342000
پاورپوینت
130560
کاربر
2369700
دانلود فایل
ساخت پاوپوینت با هوش مصنوعی
کم تر از 5 دقیقه با هوش مصنوعی کافه پاورپوینت ، پاورپوینت بسازید
برای شروع ساخت پاورپوینت کلیک کنید
شما در این مسیر هستید :خانه / محصولات /powerpoint / دانلود پاورپوینت بررسي محاسن و معايب روش رونوشت برداري مشتاق (کد13004)
سفارش انجام پاورپوینت - بهترین کیفیت - کم ترین هزینه - تحویل در چند ساعت 09164470871 ای دی e2proir
دانلود پاورپوینت بررسي محاسن و معايب روش رونوشت برداري مشتاق (کد13004)
شناسه محصول و کد فایل : 13004
نوع فایل : Powerpoint پاورپوینت
قابل ویرایش تمامی اسلاید ها دارای اسلاید مستر برای ویرایش سریع و راحت تر
امکان باز کردن فایل در موبایل - لپ تاپ - کامپیوتر و ...
با یک خرید میتوانید بین 342000 پاورپینت ، 25 پاورپوینت را به مدت 7 روز دانلود کنید
هزینه فایل : 105000 : 54000 تومان
فایل های مشابه شاید از این ها هم خوشتان بیاید !!!!
دانلود پاورپوینت مقدمه ای بر حسابهای ملی – نماگرهای عملکرد اقتصادی و برآورد تولید ناخالص شهری (کد13017)
دانلود پاورپوینت تحلیل و ارزیابی کنترل راهبردي سازمانی ونگرشی بر کارکردگرایانه و نمونه اي آرمانی (کد13016)
دانلود پاورپوینت تحلیل و بررسی اصلی ترین مفاهیم مطرح در ژئوپلیتیک آلمان و بررسی فضای حیاتی (کد13014)
دانلود پاورپوینت آشنایی با اهداف يك نظام مراقبت و بررسی شاخص هاي ارزيابي توانايي نظام مراقبت (کد13013)
دانلود پاورپوینت نقش ولایت فقیه و رهبری در در هدایت جامعه اسلامی و خنثی کردن توطئه‌ها و بررسی نقش بیعت در دوران عصمت و غیبت (کد13007)
دانلود پاورپوینت تحلیل و بررسی پیشنهادها ارتقاء کمی و کیفی خدمات در وزارت جهاد کشاورزی و ارتقاء بهره وری دراین بخش (کد13001)
توضیحات محصول دانلود پاورپوینت بررسي محاسن و معايب روش رونوشت برداري مشتاق (کد13004)
دانلود پاورپوینت بررسی محاسن و معایب روش رونوشت برداری مشتاق
\nnew fuzzy replication engine with fuzzy triggers
\n\nعنوان های پاورپوینت :
\n\nبررسی محاسن و معایب روش رونوشت برداری مشتاق
\nnew fuzzy replication engine with fuzzy triggers
\nمفاهیم اولیه
\nاجزاء سازنده یک Trigger) ECA):
\nمراحل ایجاد Fuzzy trigger
\nتحقیقات گروه دوم در زمینه تریگرهای فازی
\nReplication
\nانواع روشهای Replication
\nReplication Engine
\nمعماری موتور رونوشت برداری
\nبررسی محاسن و معایب روش رونوشت برداری مشتاق
\nبررسی محاسن و معایب روش رونوشت برداری تنبل
\nسوال؟
\nFuzzy Replication
\nFuzzy Replication Architecture
\nاستفاده از تریگرهای فازی در Extractor
\nFuzzy trigger syntax for Replication
\nمثال
\nاصلاح کمیت سنج تریگر فازی معرفی شده گروه اول
\nدو روش محاسبه کمیت سنج های فازی
\nمثال
\nروش محاسبه تعدادی
\nمثال روش محاسبه تعدادی
\nچگونگی محاسبه حد آستانه یا Threshold
\nارزیابی روش Fuzzy Replication
\nمقایسه Network Traffic
\nمقایسه Network Traffic
\nCpu Utilization & Disk Utilization
\nReferences
