Hybrid Soft Computing Systems: Where Are We Going?
Piero P. Bonissone1
Soft computing is an association of computing methodologies that includes fuzzy logic, neuro-computing, evolutionary computing,and probabilistic computing. After a brief overview of Soft Computing components, we will analyze some of its most synergistic combinations. We will emphasize the development of smart algorithm-controllers, such as the use of fuzzy logic to control the parameters of evolutionary computing and, conversely, the application of evolutionary algorithms to tune fuzzy controllers. We will focus on three real-world applications of soft computing that leverage the synergism created by hybrid systems.
1 SOFT COMPUTING OVERVIEW
Soft computing (SC) is a term originally coined by Zadeh to denote systems that “… exploit the tolerance for imprecision, uncertainty, and partial truth to achieve tractability, robustness, low solution cost, and better rapport with reality" [1]. Traditionally SC has been comprised by four technical disciplines. The first two, probabilistic reasoning (PR) and fuzzy logic (FL) reasoning systems, are based on knowledge-driven reasoning. The other two technical disciplines, neuro computing (NC) and evolutionary computing (EC), are data-driven search and optimization approaches [2]. Although we have not reached a consensus regarding the scope of SC or the nature of this association [3], the emergence of this new discipline is undeniable [4]. This paper is the reduced version of a much more extensive coverage of this topic, which can be found in [5].
2 SC COMPONENTS AND TAXONOMY
The treatment of imprecision and vagueness can be traced back to the work of Post, Kleene, and Lukasiewicz, multiple-valued logicians who in the early 1930's proposed the use of three-valued logic systems (later followed by infinite-valued logic) to represent undetermined, unknown, or other possible intermediate truth-values between the classical Boolean true and false values [6]. In 1937, the philosopher Max Black suggested the use of a consistency profile to represent vague concepts [7]. While vagueness relates to ambiguity, fuzziness addresses the lack of sharp set-boundaries. It was not until 1965, when Zadeh proposed a complete theory of fuzzy sets (and its isomorphic fuzzy logic), that we were able to represent and manipulate ill-defined concepts [8].
1GE Corporate Research and Development, One Research Circle, Niskayuna, NY 12309, USA. email: bonissone@crd.ge.com
چکیده:
Soft Computing یک روش محاسباتی است که شامل منطق فازی،محاسبات عصبی ، محاسبات تکمیلی و محاسبات احتمالی می باشد.بعد از یک نگاه اجمالی به اجزای Soft Computing ،برخی از مهمترین ترکیبات آنرا مورد بررسی و تجزیه وتحلیل قرار میدهیم.ما بر روی توسعه کنترل کننده های الگوریتمی هوشمند،همانند استفاده از منطق فازی برای کنترل پارامترهای محاسبات تکمیلی تاکید میکنیم و در مورد کاربرد الگوریتمهای تکمیلی برای تنظیم کنترل کننده های فازی صحبت خواهیم کرد.ما بر روی سه کاربرد از Soft Computing در جهان واقعی تاکید میکنیم که همگی توسط سیستمهای ترکیبی ایجاد شده اند.
1- نگاه کلی به Soft Computing
Soft Computing (SC) واژه ای است که در ابتدا توسط زاده برای مشخص کردن سیستمهایی که " از خطای بی دقتی، مبهم بودن و کمی درست بودن ،برای کنترل درست،کم هزینه و سازگارتر با جهان واقعی استفاده میکنند."
بطور معمول SC شامل چهار تکنیک می باشد:دوتای اول آن ،سیستمهای استدلال آماری(PR) و منطق فازی(FL) ،بر پایه استدلال بر اساس دانش است . دو تای دیگر،محاسبه عصبی (NC) و محاسبه تکمیلی(EC) ،بر پایه روشهای تحقیق و بهینه سازی بر اساس داده می باشند. با توجه به اینکه ما به یک توافق در مورد چارچوب SC یا ماهیت این پیوستگی دست پیدا نکرده ایم، غیره منتظره بودن این روش جدید انکارناپذیر است. این مقاله نمونه ساده شده ای از این سرفصلهای بسیار گسترده می باشد که می توانید آنها را در پی نوشت 5 پیدا کنید.
