رکوردهای مرتبط با این شخص

ارائه یک سیستم بازیابی تصاویر مبتنی بر محتوا برای بیماری های ریوی با استفاده از ویژگی‌های بافت و شبکه‌های عمیق (1401) / سلمانی ، محمد جواد، نویسنده

نوع مدرک: متون چاپی سرشناسه سلمانی ، محمد جواد، نویسنده شماره بازیابی : ‭COM soft ‭71 عنوان : ارائه یک سیستم بازیابی تصاویر مبتنی بر محتوا برای بیماری های ریوی با استفاده از ویژگی‌های بافت و شبکه‌های عمیق عنوان موازی : Presentation Of a Content-Based Image Retrieval System for Lung Diseases Using Texture Features and Deep Networks ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1401 صفحه شمار: 77ص شابک/شاپا 24907 یادداشت کارشناسی ارشد: رشته مهندسی کامپیوتر گرایش نرم افزار شناسه افزوده : اکبری ، مهدی، استاد راهنما توصیفگرها بازیابی تصاویر پزشکی، شبکه کانولوشن پیش آموزش دیده، ویژگی بافت محلی  Medical Image Retrieval, Pre-Trained Convolutional Network, Local Texture Feature. چکیده : توسعه ابزارهای تصویر برداری نوین اگرچه امکان ذخیره‌سازی تصاویر متنوع پزشکی را فراهم کرده، اما افزایش تعداد این قبیل داده، بازیابی و مدیریت آن‌ها را چالش برانگیز کرده است. از آنجایی که تصاویر پزشکی در تشخیص زودرس اغلب بیماری‌ها به شدت مورد استفاده و قابل استناد هستند؛ ارائه سیستمی هوشمند مبتنی بر یادگیری ماشین که بتواند این حجم از تصاویر را مدیریت کرده و تصاویری که دارای محتوای یکسان هستند را بازیابی نماید؛ می‌تواند به عنوان دستیار پزشک بسیار کارگشا باشد. در این راستا، محققان زیادی تاکنون برای ارائه یک سیستم بازیابی تصاویر پزشکی هوشمند تلاش کرده‌اند. روش‌های موجود، هر یک دارای محدودیت‌هایی مثل عدم استخراج دانش کافی از تصاویر هستند که تاحدودی منجر به ناکارآمدی آن‌ها شده است. از اینرو، در این تحقیق یک روش بازیابی تصاویر پزشکی کارآمد با استفاده از دو دسته ویژگی عمیق و ویژگی محلی ارائه شده است. در این روش با استفاده از شبکه کانولوشن پیش آموزش دیده ResNet101، ویژگی‌های عمیق از تصاویر پزشکی استخراج شده است. همچنین سه نوع ویژگی بافت محلی شامل آنتروپی، الگوی باینری محلی و ماتریس همرخداد خاکستری از تصاویر استخرج شده است. سپس با استفاده از تکنیک انتخاب ویژگی Relieff زیر مجموعه‌ای بهینه از ویژگی‌ها انتخاب شده و بازیابی تصاویر مشابه با تصویر پرس‌وجو با استفاده از فاصله کسینوسی انجام شده است. نتایج ارزیابی روش پیشنهادی بر روی دو پایگاه داده تصاویر ریه حاکی از آن است که روش پیشنهاد شده در تعداد 20 تصویر پرس‌وجو توانسته است در پایگاه کووید19 به میانگین متوسط دقت (mAP) 92.42‌‌% و در پایگاه داده ذات‌الریه به 98.01‌% دست یابد، که نشان می‌دهد در مقایسه با روش پیشین در بازیابی تصاویر ریه عملکرد بهتری داشته است لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13937 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
فاقد شماره ثبت

ارایه مدلی جهت سنجش آمادگی سازمان برای همراستایی استراتژیک فناوری اطلاعات و کسب و کار (1400) / یوسفی گورتی ، علیرضا، نویسنده

