طراحی یک روش بهبودیافته جهت افزایش قابلیت تحملپذیری اشکال در سطح کاربردسیستمهای نهفته مبتنی بر تکنیکهای نقطه وارسی
Publish place: 3rd International Conference on Applied Research in Computer Engineering and Information Technology
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 673
This Paper With 20 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CITCONF03_560
تاریخ نمایه سازی: 12 تیر 1395
Abstract:
سیستمهای نهفته در محیطهای پر اغتشاش نیز بکار برده میشوند، بنابراین نیازمند پیاده سازی روشهای تحمل پذیری اشکال در طراحی خود میباشند. با این توصیف باید به دنبال روشهایی برای افزای تحمل پذیری اشکال بود. یکی از روشهای افزای تحل پذیری اشکال در سیستمهای نهفته، مکانیزم ثبت نقطه وارسی میباشد. اما ایان مکانیزم به نوبه خود سربارهایی را به سیستم تحملی میکند که از جمله آنها میحوان به سربار نقطه وارسی و حااخیر نقطه وارسی اشاره نمود. یکی از اهداف این مقاله، مطالعه و بررسی روشها و الگوریتمهای نقطه وارسی میباشد که سعی در کاه سایز نقطه وارسی دارند. در این مقاله یک حکنیک کاه سایز نقطه وارسی مبتنی بر شبکه های عصبی معرفی میگردد. با استفاده ازاین تکنیک، کاه سایز نقطه وارسی با استفاده از سه نوع از الگوریتمهای آموزش شبکههای عصابی مورد ارزیابی قرار گرفته است و در نهایت الگوریتم آموزش بهینه جهت پیدا شدن بهترین سایز نقطه وارسی بدست میآید. با تجه به اینکه در مجموعه داده موجود بهترین سایز نقطه وارسی وجود دارد، این مقاله با استفاده از شبکه عصبی مناسب و نوع آموزش بکار رفته به مقدار بهینه سایز نقطه وارسی که هلان سایز نقطه وارسی مجلوعه داده میباشد نزدیک شده است که میزان نزدیک شدن به مقدار بهینه 98/57 درصد میباشد که مقدار اب ملاحظهای میباشد
Keywords:
Authors
ساناز طاهری عابد
کارشناسی ارشد، دانشکده فنی و مهندسی، دانشگاه آزاد آشتیان، ایران
سید امیر اصغری
استادیار، دانشکده مهندسی برق و کامپیوتر، دانشگاه خوارزمی، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :