انجمن کامپیوتر ایران

در دهه‌های اخیر استفاده از سموم شیمیایی برای محافظت محصولات کشاورزی فراگیر شده است. آزاد شدن سموم در محیط خطرات زیانباری برای محیط و سلامت انسان‌ها دارد. از جمله عواقب استفاده از سموم شیمیایی آلودگی آب‌های زیرزمینی است که در بسیاری از شهرها منبع اصلی آب آشامیدنی را تشکیل می‌دهد. به‌همین دلیل لازم است قبل از استفاده از سموم اثر آن بر محیط مورد بررسی قرار گیرد. در این مقاله مدلی مبتنی بر اتوماتای یادگیر سلولی برای شبیه‌سازی نفوذ سموم در خاک پیشنهاد می‌گردد. با استفاده از این مدل می‌توان اثر عوامل موثر در نفوذ سموم در خاک را قبل از مبادرت به استفاده از آنها مورد بررسی قرار داد. نتایج بدست آمده نشان می‌دهد که این مدل با واقعیت تطبیق دارند.

در این مقاله معماری نوینی برای ضرب‌كننده ها ارائه شده است. این معماری بر پایه سیستمMulti-Expert و بر اساس مدل موازی پیاده‌سازی شده است. در این مدلExpert های مختلف بصورت موازی فعالیت می‌نمایند. اینExpert ها پیاده‌سازی الگوریتم‌های مختلف کدگذارBooth می‌باشند. بر این اساس نتایج حاصله از این Expertها (حاصل ضرب‌های جزئی) پس از عبور از شبکه جمع این ضرب کننده وارد یک ماژول تصمیم‌گیر می‌شوند. وظیفه این بخش از سیستم ضرب‌کننده انتخاب بهینه نتایج در راستای رسیدن به بالاترین سرعت ممکنه می‌باشد. هدف از ارائه این مدل برای ضرب‌کننده‌ها دستیابی به سرعت بیشتر در مقایسه با سایر طرح‌های امروزی است. معماری ارائه شده برای، بر اساس نتایج سنتز و شبیه‌ساز ی موفق شده است به بهبودی درحدود ۱۴%تا ۲۱/۵% در ۱۰ بیت اول و ۴% تا ۶% در ۵۴ بیت بعدی حاصل جمع حاصل‌ضرب‌های جزئی دست پیدا كند.

با توجه به رشد سریع مجموعه‌های بزرگ تصاویر دیجیتال، و پاسخگو نبودن سیستم‌های اندیس گذاری متنی تصاویر در بازیابی کارای محتوای تصویر، بیش از یک دهه است که سیستم‌های بازیابی تصویر بر اساس محتوا ١ شکل گرفته است. در این سیستم‌ها، ویژگی‌های اولیه تصویر چون رنگ، بافت، شکل، و موقعیت مکانی به شکل اتوماتیک استخراج شده و به عنوان بردار ویژگی جهت مقایسه تصاویر، در پایگاه داده‌ای نگهداری می‌شوند. استفاده از ویژگی رنگ، بعنوان یکی از اساسی‌ترین ویژگی‌های اولیه تصویر، کاربرد بسیار گسترده‌ای در کلیه سیستم‌های بازیابی تصویر داشته و اکثراً این سیستم‌ها با تلفیق جستجوهای مبتنی بر رنگ، بافت، شکل و همچنین موقعیت مکانی، نتایج نهایی را بازیابی می‌کنند. در این مقاله سیستم بازیابی تصویر مبتنی بر رنگ با استفاده از دو تکنیک هیستوگرام رنگ و رشته بیت دودویی امضا پیاده سازی شده است. نتایج ارزیابی عملکرد این دو روش نشان می‌دهد که روش دوم نتایجی به مراتب بهتر از هیستوگرام رنگ خواهد داشت.