نوع مدرک: متون چاپی سرشناسه یوسفی گورتی ، علیرضا، نویسنده شماره بازیابی : ‭COM soft ‭45 1400 عنوان : ارایه مدلی جهت سنجش آمادگی سازمان برای همراستایی استراتژیک فناوری اطلاعات و کسب و کار عنوان موازی : Provide a model for measuring the organization's readiness for strategic alignment of information technology and business ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1400 صفحه شمار: خ، 83ص شابک/شاپا 24330 یادداشت پایان نامه کارشناسی ارشد: مهندسی کامپیوتر گرایش نرم افزار شناسه افزوده : اکبری ، مهدی، استاد راهنما توصیفگرها فناوری اطلاعات  همراستایی  استراتژی  عملکرد سازمان  Information Technology  Alignment  Strategy  Organizational Performance  Southern Steel چکیده : هدف پژوهش حاضر بررسی ارتباط و ارائه مدلی بین همراستایی سرمایه گذاری فناوری اطلاعات با استراتژی کسب و کار با عملکرد سازمان بوده است. روش تحقیق از نوع کیفی و کمی بود .جامعه آماری تحقیق شامل کلیه کارکنان شرکت فولاد جنوب بوده که طی بررسی های به عمل آمده 130 نفر بوده است که با روش سرشماری کل تمامی کارکنان به عنوان حجم نمونه انتخاب شدند.جهت گردآوری اطلاعات از پرسشنامه استفاده شد که روایی آن با نظرات خبرگان و پایایی با آلفای کرونباخ بررسی شده و تائید گردید.با توجه به روش تحقیق مورد نظر در این پژوهش، تجزیه و تحلیل داده ها در دو فاز صورت گرفت در فاز اول که کیفی است با روش تحلیل محتوای کیفی و در بخش کمی رویکرد معادلات ساختاری،تحلیل عاملی و تاییدی و نرم افزارهای مورد نظر SPSS-PLS می باشد.نتایج نشان داد که که رابطه بین استراتژی سرمایه گذاری و مولفه های آن دارای ضریب (0/763)،استراتژی فناوری اطلاعات،دارای ضریب (0/411)استراتژی های کسب و کار،دارای ضریب (0/266)عملکرد سازمانی، دارای ضریب (0/326)تصمیم گیری دارای ضریب (0/299) با سنجش آمادگی شرکت جهت همراستایی سرمایه گذاری فناوری اطلاعات با استراتژی کسب و کار با عملکرد سازمان می باشند و روابط بین مولفه ها و زیر مولفه ها مثبت و معنادار است لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13405 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
24330	‭COM soft ‭45 1400	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

بهبود روش احراز هویت در امنیت شبکه های بین خودرویی (1402) / ریاحی ، فرشته، نویسنده

