دانلود مقاله و خرید ترجمه:ادغام فرآیند گاوسی با یادگیری تقویتی  برای ترکیب تطبیقی خدمات
دانلود بهترین مقالات isi همراه با ترجمه فارسی

کارابرن عزیز، مقالات سایت ( همگی جزو مقالات isi می باشند) بالاترین کیفیت ترجمه را دارند، ترجمه آنها کامل و دقیق می باشد (حتی محتوای جداول و شکل های نیز ترجمه شده اند) و از بهترین مجلات isi مانند IEEE، Sciencedirect، Springer، Emerald و ... انتخاب گردیده اند.

آگهی چاپ مقاله isi
ورود اعضا
توجه توجه توجه !!!!
نرم افزار winrar
پیشنهادات ویژه
پیوندهای کاربردی
پیوندهای مرتبط
مقالات ترجمه شده علوم کامپیوتر
  • ادغام فرآیند گاوسی با یادگیری تقویتی برای ترکیب تطبیقی خدمات

    سال انتشار:

    2015


    ترجمه فارسی عنوان مقاله:

    ادغام فرآیند گاوسی با یادگیری تقویتی برای ترکیب تطبیقی خدمات


    عنوان انگلیسی مقاله:

    Integrating Gaussian Process with Reinforcement Learning for Adaptive Service Composition


    منبع:

    Springer-Verlag Berlin Heidelberg 2015, A. Barros et al. (Eds.): ICSOC 2015, LNCS 9435, pp. 203–217, 2015., DOI: 10.1007/978-3-662-48616-0 13


    چکیده انگلیسی:

    Service composition offers a powerful software paradigm to build complex and value-added applications by exploiting a service oriented architecture. However, the frequent changes in the internal and external environment demand adaptiveness of a composition solution. Meanwhile, the increasingly complex user requirements and the rapid growth of the composition space give rise to the scalability issue. To address these key challenges, we propose a new service composition scheme, integrating gaussian process with reinforcement learning for adaptive service composition. It uses kernel function approximation to predict the distribution of the objective function value with strong communication skills and generalization ability based on an off-policy Q-learning algorithm. The experimental results demonstrate that our method clearly outperforms the standard Q-learning solution for service composition.


    چکیده فارسی:

    ترکیب خدمات یک الگوی نرم افزاری قدرتمند برای ساخت برنامه های با ارزش و پیچیده ارائه می دهد و برای این منظور یک معماری خدمات گرا را معرفی می کند. با این حال تغییرات مکرر در محیط های داخلی و خارجی به انطباق راه حل های ترکیبی نیاز دارد. در همین حال، الزامات پیچیده ی کاربران و رشد سریع فضای ترکیبی به مسئله ی مقیاس پذیری منجر شد. برای پرداختن به این چالش های کلیدی، ما یک طرح ترکیب خدمات معرفی می کنیم که فرآیندهای گاوسی را با یادگیری تقویتی می آمیزد تا ترکیب خدمات ترکیبی به دست آید. این روش از تقریب تابع هسته استفاده می کند تا توزیع مقدار تابع هدف را با استفاده از مهارت های ارتباطی قوی و قابلیت های تعمیم دهی پیش بینی کند و برای این منظور از الگوریتم های Q یادگیری بدون سیاست استفاده می کند. نتایج تجربی نشان میدهند که روش ما از راه حل یادگیری Q استاندارد برای ترکیب خدمات بهتر عمل می کند.


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 15
    تعداد صفحات فایل doc فارسی: 25

    حجم فایل: 548 کیلوبایت


    قیمت: 35000 تومان  31500 تومان(10% تخفیف)


    توضیحات اضافی:




تعداد نظرات : 0

الزامی
الزامی
الزامی
علوم-کامپیوتر
موضوعات