امروزه استفاده‌ی مجدد از هسته‌هایIP در طراحی و پياده‌سازی سيستم‌های پيچيده کاربرد فراوانی دارد؛ زيرا استفاده‌ی مجدد از اين بلوک‌های آماده، هم زمان طراحی را کاهش می‌دهد و هم سيستم پياده‌سازی شده با استفاده از هسته‌های IP از نظر سرعت، اندازه و کارايی بهينه می باشد. در اين مقاله يک متدولوژی استفاده از هسته‌هایIP برای پياده‌سازی متدهای سخت افزاری در چارچوب طراحی اديسه که يک محيط طراحی سيستم ‌های نهفته است، ارائه شده است. مجتمع سازی هسته‌هایIP در اين متدولوژی، خودکار شده است و اين امر بسياری از مشکلات استفاده از هسته‌هایIP را برطرف می‌کند. برای ارزيابی متدولوژی پيشنهادی يک تابع IDCT دو بعدی- (2-D Inverse Discrete Cosine Transform) در محيط طراحی اديسه يک بار با استفاده از هسته‌یIP و بار ديگر بدون استفاده از آن، طراحی و پياده‌سازی شده و با يکديگر مقايسه شده‌اند.

در سال‌های اخیر روش‌های حذف نویز با استفاده از تبدیل موجک مورد توجه بسیاری از محققان بوده است, ولی برخی ضعف‌های آن مانند عدم امکان نمایش یکتایی خطی باعث شد تا تبدیل موجک جهت‌دار مطرح شود که تبدیل Curvelet از این نوع است. در فرایند نویززدایی, روش‌های مختلفی برای محاسبه مقدار مناسب آستانه ارائه شده است. روش پیشنهادی بر خلاف روش‌های موجود, توزیع مستقل را برای ضرائب در حوزه تبدیل در نظر نمی‌گیرد؛ همچنین به اندازه تصویر وابسته نیست و به تخمین زدن پراکندگی نویز و یا پارامترهای دیگر نیاز ندارد. در این مقاله با استفاده از شبکه عصبی, مقدار مناسب آستانه برای تصویر محاسبه می‌شود. ابتدا برای آموزش شبکه عصبی, ویژگی‌های مهم تصویر آسیب دیده با نویز گوسی در حوزهCurvelet استخراج می‌شوند و با توجه به نسخه سالم تصویر, مقدار آستانه ایده آل نیز محاسبه می‌شود. سپس ویژگی‌های تصویر نویزی جدید به عنوان ورودی به شبکه داده می‌شود تا شبکه آستانه مناسب را برای آن تخمین بزند. نتایج آزمایش بر روی تصاویر مختلف نشان داد که روش پیشنهادی در مقایسه با روش‌های موجود دارای دقت مناسبی است. علاوه بر آن، به دلیل ویژگی تبدیل Curvelet در حفظ لبه‌ها, تصاویر به‌دست آمده دارای کیفیت بهتری نسبت به تبدیل موجک هستند.

بهينه سازي تاخير با در نظر نگرفتن پارامترهاي ديگر موثر در طراحي همانند انرژي مصرفي، به منظور جلوگيري از پيچيده شدن مساله، باعث مي گردد تا بتوانيم با استفاده از متدهايي همانند Logical Effort به جوابي سريع براي تاخير بهينه دست يابيم. در اين مقاله سعي مي گردد تا با توجه به نياز به در نظر داشتن همزمان پارامترهاي موثر در طراحي هاي كنوني از يک سو، و همچنين استفاده از سرعت بالاي متد Logical Effort از سويي ديگر، روشي ترکيبي براي حل معادلات بهينه سازي از اين دست ارائه گردد. با ارائه جوابي اوليه بر پايه متد Logical Effort مي توان سرعت همگرايي الگوريتمهاي بهينه سازي هاي غير خطي با محدوديتهايي نظير انرژي مصرفي را تا حد چشمگيري افزايش دارد.