نوع مدرک: متون چاپی سرشناسه ریاحی ، فرشته، نویسنده شماره بازیابی : ‭COM soft ‭76 1402 عنوان : بهبود روش احراز هویت در امنیت شبکه های بین خودرویی عنوان موازی : Improving Authentication Method in the Security of Vehicular Networks ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1402 صفحه شمار: 106ص شابک/شاپا 25598 یادداشت پایان نامه کارشناسی ارشد :رشته کامپیوتر گرایش مهندسی نرم افزار شناسه افزوده : اکبری ، مهدی، استاد راهنما یراقی ، شکوفه، استاد مشاور توصیفگرها شبکه‌هاي بین خودرویی، احراز هویت، شبکه، امنیت  Inter, vehicle Networks, Authentication, Network, Security چکیده : هدف این تحقیق ارائه مدلی جهت بهبود روش احراز هویت در امنیت شبکه های بین خودرویی است. پژوهش حاضر از نوع کاربری است که برای جمع¬آوری داده های مورد نظر از روش کتابخانه¬ای استفاده شده است. ابتدا با مرور جامع در روش‌های ارائه شده در پژوهش‌های قبلی بهترین روش برای امنیت شبکه‌های بین خودرویی مشخص شده و در ادامه برای تحلیل داده¬ها از نرم افزار شبیه سازی SUMO، استفاده کرده و در پایان روشی جدید و بهینه برای امنیت ارائه شده توسط نرم افزارهای مخصوص شبیه سازی با یک معیار مشخص که توسط شبیه سازی و روش‌های دیگر به دست آمده است مقایسه کردیم. در این پژوهش بکارگیری پروتکل مسیریابی AODV در شبکه¬های موردی بین خودرویی جهت افزایش ضریب ایمنی (کاهش حملات سیاه چاله و DOS، افزایش درصد بسته دریافتی و کاهش تعداد بسته حذف شده) می¬باشد. پروتکل ADOV با استفاده از یک الگوریتم ترکیبی مبتنی بر الگوریتم ژنتیک و PSO بهینه شد و در ادامه الگوهای ارائه شده را توسط نرم افزار تولید شبکه شبیه سازی کرده و شبکه مورد نظر را بر مبنای فاکتورهای تأخیر انتها به انتها، نرخ حذف بسته و تعداد بسته تصدیق تحویل بسته در شبکه مورد تحلیل و بررسی قرار دادیم. در ابتدا به بررسی عملکرد شبکه در جریان ثبت گره¬ها و واحدهای کنار جاده¬ای جدید در شبکه موردی پرداختیم. از آنجا که بسته پاسخ در امتداد خط ارتباطی بصورت جلورونده و از طریق درخواست های موجود در شبکه ثبت می‌شود، در این صورت پروتکل مسیریابی AODV پیشنهادی تنها از مسیرهای ایمن موجود در شبکه جهت ثبت درخواست و حرکت بسته ها از مبدأ به مقصد استفاده می¬کند (ارسال روبه جلو بسته از مبدأ به مقصد). نتایج نشان می‌دهد که برای پروتکل ADOV و PFQ-AOD و روش پیشنهادی به ترتیب درصد تحویل بسته(89.76 %،94.85 %، 94.99 %)، نرخ از دست رفتن بسته(10.24 %، 5.15 %، 5.15 %) و تأخیر انتها به انتها(0.9658، 0.896604، 0.896604) می‌باشد.درنتیجه بنا به تحلیل و بررسی¬های انجام شده مشخص شد که پروتکل پیشنهادی در این پژوهش قادر است تا بطور موثر از شبکه موردی در برابر حملات مختلف و گره¬های مخرب در جریان انتقال اطلاعات حمایت کند لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=14434 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
25597	‭COM soft ‭76 1402	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

تشخیص بیماری سپسیس در مراحل اولیه با استفاده از یادگیری عمیق و شبکه چند لایه پرسپترون (1402) / حقیقی ، مسعود، نویسنده

