انجمن کامپیوتر ایران

در اين مقاله قصد داريم با ترکيب روش تکامل تفاضلي با درخت مدل خطي محلي، تعداد نرونهاي مدل اصلي را براي رسيدن به خطاي مشخصي کاهش دهيم و ساختار درخت مدل خطي محلي را بهينه کنيم. در واقع با استفاده از توانايي سيستم هاي عصبي- فازي و روشهاي تکاملي، سيستم همهمنظوره اي با حجم محاسبات کم و زمان اجراي پايين جهت تخمين توابع معرفي کرده، سپس کارايي آن را با الگوريتم اصلي مقايسه مي کنيم. نتايج نشان مي دهد سيستم معرفي شده داراي کارايي مناسب تري نسبت به الگوريتم اصلي و روشهای قبلی است.

معماري‌هاي مختلفي براي پياده‌سازي سخت‌افزاري ضرب پيمانه‌اي مونتگمري مورد استفاده در الگوريتم‌هاي رمزنگاري كليد‌عمومي همچون ECC، پيشنهاد شده كه هدف آنها بالا بردن كارايي بوده‌است. در اين مقاله طرح جديدي براي بخش محاسباتي ضرب‌پيمانه‌اي‌مونتگمري ارائه مي‌نمائيم كه براي سيستم رمز ECC در GF(2n) و GF(p)، مورد‌استفاده ‌قرار‌مي‌گيرد. معماري معرفي‌شده به‌صورت پايپ‌لاين قابل پياده‌سازي است. در طرح جديد علارغم اكثر معماري‌هاي شناخته‌شده، به‌جاي استفاده از CSA براي كاهش تاخير مسير بحراني از كدگذاري جديد كه كاهش حجم فضاي مصرفي را نيز به‌دنبال دارد، استفاده شده‌است. در اين مقاله با معرفي كدگذاري جديد اعداد، براي جلوگيري از انتشار رقم‌نقلي، به‌جاي استفاده از CSA در عمل جمع از جمع‌كننده‌جديدي استفاده‌شده‌است كه از CSA نيز مناسب‌تر است. در اين مقاله با تعميم چنين جمع‌كننده‌اي براي جمع اعداد علامت‌دار، علاوه‌بر افزايش سرعت پردازش تا 48% ، حجم فضاي‌مصرفي را نيز تا 54% در مقايسه با معماري‌هاي قبلي بهبود داده ‌است.

بسیاری از الگوریتم‌های ردگیری از ویژگی رنگ استفاده می‌کنند. بار محاسباتی کم و استقلال نسبت به چرخش و تغییر شکل شیء از مزایای ردگیری با استفاده از رنگ است. در شرایط حضور چند شیء با رنگ مشابه و تغییرات زیاد نور محیط، الگوریتم‌های بر پایه‌ی ویژگی رنگ دچار شکست می‌شود. الگوریتم تخمین‌گر انتقال میانگین از جمله الگوریتم‌های بر پایه‌ی ویژگی رنگ است. در این مقاله به کمک ترکیب ویژگی‌های رنگ و لبه‌ی شیء متحرک و با استفاده از الگوریتم تخمین‌گر انتقال میانگین، معایب این الگوریتم نسبت به حضور چند شیء مشابه و تغییرات نور محیط بهبود یافته است. در روش ارائه شده، ابتدا هیستوگرام ویژگی‌های رنگ و لبه‌ی شیء متحرک استخراج می‌شود. سپس برای هر ویژگی، الگوریتم تخمین‌گر انتقال میانگین اجرا می‌گردد. برای ترکیب خروجی‌های این الگوریتم به ضرایب مناسبی نیاز داریم. ما با استفاده از ضریب bhattacharya و ارائه‌ی روابط مناسب، ضرایب وزنی مورد نیاز هر ویژگی را استخراج نمودیم. موقعیت نهایی هدف از مجموع وزن‌دار خروجی رنگ و لبه‌ی الگوریتم تخمین‌گر انتقال میانگین به دست می‌آید. نتایج نشان می‌دهد که روش پیشنهاد شده نسبت به الگوریتم تخمین‌گر انتقال میانگین اولیه، در صحنه‌ای با حضور چند شیء با رنگ مشابه و در محیطی با تغییرات نوری زیاد، دارای عملکرد بهتری است.

