fits accurately the periodic updating traffic with errors below 7%.

چکیده به فارسی (ترجمه ماشینی)

اینترنت از این (IoT) به سرعت در حال گسترش است ، دستگاه های بی شماری را به هم وصل می کند و به زندگی روزمره ما تبدیل می شود.با این اتفاق ، اطمینان از مدیریت کارآمد ترافیک بسیار مهم است.مدیریت مؤثر در ترافیک IoT نیاز به مدل سازی و پیش بینی پویایی ارتباطات از نوع ماشین (MTC) دارد که تکنیک های یادگیری ماشین (ML) مطمئناً جذاب است.با این حال ، به دست آوردن مجموعه داده های جامع و با کیفیت بالا ، به همراه سیستم عامل های در دسترس برای بازتولید پیش بینی های مبتنی بر ML ، همچنان مانع پیشرفت تحقیق می شود.در این مقاله ، هدف ما این است که با توصیف مجموعه داده های Smart Campus MTC که توسط دانشگاه اوولو تهیه شده است ، این شکاف را پر کنیم.به طور خاص ، ما یک تجزیه و تحلیل آماری جامع از ترافیک MTC با استفاده از تست های مناسب بودن ، از جمله تست های تثبیت شده مانند Kolmogorov-Smirnov ، Anderson-Darling ، Chi-Squared و Root Mean Mean Enror را انجام می دهیم.مراکز تجزیه و تحلیل در بررسی و ارزیابی سه مدل که به طور دقیق دو نوع مهم ترافیک MTC را نشان می دهد: به روزرسانی دوره ای و رویداد محور ، که از مجموعه داده ها نیز مشخص می شوند.نتایج نشان می دهد که مدل ها به طور دقیق الگوهای ترافیک را توصیف می کنند.مدل فرآیند Poisson Point با خطاهای زیر 11 ٪ بهترین الگوهای محور رویداد را نشان می دهد ، در حالی که مدل شبه دوره ای به طور دقیق متناسب با ترافیک دوره ای با خطاهای زیر 7 ٪ است.

📚 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.

🎯 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.