نوع مدرک: متون چاپی سرشناسه حقیقی ، مسعود، نویسنده شماره بازیابی : ‭COM soft ‭77 1402 عنوان : تشخیص بیماری سپسیس در مراحل اولیه با استفاده از یادگیری عمیق و شبکه چند لایه پرسپترون عنوان موازی : Sepsis diagnosis in early stages using deep learning and multi-layer perceptron network ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1402 صفحه شمار: 85ص شابک/شاپا 25599 یادداشت پایان نامه کارشناسی ارشد :در رشته مهندسی کامپیوترگرایش نرم افزار شناسه افزوده : اکبری ، مهدی، استاد راهنما توصیفگرها بیش نمونه‌گیری مرزی، شبکه عصبی عمیق ترکیبی، بیماری سپسیس، انتخاب ویژگی تجزیه و تحلیل همسایگی. Borderline oversampling, Hybrid Deep Neural Network, Sepsis Disease, Neighborhood Analysis Feature Selection. چکیده : بیماری سپسیس پاسخ بدن فرد، به عفونت است که دارای نرخ مرگ بالایی است. درمان این بیماری بسیار وابسته به زمان تشخیص آن است، و تشخیص به موقع نرخ بقای بیمار و را به شدت افزایش داده و همچنین از آسیب جدی به اندام‌های بیمار به خوبی جلوگیری می‌کند. اثرات جبران ناپذیر تشخیص دیرهنگام بیماری سپسیس باعث شده محققان مختلف از روش‌های مبتنی بر هوش مصنوعی و یادگیری ماشین در راستای تشخیص به موقع آن استفاده کنند. اکثر مدل‌های مطرح مبتنی بر روش‌های یادگیری ماشین سنتی مثل نزدیکترین همسایه، ماشین بردار پشتیبان، درخت تصمیم، بیز ساده و از این قبیل هستند؛ که در آن‌ها به دو مشکل عدم توازن داده‌ها و انتخاب ویژگی پرداخته نشده است و از اینرو این روش‌ها چندان موفق عمل نمی‌کنند. در این تحقیق در راستای رفع محدودیت‌های فوق از شبکه‌های عصبی عمیق و دو مرحله پیش پردازش شامل انتخاب ویژگی و بیش نمونه‌گیری جهت تشخیص بهینه بیماری سپسیس استفاده شده است. در مدل پیشنهاد شده از شبکه عصبی بازگشتی با سه واحد پنهان BiLSTM ، GRU و LSTM و شبکه عصبی عمیق چند لایه پرسپترون به صورت انفرادی و گروهی برای تشخیص زود هنگام بیماری سپسیس استفاده شده است. در دو مرحله پیش پردازش در مدل پیشنهادی، از 4 روش بیش نمونه‌گیری مختلف شامل SMOTE, Borderline SMOTE, Safe Level SMOTE و ADASYN و سه روش انتخاب ویژگی مختلف شامل Relief, NCA و Forward Sequential برای رفع مشکل عدم توازن داده‌ها و کاهش ابعاد داده‌ها استفاده شده است. نتایج مدل پیشنهادی بر روی داده‌های بیماری سپسیس PhysioNet2019 نشان می‌دهد در بین روش‌های عمیق انفرادی شبکه بازگشتی با واحد GRU بهترین عملکرد را دارد و بسته به تکنیک انتخاب ویژگی صحتی بین 87‌% تا 8/91‌% ارائه می‌دهد. نتایج مدل پیشنهادی نشان می‌دهد ترکیب چند شبکه عصبی باعث شده صحت تشحیص بیماری سپسیس به 5/94% افزایش یابد که با انتخاب ویژگی NCA و بیش نمونه گیری مرزی Borderline و ترکیب شبکه های عصبی حاصل شده است. نتایج نشان می‌دهد مدل پیشنهادی در مقایسه با روش‌های یادگیری ماشین سنتی نیز عملکرد بهتری در تشخیص بیماری سپسیس دارد لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=14435 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
25598	‭COM soft ‭77 1402	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

تشخیص بیماریهای قلبی با استفاده از سیگنالهای الکتروکاردیوگرام مبتنی بر شبکه موجک پراکنده و یادگیری ماشین (1401) / عبدلی ، افسانه، نویسنده

نوع مدرک: متون چاپی سرشناسه عبدلی ، افسانه، نویسنده شماره بازیابی : ‭COM soft ‭70 عنوان : تشخیص بیماریهای قلبی با استفاده از سیگنالهای الکتروکاردیوگرام مبتنی بر شبکه موجک پراکنده و یادگیری ماشین عنوان موازی : Diagnosis Of Heart Diseases Using Electrocardiogram Signals Based on Wavelet Scattering Network and Machine Learning ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1401 صفحه شمار: 85ص شابک/شاپا 24906 شناسه افزوده : اکبری ، مهدی، استاد راهنما توصیفگرها شبکه‌موجک‌پراکنده‌،سیگنال‌چند‌لیدی‌،بیماریهای‌قلبی‌،شبکه‌عمیق‌کانولوشنی  Scattering wavelet network, multi-lead signal, heart diseases, deep convolutional network. لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13936 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
فاقد شماره ثبت