در اين مقاله يك روش جديد در زمينه کشف جرايم الکترونيک، پيشنهاد شده است. روش پيشنهادي بر مبناي الگوی نويز تصوير و اطلاعات محلي، دوربيني که تصوير با آن گرفته شده است را تعيين مي‌کند. در اين مقاله از الگوي نويز ناشي از تغيير حساسيت سنسور به روشنايي استفاده شده است. با توجه به تحليل‌هاي انجام شده، انتظار مي‌رود بهترين مناطق براي تشخيص صحيح اين نوع نويز مناطقي با پيكسل¬هاي داراي مقدار زياد و واريانس کم باشند. براي شناسايي اين مناطق ابتدا تصوير به بلاك‌هاي غير هم پوشا شكسته شده و از هر كدام از بلاك¬ها يك سري مشخصه از جمله ميانيگن و عكس واريانس استخراج مي¬شود. بر اساس اين مشخصه‌ها، تعدادي از بلاك‌ها جهت تعيين همبستگي الگوی نويز تصوير با الگوی نويز دوربين انتخاب مي¬گردد. با توجه به حذف بلاك¬هايي كه مي‌توانند اثر منفي بر روي تشخيص داشته باشد انتظار مي‌رود تشخيص دوربين منبع بهتر انجام شود. روش پيشنهادي بر روي يك پايگاه تصوير شامل 500 تصوير مورد بررسي قرار گرفته و نتايج بدست آمده تئوري پيشنهادی را تاييد مي-كنند.

در این مقاله یک تکنیک جدید برای خلاصه کردن یک متن با توجه به ویژگی¬های زبانی عناصر موجود در متن و زنجیره¬های معنای میان آن¬ها ارائه شده¬است. در بسیاری از روش¬های موجود خلاصه¬سازی متون، تمامی توجه به ویژگی¬های آماری عناصر متن می¬باشد. در اینجا با استفاده از نظریه مرکزیت که زنجیره¬های انسجام در داخل متن را تشخیص می¬دهد، یک روش جدید خلاصه¬سازی خودکار متن ارائه می¬شود. برای پردازش متن توسط نظریه مرکزیت و استخراج یک خلاصه¬ی منسجم احتیاج به در¬هم آمیختن تعدادی از ابزارهای پردازش متن شامل روش جایگزینی ضمایر و گروه¬های اسمی با مرجع اسمی آنها (Coreference Resolution)، روش برچسب¬زنی نقش گرامری اسامی در داخل یک جمله (Semantic Role Labeling) و روش برچسب¬زنی گروه¬های اسمی (POS Tagger) می¬باشد.

تشخیص خودکار زبان گفتاری فرایندی است که طی آن کامپیوتر زبان مربوط به سیگنال گفتاری را تشخیص می¬دهد و در کاربردهایی از جمله اندیس¬گذاری خودکار فایل¬های صوتی، پیش پردازش در سیستم¬های تشخیص گفتار و غیره مورد استفاده قرار می¬گیرد. در این مقاله، اطلاعات واج آرایی جهت تشخیص زبان گفتاری مورد استفاده قرار گرفته است و تاثیر استفاده از این معیار نسبت به حالتی که از آواها و فرکانس تکرار آن¬ها جهت تشخیص زبان استفاده شود، اثر حذف سکوت در مدل کردن آوایی زبان¬ها و همچنین تاثیر استفاده از طبقه¬بندی کننده انتهایی، جهت تصمیم¬گیری نهایی بر اساس امتیازات حاصل از مدل¬های زبانی، در مورد زبان مربوط به یک قطعه گفتاری، مورد بررسی قرار گرفته است. نتایج حاصل بر روی دادگان OGI نشان داد که استفاده از اطلاعات واج¬آرایی، حذف سکوت و طبقه¬بندی کننده انتهایی به ترتیب سبب بهبود دقت تشخیص زبان به میزان 79/5%، 25/7% و 25/7% می¬شود