گراف در شاخه هاي علوم كامپيوترمانن د طراحي و نمايش پايگاه داده ها، مهندسي نرم افزار، نمايش داده ها و غيره كاربرد فراوان دارد. ترسيم گراف و نمايش قابل قبول آن يکی از مهم ترين قسمت ها در اين گونه سيستم ها مي باشد. مسئله رسم گراف به صورت خوانا و قابل فهم را ميتوان با استفاده از روشهاي بهينهسازي با چند تابع هدف حل نمود. معيارهايي چون تعداد برخورد يالها، ميزان تقارن رسم، اندازه وضوح زاويه اي ترسيم و غيره را ميتوان در قالب توابع هدف بهينهسازي نمود. در اين مقاله، جهت رسم از روش SPEA كه بر الگوريتم ژنتيك استوار است، استفاده شده اس ت. با معرفي معيار آسان و جديد تعادل نيرو ی وارد برگره ها، در اين مقاله شك لهاي متقارن بيشتري از گراف توليد ميشود. همچنين ، در م حاسبه معياره ا شرايط خاصي اعمال شده اس ت كه اين تغييرات باعث توليد نمونه هاي بهتري از رسم مي گردد. با استفاده از روش بهينه سازي چند تابعي در انتهاي يك بار اجراي الگوريتم، چندين رسم بهينه از يك گراف در اختيار كاربر قرار مي گيرد. اين در حالي است كه تعداد نسل مورد نياز الگوريتم ژنتيك نيز كاهش میيابد.

زمان بندي دروس یکی از مسائل مهم و زمان بر در هر محیط آموزشی اس ت. برنامه ریزي چیدمان دروس در جدول هفتگی، براساس معیارها و امکانات محیط، مشخصات دروس و ساعات حضور استادان صورت می گیرد. هدف زمان بندي دروس، ایجاد یک برنامۀ زمانی معتبر و قابل اجرا با حداقل تداخل می باشد. این مسأله از نظر پیچیدگی در دستۀ مسائل NP قرار می گیرد و براي حل آن به جاي الگوریتم هاي کلاسیک، از الگوریتم ژنتیک، جستجوي ممنوع، شبیه سازي تبریدي و رنگ آمیزي گراف استفاده می شود. در این مقال ه ضمن بیان مراحل بکارگیري الگوریتم ژنتیک به منظور زما ن بندي درو س، فنون مورد استفاده در رویکرد نو ینِ این پژوهش ارائه م یگردد. رویکرد مذکور شامل اصلاحاتی از قبیل تغییراتی در مدل اولیۀ مسأله در راستاي بهبود زمان اجرا و جلوگیري از پیمایش فضاي حالت ناممکن، روشی جدید در رمزگذاري و معرفی عملگرهاي هوشمند جهش و ترکیب به منظور انجام اصلاحات در نسل ها م ی باشد. در انتها، با اعمال 20 نمونه ورودي مختلف به برنامه اي که مخصوص این پژوهش طراحی گردید، تأثیر رو یکرد نوین در مقایسه با روش استاندارد، در رسیدن به جواب بهینه سنجیده م یشود و نشان داده می شود که رویکرد نوین به طور متوسط در زمان کوتاهتر به جوابهاي بهینه تري می رسد.