زمانبندی وظایف محاسبات ابری با استفاده از الگوریتم مرغ مگس‌خوار مصنوعی (1402) / مردانی کرانی ، عارف، نویسنده

نوع مدرک: متون چاپی سرشناسه مردانی کرانی ، عارف، نویسنده شماره بازیابی : ‭COM soft ‭ عنوان : زمانبندی وظایف محاسبات ابری با استفاده از الگوریتم مرغ مگس‌خوار مصنوعی عنوان موازی : Title of the Thesis Task scheduling of cloud computing using Artificial Hummingbird Algorithm ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1402 صفحه شمار: 99ص شابک/شاپا 25299 یادداشت پایان نامه کارشناسی ارشد رشته مهندسی کامپیوتر گرایش مهندسی نرم¬افزار شناسه افزوده : اکبری ، مهدی، نویسنده توصیفگرها محاسبات ابری ، زمانبندی وظایف، الگوریتم مرغ مگس‌خوار مصنوعی، فرا ابتکاری، محاسبات با الهام زیست  Title of the Thesis Task scheduling of cloud computing using Artificial Hummingbird Algorithm چکیده : یکی از چالش‌های اصلی در محیط رایانش ابری، زمانبندی وظایف است که نقش کلیدی در کارایی رایانش ابری ایفا می‌کند. زمان‌بندی وظایف در رایانش ابری به این معنی است که با در نظر گرفتن پارامترهای مختلف مانند زمان، هزینه، مقیاس‌پذیری، زمان ساخت، قابلیت اطمینان، در دسترس بودن، توان عملیاتی، استفاده از منابع و غیره، بهترین منابع مناسب برای انجام کار را تخصیص دهیم. در الگوریتم مرغ مگس‌خوار مصنوعی سه نوع مهارت پرواز محوری، مورب و همه جهته، برای جستجوی غذا مدل شده است. علاوه بر این، جستجوی هدایت‌شده، جستجوی منطقه‌ای و جستجوی مهاجرتی اجرا می‌شوند و یک جدول بازدید برای مدل‌سازی عملکرد حافظه پرندگان مگس‌خوار برای منابع غذایی ساخته می‌شود. مقایسه ها نشان می دهد که AHA نسبت به سایر الگوریتم‌های فراابتکاری رقابتی تر است و راه حل‌های با کیفیت بالا با پارامترهای کنترلی کمتر را تعیین می‌کند. در این پژوهش، ورودی الگوریتم، رشته عددی تشکیل شده از طول وظایف است که هر کدام از اعداد به صورت تصادفی ایجاد شده¬اند. تنها تفاوت بین وظایف طول وظیفه (دستورات) بوده و در بقیه‌ی موارد یکسان هستند. ماشین‌های مجازی در این پژوهش همگن هستند و مشخصات همه¬ی ماشین‌های مجازی با هم برابر در نظر گرفته شده¬اند. الگوریتم در برنامه شبیه ساز کلودسیم اجرا شده و نتایج زمان اجرا به عنوان خروجی ثبت شده و هر آزمایش در این پژوهش به تعداد صد بار اجرا و میانگین نتایج آن در پژوهش عنوان شده است. نتایج الگوریتم پیشنهادی همچنین با الگوریتم‌های دیگری از جمله الگوریتم ازدحام ذرات ، الگوریتم ژنتیک و الگوریتم کوتاه ترین وظیفه ، مورد مقایسه قرار گرفته است لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=14243 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
25299	‭COM soft ‭	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت

کنترل ترافیک با استفاده از مسیریابی محتوا محور مبتنی بر اصول اینترنت اشیاء (1401) / رضایی مهیاری ، سارا، نویسنده

