🔬 An efficient dynamic service provisioning mechanism in fog computing environment: A learning automata approach
Tekiyehband, Meysam et al in Expert Systems with Applications (2022.07) p. 116863
DOI: 10.1016/j.eswa.2022.116863
@nexus_search

🔬 Multiple linear regression-based energy-aware resource allocation in the Fog computing environment
Naha, Ranesh et al in Computer Networks (2022.10) p. 109240
DOI: 10.1016/j.comnet.2022.109240
@nexus_search

🔬 Improving the attribute retrieval on ABAC using opportunistic caches for Fog-Based IoT Networks
Cremonezi, Bruno et al in Computer Networks (2022.08) p. 109000
DOI: 10.1016/j.comnet.2022.109000
@nexus_search

تعدادی مقاله جدید و پولی، در رابطه با روشهای فازی و تخمین ترافیک شبکه برای استفاده محققان و دانشجویان به اشتراک گذاشته می شود.

🔬 A 3-stage fuzzy-decision tree model for traffic signal optimization in urban city via a SDN based VANET architecture
Balta, Musa et al in Future Generation Computer Systems (2020) pp. 142-158
DOI: 10.1016/j.future.2019.10.020
@nexus_search

🔬 A fuzzy incidence coloring to monitor traffic flow with minimal waiting time
Yamuna, V. et al in Expert Systems with Applications (2021) p. 115664
DOI: 10.1016/j.eswa.2021.115664
@nexus_search

🔬 Detection of abnormal traffic and network intrusions based on multiple fuzzy rules
Toliupa, Serhii et al in Procedia Computer Science (2022.01) pp. 44-53
DOI: 10.1016/j.procs.2022.09.036
@nexus_search

🔬 Developing a fuzzy-based decision-making procedure for traffic control in expressway congestion management
Toan, Trinh Dinh et al in Physica A: Statistical Mechanics and its Applications (2022.10) p. 127899
DOI: 10.1016/j.physa.2022.127899
@nexus_search

🔬 Fuzzy Control of Traffic Junctions in Oversaturated Urban Networks
Boneva, Yordanka et al in IFAC-PapersOnLine (2022.01) pp. 144-149
DOI: 10.1016/j.ifacol.2022.08.063
@nexus_search

🔬 Traffic state prediction using conditionally Gaussian observed Markov fuzzy switching model
Bouyahia, Zied et al in Journal of Intelligent Transportation Systems (2022.05) pp. 1-20
DOI: 10.1080/15472450.2022.2069498
@nexus_search

🔬 Restricted crossing U-turn traffic control by interval Type-2 fuzzy logic
Jovanović, Aleksandar et al in Expert Systems with Applications (2023.01) p. 118613
DOI: 10.1016/j.eswa.2022.118613
@nexus_search

🔬 A comprehensive survey of network traffic anomalies and DDoS attacks detection schemes using fuzzy techniques
Lin, Haiping et al in Computers and Electrical Engineering (2022.12) p. 108466
DOI: 10.1016/j.compeleceng.2022.108466
@nexus_search

اولین کنفرانس ملی فن‌آوری‌های پیشرفته بین رشته‌ای در علوم مهندسی
برگزار کننده: موسسه آموزش عالی خراسان
تاریخ برگزاری: 1401/12/11 - 1401/12/11
@ProjeMagale

🔻نکاتی برای دفاع از رساله های دکترا

۱. اسلایدها نباید حاوی جمله باشند، فقط تیتر، شکل، جدول، نمودار

۲. روی فصل دوم و سوم زیاد تمرکز نکنید که فرصت برای ارائه نتایج فصل چهارم و نتیجه‌گیری فصل پنجم داشته باشید.

۳. زمان ارائه به شرح زیر تقسیم کنید:
- فصل اول دو دقیقه
- فصل دوم یک دقیقه
- فصل سوم دو دقیقه
- فصل چهارم ده دقیقه
- فصل پنجم پنج دقیقه

۴. با نام و یاد خدای مهربان و کسب اجازه از محضر اساتید محترم شروع می‌کنم گزارش پایان‌نامه خود را  با عنوان ....... به راهنمایی سرکار خانم دکتر.... و مشاوره  جناب آقای دکتر ... . همین‌جا لازم می‌دانم از زحمات این بزرگواران و همچنین اساتید محترم داور جناب آقای دکتر ... و سرکار خانم دکتر .... تشکر و قدردانی نمایم.

۵. سعی کنید بر اسلایدهای خود مسلط باشید؛ و قبلا چند بار بخوانید و زمان بگیرید.

۶. کپی مقاله، نامه ارسال یا نامه پذیرش آن فراموش نکنید.

۷. "پیشنهادهایی برای پژوهش‌های آینده" را اگر در اسلایدها می‌گذارید، در زمان ارائه نخوانید.

8. وقتی اهداف را می‌خوانید سؤالات را نخوانید؛ بگویید که سوالات بر اساس اهداف است از آن می‌گذریم.

9. با داوران محترم کل کل نکنید. آرامش خود را حفظ کنید. نسبت به انتقادهای داور عصبانی نشوید. هر چی می‌فرمایند بگویید که پیشنهاد خوبی است اصلاح می‌کنم. به احتمال زیاد پیشنهاد خوبی هم هست و هدف ارتقای کار علمی شماست.
موفق باشید.

منبع: مشاوران مقالات وزارتین

مقاله پذیرش شده اعضای کانال در زمینه تخصیص منابع در SDN

Sarbazi, M., Sadeghzadeh, M., & Mir Abedini, S. J. (2019). Improving resource allocation in software-defined networks using clustering. Cluster Computing. doi:10.1007/s10586-019-02985-3