2- اجزا و رده بندی SC
1-2 محاسبه فازی
اصلاح اشتباه و ابهام را می توان در کارهای گذشته کلیین و لوکازوئیچ ،منطق دانان چند فازی که در اوایل دهه 1930 استفاده از سیستمهای منطقی سه ارزشی(که بعداً بوسیله منطق با ارزش بینهایت دنبال شد) را برای نشان دادن نامعینی ، مجهول بودن یا سایر ارزشهای احتمالی بین ارزشهای واقعی بین ارزشهای درست و غلط جبر بول کلاسیک را پیشنهاد کردند،دنبال نمود.در سال 1937 ،اندیشمند ماکس بلک پیشنهاد کرد که از یک پروفایل همبستگی برای نشان دادن مفاهیم مبهم استفاده شود. در حالیکه ابهام به نشانه های گنگ و نا مشخص ناشی از لبه های مرزی تیز مربوط میشد.این مسئله تا سال 1965 ادامه پیدا کرد،زمانی که زاده یک تئوری کامل از مجموعه های فازی(که متناظر آن منطق فازی میباشد)را ارائه نمود،که بر اساس آن ما می توانستیم تصویر کلی که بدرستی تعریف نشده است را نشان داده و آنرا کنترل نماییم.
بعبارت دقیقتر،منطق فازی را می توان به صورت یک تابع منطقی از منطق چند ارزشی آلف-1 لوکازوئیچ دانست.اگرچه،در مفهوم وسیعتر،این تعبیر دقیق تنها یکی از چهار جنبه FL را نشان میدهد. بطور خاص ،FL دارای یک جنبه منطقی ،که از اجداد منطقی چند ارزشی آن مشتق شده ،یک جنبه فرضی که از نمایش مجموعه ای از مرزهایی که بدرستی تعیین نشده است نشات گرفته ،یک جنبه ارتباطی ،که برروی نمایش واستفاده از روابط منطقی متمرکز است و یک جنبه اپیستمیک که در برگیرنده استفاده از FL برای دانش فازی مبتنی بر سیستمها و بانکهای اطلاعاتی می باشد،است.
عنوان پاورپوینت : رایانش ابری Cloud Computing
قالب بندی : پاورپوینت
33 اسلاید
شرح مختصر :
کارشناسان امر IT، سیستم های محاسباتی گوناگونی را برای رفع این گونه نیازهای کاربران ارائه داده اند. که می توان به Cluster Computing، Grid Computing و اخیراً Cloud Computing اشاره نمود. از بنیانگذاران این فن آوری می توان شرکت آمازون را نام برد که برای اولین بار در سال 2007 خدماتی را در این زمینه به کاربران ارائه نمود و در پی این شرکت، شرکتهای دیگری مثل گوگل و مایکروسافت نیز وارد این عرصه گردیدند که در ادامه توضیح داده خواهد شد. امروزه برای ویرایش یک فایل متنی یا ادغام دو تصویر ساده نیازی به نصب برنامه های حجیم و گران قیمت مثل آفیس یا فتوشاپ نداریم. بلکه به راحتی با استفاده از یک سرویس مبتنی بر اینترنت، بدون نیاز به خرید و نصب برنامه، تمام این کارها را انجام داد. Cloud Computing، به معنی توسعه و به کارگیری فن آوری کامپیوتر بر مبنای اینترنت می باشد. در واقع قابلیت های کامپیوتری به صورت یک سرویس اینترنتی به کاربر عرضه می شود.