نوع مدرک: متون چاپی سرشناسه رضایی مهیاری ، سارا، نویسنده شماره بازیابی : ‭COM soft ‭56 عنوان : کنترل ترافیک با استفاده از مسیریابی محتوا محور مبتنی بر اصول اینترنت اشیاء عنوان موازی : Traffic control using content-oriented routing based on the principles of Internet of Things ناشر: دانشگاه شهید اشرفی اصفهانی: اصفهان سال نشر : 1401 صفحه شمار: 79ص شابک/شاپا 24541 یادداشت پایان نامه کارشناسی ارشد :رشته مهندسی کامپیوتر گرایش نرم افزار شناسه افزوده : اکبری ، مهدی، استاد راهنما توصیفگرها اینترنت اشیا، مسیریابی شبکه، مسیریابی RPL، سیستم های حمل و نقل  Internet of things, network routing, RPL routing, transport systems چکیده : شبکه هایی که از حسگرها استفاده می کنند به خصوص شبکه های اینترنت اشیا در سال های اخیر مورد توجه محققان زیادی قرار گرفته است. در این پایان نامه به صورت اختصاصی به حوزه ی کاربرد اینترنت اشیا در سامانه های حمل و نقل می پردازد. یکی از چالش هایی که در زمان استفاده از حسگرها در اینترنت اشیا با آن روبه رو هستیم مصرف انرژی حسگرها است. در شبکه های اینترنت اشیا که در سیستم های حمل و نقل استفاده می شوند مساله ی مسیریابی می تواند باعث مصرف زیاد انرژی در این شبکه ها شوند. سیستم حمل ونقل هوشمند شامل تعداد زیادی از حسگرهای ترافیکی است که حجم بالایی از داده را در یک تلاش برای فراهم آوردن اطلاعات در جهت پشتیبانی و بهبود عملیات مدیریت ترافیک جمع آوری می‌کنند. به خاطر حجم ترافیک بالای داده‌های ارسالی در محیط اینترنت اشیاء، روش‌های کلاسیک مسیریابی قادر نیستند نیازمندی‌های مربوط به ماهیت متغیر و پویای ترافیک را ارضا نمایند. از این رو یافتن راهی برای کاهش تاخیر ارسال در شبکه‌های مبتنی بر IoT بسیار حیاتی بوده و می‌توان به عنوان موضوعی با اهمیت به آن پرداخت. در بسیاری از موارد، داده‌های جمع‌آوری‌شده برای برنامه‌ها بسیار اضافی هستند و می‌توان آنها را با هم ترکیب کرد یا به طور مشترک در حین انتقال پردازش کرد. بنابراین یک مسئله مهم در جمع آوری داده ها، تعیین جریان اطلاعات بهینه و توپولوژی ارتباطی برای هدایت کارآمد داده های مربوطه به گره پردازشی است. این کار مفهوم فناوری مسیریابی مبتنی بر محتوا (CCR) است ما در این پایانامه پرتکل استاندارد مسیریابی RPL که در شبکه های حسگر بی سیم استفاده می شود را برای عملکرد بهتر شبکه و همچنین ارتقاء پروتکل RPL با مفهوم مسیریابی CCR ادغام کرده ایم. زیرا یکی از مشکلات پروتکل RPL ضعیف شدن آن در هنگام ازدحام ترافیک داده ها در شبکه است. در واقع فرم خاص پروتکل مسیریابی محتوا گرا پیشنهاد شده در این مطالعه، پروتکل مسیریابی RPL است. پیاده سازی و ارزیابی با استفاده از سیستم عامل لینوکس و شبیه ساز با نرم افزار NS2 می باشد لینک ثابت رکورد: ../opac/index.php?lvl=record_display&id=13616 زبان مدرک : فارسی

 فهرست موجودی مدرک

شماره ثبت	شماره بازیابی	نام عام مواد	محل نگهداری	بخش	وضعیت ثبت	وضعیت امانت
24541	‭COM soft ‭56	پایان‌نامه	دانشگاه شهید اشرفی اصفهانی	مرکزی	اسناد مرجع	غیر قابل امانت