\n\n \n\n \n\n\n\nقسمت ها و تکه های اتفاقی از فایل\n\n \n\nReplication Engine\n\nاجزاء اصلی یک موتور رونوشت بردار :\n\nیک استخراجگر[1] که در گره مبداء قرار می گیرد. کار استخراجگر کنترل تغییرات پایگاه داده مبداء است.\n\nیک بستر ارتباطی[2] که استخراج کننده از طریق آن تغییرات را به گره مقصد ارسال کند.\n\nیک اعمالگر[3] تغییرات روی گره مقصد. کار اعمالگر دریافت تغییرات از استخراجگر و اعمال آنها در پایگاه داده مقصد است. \n\n[1] - extractor\n\n[2] - communication channel\n\n[3] - applier\n\nمعماری موتور رونوشت برداری\n\nبررسی محاسن و معایب روش رونوشت برداری مشتاق \n\nمعایب روش Eager Replication\n\nتاخیر زمانی دوره پوشش برنامه یاApplication latency چیست؟ \n\nدر روش Eager Replication تاخیری بعلت انجام تغییرات بر روی تمام نسخه های پایگاه داده نسبت به حالتی که تغییرات در یک پایگاه داده ثبت می شود بوجود می آید که به آن دوره پوشش برنامه یا Application latency گفته می شود.\n\nجهت کارا بودن این روش نیاز به یک بستر ارتباطی همیشه online وجود دارد.\n\nNetwork utilization این روش ضعیف است زیرا بطور مستمر ترافیک ایجاد می کند اما از پهنای باند بطور موثر بهره نمی برد.\n\nمحاسن روش Eager Replication\n\nدو نسخه پایگاه داده مبداء و مقصد در هر زمان یکسان می باشند.\n\nبررسی محاسن و معایب روش رونوشت برداری تنبل\n\nمعایب روش Lazy Replication\n\nتاخیر زمانی دوره پوشش رونوشت برداری یاReplication latency چیست؟\n\nدر روش رونوشت برداری Lazy Replication دوره پوشش برنامه حذف شده ولی تاخیر زمانی دیگری بین زمان وقوع تغییرات در پایگاه داده منبع تا زمان اعمال تغییرات در پایگاه داده(های) مقصد بوجود می آید که به آن دوره پوشش رونوشت برداری یا Replication latency گفته می شود.\n\nمعمولا دوره پوشش رونوشت برداری طولانی می باشد و در این بازه زمانی ممکن است ارزش اطلاعات از بین برود و یا ضرر(کاهش سود) ناشی از تاخیر ارسال اطلاعات به مقصد ایجاد شود.\n\nمحاسن روش Lazy Replication\n\nنیاز به بستر ارتباطی online وجود ندارد.\n\nبطور مستمر بر روی پهنای باند ترافیک ایجاد نمی کند و در بازه های زمانی خاصی عمل همگام سازی انجام می شود.\n\nدر لحظه ارسال اطلاعات به مقصد Network utilization بالایی دارد.\n\nسوال؟\n\nآیا می توان روش جدیدی را ایجاد کرد که هم معایب دو روش رونوشت برداری Eager و Lazy را نداشته باشد و هم محاسن این دو روش را داشته باشد؟\n\nنام روش شما چیست و چگونه عمل می کند؟\n\nFuzzy Replication\n\nبا ایجاد تغییراتی در تریگرهای فازی تیم گروه اول و ایجاد تغییراتی در موتور رونوشت برداری، روش فازی شده جدیدی را می توان ایجاد نمود تا هم معایب دو روش گذشته را برطرف کند و هم از برخی محاسن آنها بهره ببرد.\n\nدر Fuzzy Replication اطلاعات زمانی از پایگاه داده مبداء به مقصد ارسال می شود که یک سری شرایط فازی از قبل تعریف شده ای برآورده گردد.\n\nیک شرط فازی می تواند چیزی مانند جملات زیر باشد:\n\nهنگامیکه تعداد کمی فروش بزرگ صورت گرفت اطلاعات را از مبداء به مقصد ارسال کن.\n\nهنگامیکه تعدادی زیادی فروش کوچک صورت گرفت رونوشت برداری را آغاز کن.\n\nFuzzy Replication Architecture\n\nاستفاده از تریگرهای فازی در Extractor \n\nتغییر نقش Extractor موتور Replication در روش فازی شده\n\nExtractor علاوه بر اینکه تغییرات پایگاه داده را نگهداری می کند می باید رویدادهای فازی را نیز تشخیص داده و نگهداری کند.