امروزه در بسیاری از مسائل یادگیری، برچسب¬زنی به تمامی داده¬ها، از نظر عملی و یا به لحاظ اقتصادی امکان¬پذیر نمی¬باشد؛ این امر منجر به ایجاد مسائلی می¬شود که در آنها تنها تعداد کمی از داده¬ها دارای برچسب و مابقی، فاقد برچسب می¬باشند. از اینرو در سال¬های اخیر، تلاش¬های فراوانی در جهت ایجاد و بهبود روش¬های یادگیری نیمه¬نظارتی صورت گرفته است. ما نیز در این مقاله به ارائه¬ی چارچوبی تجمیعی در یادگیری نیمه¬نظارتی می¬پردازیم که به صورت همزمان از نتایج چندین طبقه¬بند نیمه-نظارتی، بهره می¬گیرد. انتخاب مناسب طبقه¬بندهای مورد استفاده در چارچوب پیشنهادی، نقش بسیار مهمی در کارایی این روش ایفا می¬نماید. به همین منظور ما در این¬ مقاله دو الگوریتم نیمه¬نظارتی جدید با نام¬های EFM و MCO-Trainingکه صورتی بهبودیافته از طبقه¬بندهای نیمه¬نظارتی EM و Co-Training می¬باشند، به جهت قرارگیری در چارچوب موردنظر، ارائه می¬دهیم. آزمایشات صورت¬گرفته بر تعدادی از مجموعه داده¬های استاندارد، گویای برتری طبقه¬بندهای نیمه¬نظارتی بهبودیافته، نسبت به شکل سنتی خود و نیز برتری طبقه¬بند نیمه¬نظارتی تجمیعی نسبت به استفاده¬ی منفرد از طبقه¬بندهای نیمه¬نظارتی می¬باشد.

Fuzzy c-means يک موضوع مطالعاتي مهم در خوشه¬بندي داده¬ها در تکنولوژي داده کاوي است که کاربردهاي عملي در زمينه-هاي مختلف دارد. بزرگترين عيب اين الگوريتم خوشه¬بندي فازي، حساسيت آن به مقداردهي اوليه به تعداد خوشه¬ها و مراکز اوليه خوشه¬ها است. انتخاب نا¬مناسب مراکز اوليه خوشه¬ها در اين الگوريتم منجر به مينيمم محلي مي¬شود. اين مقاله نسخه¬اي بهبود يافته از الگوريتم FCM با رويکرد رفع برخي از مشکلات اين الگوريتم، ازجمله حساسيت به شرايط اوليه ارائه مي¬کند. الگوريتم پيشنهادي مي¬تواند راه¬حل¬هاي بهينه سراسري، از طريق يک قانون ساده و جديد براي انتخاب مناسب مراکز اوليه خوشه بدست آورد. روش پيشنهادي در مقايسه با الگوريتم FCM متداول دقت بالاتري دارد، براي مقايسه دو روش از داده¬هاي دو مجموعه داده حقيقي استفاده شده است.

چارت سازماني، يكي از نمودارهاي مهمي است كه معرف سلسله مراتب پست¬ها در يك سازمان است و ابزارهاي متعددي به صورت خودكار آن را توليد مي¬كنند. در اين مقاله، بهينه¬سازي مصرف كاغذ براي اين ابزارها، در قالبي رسمي بيان شده و به كمك كاهش مسائل به يكديگر، نشان مي¬دهيم كه اين مسئله از رده پيچيدگي محاسباتي NP-Complete است.