فهرست :
مقدمه
Cloud Computing چیست؟
عناصر زیر بنایی Cloud
مقایسه Cloud و Grid
مزایای استفاده از Cloud Computing
نقاط ضعف Cloud Computing
خدمات Cloud Computing
ویژگیهای اساسی Cloud Computing
شکل های مختلف Cloud
لایه های تشکیل دهنده Cloud Computing
چکیده :
کارشناسان امر IT، سیستم های محاسباتی گوناگونی را برای رفع این گونه نیازهای کاربران ارائه داده اند. که می توان به Cluster Computing، Grid Computing و اخیراً Cloud Computing اشاره نمود. از بنیانگذاران این فن آوری می توان شرکت آمازون را نام برد که برای اولین بار در سال 2007 خدماتی را در این زمینه به کاربران ارائه نمود و در پی این شرکت، شرکتهای دیگری مثل گوگل و مایکروسافت نیز وارد این عرصه گردیدند که در ادامه توضیح داده خواهد شد. امروزه برای ویرایش یک فایل متنی یا ادغام دو تصویر ساده نیازی به نصب برنامه های حجیم و گران قیمت مثل آفیس یا فتوشاپ نداریم. بلکه به راحتی با استفاده از یک سرویس مبتنی بر اینترنت، بدون نیاز به خرید و نصب برنامه، تمام این کارها را انجام داد. Cloud Computing، به معنی توسعه و به کارگیری فن آوری کامپیوتر بر مبنای اینترنت می باشد. در واقع قابلیت های کامپیوتری به صورت یک سرویس اینترنتی به کاربر عرضه می شود.
فهرست :
مقدمه
Cloud Computing چیست؟
عناصر زیر بنایی Cloud
مقایسه Cloud و Grid
مزایای استفاده از Cloud Computing
نقاط ضعف Cloud Computing
خدمات Cloud Computing
ویژگیهای اساسی Cloud Computing
شکل های مختلف Cloud
لایه های تشکیل دهنده Cloud Computing
نوع فایل : پاورپوینت
تعداد صفحات : 33 صفحه
افزایش لحظه ای کاربران و نیاز آنها به خدمات اینترنتی باعث شد که در اندک زمانی شرکت هایی که این گونه از خدمات را به کاربران ارائه می دادند ، با مشکلاتی نظیر عدم توانایی در پاسخگویی سریع به کاربران و افزایش هزینه هایشان روبرو شوند. از این رو بسیاری از این شرکت ها با سرمایه گذاری های هنگفت در زمینه های تحقیقاتی به فکر شیوه ای مؤثر و مقرون به صرفه برای سرویس دهی به حجم بالایی از کاربران افتادند و به این ترتیب محققان و صاحب نظران در سراسر جهان با مطالعه و الهام گرفتن از شیوه هایی که پیش از آن استفاده شده ب ود به فناوری نوین و کارآمدی به نام رایانش ابری دست یافتند. اهمیت و عملکرد رایانش ابری به گونه ای است که امروزه تمامی شرکت های بین المللی با تحقیقاتی گسترده و تلاشی خستگی ناپذیر در پی گسترش این فناوری بوده و هر روزه خدمات جدید و جالبی را در اختیار کاربران قرار می دهند تا بدین ترتیب سهم بیشتری از این بازار پر رونق را از آن خود نمایند.