\n\nدر صورتیکه رویداد های فازی از لحاظ کمی و وزنی به حد آستانه تعریف شده ای رسیدند، Applier می باید تغییرات ثبت شده را به پایگاه داده مقصد اعمال کند.\n\nFuzzy trigger syntax for Replication \n\nCreate Fuzzy Trigger TriggerName On sourceTable For Insert, Update, Delete\n\nWhen QuantifierTerms[AS FuzzySet] FieldName IS [LinquisticHedgs] FuzzyTerm [AS FuzzySet] Quanified with AmountFieldName Threshold ThresholdValue\n\nSendAllUpdateTo TargetServer.TargetDatabase.TargetTable\n\nSystem tables: FuzzySets\n\nRequired tables for Extractor: FuzzyEvents, ReplicationHistory\n\nCREATE TABLE [FuzzyEvents] \n\n [TriggerName] [char] (100),\n\n [MF] [decimal](18, 12),\n\n [Amount] [decimal](18, 2),\n\nمثال\n\nاصلاح کمیت سنج تریگر فازی معرفی شده گروه اول\n\nمعرفی Quantifier یا کمیت سنج های فازی:در صورتی بخواهیم عمل رونوشت برداری برای تعداد خاصی تغییرات در پایگاه داده مبداء فعالیت خود را آغاز نماید نیاز به تعریف ساختاری جدید داریم که بتواند کمیت و تعدد تغییرات را بیان کند و بتوان از آن ساختار در تعریف تریگرهای فازی بهره برد. \n\nکمیت سنج های چون تعداد کمی (few) ، چندین (several)، معمولا (usually)، بیشترین (most)، در حدود ... (about x) و غیره را می توان در سیستم های فازی استفاده کرد. \n\nیک کمیت سنج فازی را می توان بصورت "Q F ARE T" نمایش داد که در این قالب Q بیانگر کمیت سنج مربوطه و F بیانگر فیلد جدول که مربوط به مجموعه فازی خاصی می باشد و T که بیانگر فازی ترم مربوط به همان مجموعه فازی فیلد است و بیانگر آنست که Q عنصر از یک مجموعه فازی F شرایط فازی گزاره T را براورده می سازند]050[. \n\nدو روش محاسبه کمیت سنج های فازی\n\nروش محاسبه نسبی که آقای ولسکی و همکارش در ]020[ معرفی کردند : مجموع خروجی تابع عضویت برای تمامی رکوردها را می باید بر تعداد کل رکوردهای جدول اطلاعاتی تقسیم نمود و سپس عدد بدست آمده را که عددی بین صفر و یک می باشد را بعنوان مقدار ورودی تابع عضویت کمیت سنج قرار می دهیم تا درجه درستی کل رکوردهای قرار گرفته در شرط فازی برآورد شود. \n\nاما از این روش نمی توان در فازی سازی رونوشت برداری استفاده نمود بعلت آنکه در این روش داده های غیر ضرور که در شرایط فازی رونوشت برداری قرار ندارند نیز در محاسبات فازی دخیل می باشند.\n\nروش محاسبه نسبی:\n\nتفسیر گزاره “Q A ARE B" در دو گام انجام می شود. در گام اول چه کسری از عناصر مجموعه A را در B صذق می کند. \n\nگام دوم محاسبه درستی کل گزاره “Q A ARE B" می باشد. برای این منظور می باید خروجی سیگما-کانت نسبی یعنی ρ را بعنوان ورودی تابع عضویت مجموعه فازی Q قرار دهیم که آنرا با Mq(p) نمایش می دهیم. \n\nمثال \n\nفرض کنید عبارت فازی "most Sales ARE mediumSale" را می خواهیم ارزیابی کنیم و همچنین اطلاعات زیر را داشته باشیم:\n\n- مجموعه مقادیر فروش رفته عبارتست از Sales={200, 15, 550, 25, 400}\n\n- کمیت سنج فازی most نیز بصورت مقابل تعریف شده است: Traingular(0.6, 0.8, 1) \n\n- متغیر زبانی mediumSale نیز قبلا در مجموعه فازی SaleFuzzySet تعریف شده است: Trapezodial(10, 20, 450, 500) \n\nحال در گام اول بر اساس فرمول محاسباتی سیگما-کانت