مسئله زمانبندي يك برنامه موازي بر روي يك سيستم چندپردازنده‏اي از مسائل رام نشدني محسوب مي‏شود. هدف از اين مسئله، توزيع پردازش‏هاي موازي بر روي پردازنده‏ها است، به‏طوريكه علاوه بر رعايت وابستگي‏هاي اجرايي بين پردازش‏هاي موازي، زمان اجراي كلي آن برنامه موازي نيز حداقل شود. در اين مقاله يك روش زمانبندي مبتني بر اتوماتاي سلولي تكاملي بر پايه الگوريتم ژنتيك پيشنهاد شده است. از آنجاکه توليد مجموعه قوانين يك اتوماتاي سلولي با توجه به نوع مسئله يك فرايند دستي و هزينه بر است، در اين مقاله از الگوريتم ژنتيك جهت پيداكردن مجموعه قوانين بهينه اتوماتاي پيشنهادي، استفاده شده است. زمانبند پيشنهادي با استفاده ازمجموعه قوانين بدست آمده به كمك الگوريتم ژنتيك، قادر به پيدا کردن زمان اجراي بهينه براي برخي از گراف‏هاي وظايف محبوب درحوزه زمانبندي، نظير tree15 و g18 مي‏باشد.

در اين مقاله يك مدل جهت جلوگيري و تشخيص عمليات افراد متقلب در شبكه‌هاي سلولي بي‌سيم ارائه مي‌نماييم. مدل ما با در نظر گرفتن تاريخچه و وضعيت فعاليت و تحرك فعلي كاربر پرونده‌اي تركيبي را براي هريك از كاربران تشكيل مي‌دهد. اين "پرونده تركيبي كاربر تمامي فعاليت‌ها وزنجيره ای از تحرك‌‌‌هاي جديد هريك ازكاربران را با پرونده قبلشان مقايسه وزني مي‌كند. تحليل رفتار كاربر از نظر فعاليت و تحرك بسيار اهميت داشته و حتی مي‌توان اين پرونده تركيبي را بعنوان " امضاء" كاربر در شبكه‌هاي سلولي در نظر گرفت. از آنجا كه هر يك از كاربران رفتارهاي متفاوتي دارند، ما در مدل پيشنهادي كاربران را به سه دسته كلي كاربران با رفتار منظم، نيمه منظم و نا منظم تقسيم بندي مي‌كنيم. اين امر موجب مي‌شود كه ميزان تشخيص اشتباه تقلب توسط سيستم كاهش ‌يابد. نتايج تست و آزمايش مدل مذكور بر روي داده‌هاي واقعي نشان مي‌دهد كه اين مدل قادر به تشخيص بخش عمده‌اي از تقلبات مي‌باشد. همچنين، ميزان هزينه كشف تقلب توسط مدل پيشنهادي نيز بررسي شده است.

پيشنهادی بر بصری‌سازی ابرها در استاندارد

تولید بردار آزمون یکی از مسائل مهم در آزمون مدارات دیجیتالی می باشد. در این مقاله تولید بردار آزمون برای مدارات دیجیتالی درسطح گیت برای آشکارسازی خطای اتصال به "1" یا " 0" با استفاده از الگوریتم ژنتیک مورد نظر می باشد. روش مورد نظر در حالت وجود چندین خطا (multi-fault) و مدارات دارایFan-Out و در حالتیکه تعداد ورودی‌ها مدار بالا باشد دارای عملکرد مناسب می‌باشد. نتایج شبیه‌سازی کارایی این روش تولید ‌بردار آزمون برای مدارات دیجیتالی را نشان می‌دهد.

مسئله جداسازی هرزنامه ها از مهم‌ترین مسئله‌های مطرح شده در زمینه‌ی امنیت شبکه، کارایی سیستم و الگوریتم‌های تحت وب می باشد. دراین مقاله پس از معرفی دقیق مسئله الگوریتمی برای کاهش هرزنامه‌های دریافتی معرفی می‌‌‌شود. این الگوریتم با نگاهی حساس به هزینه و با استفاده از یادگیری آماری اقدام به شناسائی خودکار هرزنامه می‌کند. کارائی الگوریتم تحت هسته‌ای از نامه‌های الکترونیکی ارزیابی می‌شود و نتایج عملکردی الگوریتم در شرایط مختلف بررسی قرار می‌گیرد و با الگوریتم‌های موجود مقایسه می‌شود. الگوریتم پیشنهادی با بهره‌گیری از تکنیک‌های آماری و متدهای پردازشی و دسته‌بندی متنی اقدام به جداسازی نامه‌های الکترونیکی می‌کند. در پایان به پیشنهاد‌هایی جهت بهبود کارائی آنها ارائه می‌شود.