فهرست :
مقدمه
تعاریف رایانش ابری
بررسی دیدگاه های مختلف در مورد رایانش ابری
اهمیت و وضعیت رایانش ابری در عصر حاضر
بررسی محبوبیت واژه Cloud Computing
در مورد رایانش ابری IDC نظرسنجی مؤسسه
بررسی سود چهار شرکت بین المللی در زمینه رایانش ابری
میزان شغل و درآمد در زمینه های رایانش ابری
مزایای رایانش ابری
معایب رایانش ابری
بررسی باید و نبایدها در استفاده از رایانش ابری
چه کسانی می بایست از رایانش ابری استفاده نمایند؟
چه کسانی نباید از رایانش ابری استفاده نمایند ؟
تأثیر رایانش ابری بروی محیط زیست
چه زمانی تأثیر رایانش ابری بر روی سازمان ها حداکثر می شود ؟
مقدمه
معماری رایانش ابری
مشخصه های اصلی رایانش ابری
اجزای ابر
مشتریان
مرکز داده
سرورهای توزیع شده
زیرساخت های رایانش ابری
مجازی سازی
انواع مجازی سازی
مجازی سازی کامل
مجازی سازی برتر یا ابر مجازی سازی
مزایای مجازی سازی
پردازش گرید، مشبک، شبکه ای
SETI
NAREGI
کشف پروتئین های جدید و غنی کردن مواد غذایی
دلایل استفاده از پردازش مشبک
تفاوت های رایانش ابری و پردازش مشبک
کیفیت ارتباط در پردازش مشبک
معماری مبتنی بر سرویس
خصوصیات اصلی معماری مبتنی بر سرویس
زیرساخت های معماری مبتنی بر سرویس
ذخیره سازی در ابرها
قابلیت انتقال اطلاعات بین ابرها
معماری لایه های رایانش ابری
نرم افزار به عنوان سرویس (SaaS)
ویژگی های اصلی نرم افزار به عنوان سرویس
مزایای مدل نرم افزار به عنوان سرویس
موانع مدل سرویس دهیِ نرم افزار به عنوان سرویس
پلتفرم به عنوان سرویس (PaaS)
ویژگی های سرویس دهی PaaS
مزایای مدل پلتفرم به عنوان سرویس
موانع مدل پلتفرم به عنوان سرویس
زیرساخت به عنوان سرویس (IaaS)
تفاوت مدل های IaaS و PaaS
تفاوت مدل های PaaS و SaaS
PaaS و SaaS امنیت در مدل های سرویس دهی
بررسی خدمات ارائه شده در لایه های رایانش ابری
خدمات ارائه شده در لایه SaaS
خدمات ارائه شده در لایه PaaS
خدمات ارائه شده در لایه IaaS
انواع ابرها در رایانش ابری
ابرهای خصوصی
مزایای ابرهای خصوصی
ابرهای عمومی
ابرهای هیبریدی، آمیخته، پیوندی
ابر انجمنی، گروهی
مقدمه
بررسی سیستم عامل های مبتنی بر رایانش ابری
Windows Azure
موارد کاربرد ویندوز Azure
خدمات ارائه شده در ویندوز Azure
بخش های اصلی ویندوز Azure
میزان استقبال از ویندوز Azure
آموزش ثبت نام در ویندوز Azure
Google Chrome OS
Eye OS
Eye OS نگاه دقیق تر به امکانات و ویژگی های
Eye OS جوایز کسب شده توسط
Joli OS
متفاوت است ؟ Joli OS چرا سیستم عامل
Peppermint OS
You OS
Easy Peasy OS
ویژگی های اصلی Easy Peasy OS
Ghost OS
G ho st ویژگی های مهمِ سیستم عامل
Cloudo OS
Desktop Two
معرفی سایر سیستم عامل های رایانش ابری
معرفی نرم افزارها و سرویس های مبتنی بر رایانش ابری
DropBox
Windows Live Sky Drive
Cloud Drive Amazon
Evernote
Hi Task
Zoho
Mindmeister
Panda Cloud Antivirus
Google Ducs
Cloud Printer
مزایای سرویسِ تحت وب Cloud Printer
معرفی سایر برنامه های رایانش ابری
مقدمه
تعریف امنیت
تعریف امنیت اطلاعات
دلایل اهمیت امنیت اطلاعات
امنیت اطلاعات در رایانش ابری
تهدیدات امنیتی رایانش ابری
نگرانی های امنیتی در پردازش ابری
فعالیت های مرتبط در حوزه امنیت رایانش ابری
کنترل دسترس
کنترل ذخیره سازی
جستجوی خصوصی همکار در ابر
مقدمه
نظرسنجی از مدیران درخصوص اهمیت رایانش ابری
نظرسنجی از مدیران درخصوص مشکلات رایانش ابری
تأثیر رایانش ابری در کاهش هزینه ها
تأثیر رایانش ابری در مورد تمرکز روی کسب و کار
بررسی وضعیت کشورهای مختلف در زمینه رایانش ابری
رایانش ابری در ژاپن
رایانش ابری در استرالیا
رایانش ابری در ایالات متحده آمریکا