نسبی می توان گزاره فروشهای متوسط را از مجموعه فروشها بصورت زیر محاسبه کرد:\n\nنهایتا" در گام دوم درستی گزاره " most Sales ARE mediumSale " توسط تابع عضویت Q بصورت مقابل محاسبه می شود: \n\nدر این مثال با اطلاعات داده شده میزان درستی گزاره برابر 0.5 می باشد. \n\nروش محاسبه تعدادی\n\nاین روش تغییر یافته روش نسبی است جهت حذف مشکل آن در فازی سازی رونوشت برداری \n\nدر این روش بجای محاسبه سیگما-کانت نسبیF که باعث مداخله رکوردهای غیر هدف در محاسبات می شوند زیر مجموعه ای از مجموعه F به نام مجموعه هدف F بصورت مقابل تعریف می شود. \n\nاگر ρ را مقدار ورودی تابع عضویت Q فرض کنیم مقدار آن بشکل زیر محاسبه می شود:\n\nρ=Cardinality ( )\n\nدر روش محاسبه نسبی مقدار ρ عددی بین صفر و یک است و کلیه جملات زبانی مجموعه فازی Q بر روی بازه اعداد صفر تا یک نقش می شوند. اما در روش محاسبه تعدادی عدد ρ هر مقدار بزرگتر یا مساوی صفر می باشد و جملات زبانی مجموعه فازی Q در بازه اعداد بزرگتر از صفر قابل تعریف می باشند. \n\nدر گام دوم که می باید درستی کل گزاره " Q A ARE B " بدست آورده شود کافی است مقدار ρ به تابع عضویت Q ارسال شود که آنرا با Mq(p) نمایش می دهیم. \n\nدر عوض با این روش می توان از کمیت سنج های جدیدی مانند many یا few و a little و غیره استفاده نمود. \n\nمثال روش محاسبه تعدادی\n\nفرض کنید عبارت فازی "many Sales ARE mediumSale" را می خواهیم به روش تعدادی ارزیابی کنیم و همچنین اطلاعات زیر را داشته باشیم:\n\n- مجموعه مقادیر فروش رفته عبارتست از Sales={200, 15, 550, 25, 400}\n\n- کمیت سنج فازی many نیز بصورت مقابل تعریف شده است: Traingular(3, 5, 7) \n\n- متغیر زبانی mediumSale نیز قبلا در مجموعه فازی SaleFuzzySet تعریف شده است: Trapezodial(10, 20, 450, 500) \n\nگام اول: در این مثال اعضای مجموعه هدف Sales عبارت است از:\n\n={200, 15, 25, 400}\n\nهمچنین ورودی تابع عضویت مجموعه Q یعنی ρ عبارت است از:\n\nρ = Cardinality( ) = 4\n\nگام دوم: با ترسیم تابع عضویت many مشخص می شود که به ازای 4 = ρ مقدار برابر 0.5 خواهد شد:\n\nچگونگی محاسبه حد آستانه یا Threshold\n\nارزیابی روش Fuzzy Replication\n\nنتایج حاصل از ارزیابی روش Fuzzy Replication\n\nحذف Application Latency: در این روش مشکل روش Eager Replication بطور کامل حذف می شود و دیگر کاربر نهایی تاخیر زمانی ناشی از آنرا مشاهده نمی کند.\n\nحذف Replication Latency: در این روش Replication Latency بصورت ثابت و ایستا نمی باشد و هر زمان که رویداد فازی تعریف شده ای در پایگاه داده مبداء رخ دهد بلافاصله اطلاعات از مبداء به مقصد ارسال خواهد شد.\n\nحذف ضرر و زیان تاخیر در ارسال اطلاعات مهم بعلت وجود مشکل Replication Latency در روش Lazy Replication\n\nNetwork Utilization بهتر نسبت به روش Eager replication\n\nعدم نیاز به داشتن بستر ارتباطی همیشه online\n\nبهینه بودن عمل رونوشت برداری: عمل رونوشت برداری تنها در شرایط مطلوب آغاز خواهد شد.\n\n \n\n \n\n30 تا 70 درصد پروژه | پاورپوینت | سمینار | طرح های کارآفرینی و توجیهی | پایان-نامه | پی دی اف مقاله ( کتاب ) | نقشه | پلان طراحی | های آماده به صورت رایگان میباشد ( word | pdf | docx | doc )