آلمان
جمهوری اسلامی ایران
رایانش ابری در ایران SWOT تحلیل
نقاط قوت
ترجمه مقاله در مورد سیستمهای ترکیبی – Soft Computing
( فایل word قابل ویرایش )
تعداد صفحات : ۲۶ صفحه ترجمه + ۲۱ صفحه اصل مقاله
چکیده:
سیستمهای ترکیبی Soft Computing یک روش محاسباتی است که شامل منطق فازی،محاسبات عصبی ، محاسبات تکمیلی و محاسبات احتمالی می باشد.بعد از یک نگاه اجمالی به اجزای Soft Computing ،برخی از مهمترین ترکیبات آنرا مورد بررسی و تجزیه وتحلیل قرار میدهیم.ما بر روی توسعه کنترل کننده های الگوریتمی هوشمند،همانند استفاده از منطق فازی برای کنترل پارامترهای محاسبات تکمیلی تاکید میکنیم و در مورد کاربرد الگوریتمهای تکمیلی برای تنظیم کنترل کننده های فازی صحبت خواهیم کرد.ما بر روی سه کاربرد از Soft Computing در جهان واقعی تاکید میکنیم که همگی توسط سیستمهای ترکیبی ایجاد شده اند.
۱- نگاه کلی به Soft Computing ( سیستمهای ترکیبی )
Soft Computing (SC) واژه ای است که در ابتدا توسط زاده برای مشخص کردن سیستمهایی که ” از خطای بی دقتی، مبهم بودن و کمی درست بودن ،برای کنترل درست،کم هزینه و سازگارتر با جهان واقعی استفاده میکنند.”
بطور معمول SC شامل چهار تکنیک می باشد:دوتای اول آن ،سیستمهای استدلال آماری(PR) و منطق فازی(FL) ،بر پایه استدلال بر اساس دانش است . دو تای دیگر،محاسبه عصبی (NC) و محاسبه تکمیلی(EC) ،بر پایه روشهای تحقیق و بهینه سازی بر اساس داده می باشند. با توجه به اینکه ما به یک توافق در مورد چارچوب SC یا ماهیت این پیوستگی دست پیدا نکرده ایم، غیره منتظره بودن این روش جدید انکارناپذیر است. این مقاله نمونه ساده شده ای از این سرفصلهای بسیار گسترده می باشد که می توانید آنها را در پی نوشت ۵ پیدا کنید.
Hybrid Soft Computing Systems:
Piero P. Bonissone1
Abstract.
Soft computing is an association of computing methodologies that includes fuzzy logic, neuro-computing, evolutionary computing,and probabilistic computing. After a brief overview of Soft Computing components, we will analyze some of its most synergistic combinations. We will emphasize the development of smart algorithm-controllers, such as the use of fuzzy logic to control the parameters of evolutionary computing and, conversely, the application of evolutionary algorithms to tune fuzzy controllers. We will focus on three real-world applications of soft computing that leverage the synergism created by hybrid systems.
۱ SOFT COMPUTING OVERVIEW
Soft computing (SC) is a term originally coined by Zadeh to denote systems that “… exploit the tolerance for imprecision, uncertainty, and partial truth to achieve tractability, robustness, low solution cost, and better rapport with reality” [1]. Traditionally SC has been comprised by four technical disciplines. The first two, probabilistic reasoning (PR) and fuzzy logic (FL) reasoning systems, are based on knowledge-driven reasoning. The other two technical disciplines, neuro computing (NC) and evolutionary computing (EC), are data-driven search and optimization approaches [2]. Although we have not reached a consensus regarding the scope of SC or the nature of this association [3], the emergence of this new discipline is undeniable [4]. This paper is the reduced version of a much more extensive coverage of this topic, which can be found in [5].