در اين مقاله به کمک عمل دسته بندی، دانش را از مجموعه داده های ورودی واکشی کرد ه و با استفاده از الگو ريتم Simulated (SA) Annealing دانش واکشی شد ه را بهينه م ینماييم. الگوريتم SA يک روش جستجوی تکراری است که به دنبال جوا ب بهينه سراسری م یگردد و به کمک مکانيزم هايی تلاش می کند که در نقاط بهينه محلی گرفتار نشود. دانش واکشی شده به صورت قوانين فازی نشان داده می شود. قوانين فازی از آن جهت مورد توجه می باشند که امکان تفسير شدن توسط انسان خبره در آنها وجود دارد. در اينجا واکشی قوانين فازی متناظر با عمل دست هبندی قوانين فازی است؛ دسته بندی يا يادگيری با ناظر از رايج ترين رو شهای داده کاوی اس ت که در زمينه های گسترد ه ای مورد استفاده قرار گرفته است . نتيجه کار عبارت است از يک الگوريتم داده کاوی بر مبنای الگوريتم SA که به صورت نرم افزاری پياده سازی م ی شود. ارزيابی اين الگوريتم توسط د و معيا ر دقت و سادگی مورد بررسی قرار یگيرد که اين دو معيار از جمله معيارهای معروف در شاخه داده کاوی هستند. در پايان روش پيشنهادی با روش های موجود مانند رو ش مبتنی بر GA و K-NN مقايسه شده است.**

يافت ن کوتا ه تري ن مسير در گر اف ها ي تصادف ي از لحا ظ کاربر د ي اهميت ويژه ا ي د ارد. ما در اي ن مقاله، با استفاده از رويکرد اتومات اي يادگير توزيع شده، بهبودهايي در روش های موجود ايجاد نمودهايم. همچنين روشجديدی نيز ب را ي حل اي ن مسال ه پيشنهاد و پس از طراحی و انجام آزمايشهای لازم، نتايج حاصله را با الگوريت مه اي موجود مقايسه کردهايم.

حذف نويز از تصاوير، يکي از مسألههای مهم پردازش تصويربوده و روشهای مختلفی برای آن ارائه شده است. از متداولترين روشها در اين زمينه، ميتوان به روشهاي آماري و روشهاي محلي اشاره کرد. در روشهای آماری حذف نويز، به پيشفرضهايي دربارهی توزيع ضرائب موجک در زيرباندهای مختلف نياز است و روشهای محلی، روشهايي هزينهبر هستند. در اين مقاله ضمن معرفی دستهتوابع آستانهگذاری غيرخطی جديد، از روش شبکهعصبی آستانهگذاری براي حذف نويز از تصاوير استفاده شده است. اين روش وفقی، ضمن عدم وابستگی به نوع نويزی خاص، در حذف نويز گوسي به همراه بسياري از روشهاي متداول امروزي آزموده شده است. نتايج آزمايش، برتري و قوت روش پيشنهادي را نسبت به بسياري از روشهاي متداول نشان ميدهد.

مسيريابي براي روبات هاي متحرك يكي از موضوعات مطرح در روباتيك است. در مسيريابي، مسأله رسيدن روبات از يك مبدأ به مقصد مطرح است طوري كه مسير طي شده كمترين هزينه را در بر داشته باشد. در راه حل هايي كه تا كنون براي اين مسأله مطرح شده اند تنها به هزينه مسير توجه شده است در حالي كه يكي از مسائل مهم در سينماتيك حركت تغييرات پارامترهاي كنترلي يعني سرعت و زاويه چرخهاي روبات است، كه هر چقدر اين تغيييرات كمتر باشد سرعت حركت روبات بيشتر خواهد بود. در اين مقاله با بهبود روش Field D* الگوريتمي پيشنهاد شده است كه با استفاده از درون يابي خطي، علاوه بر يافتن مسيري با كوتاهترين هزينه، مسيري را مي يابد كه طي كردن آن نياز به تغييرات كمتر در پارامترهاي كنترلي داشته باشد .

رشد فوق نمایی پایگاه هاي داده اي زیستی ، انجام جستجوي ش باهت در این پایگاهها را دشوار ساخته است. در این راستا، روشهاي شاخص گذاري بر اساس فاصله جهت تسریع جستجو در این پایگا هها وفق داده شده اند . با این حال ، در هیچکدام از روش هاي موجود از ویژگیهاي مختص رشتهها جهت بهینه سازي شاخص و افزایش کارایی در زمان جستجو استفاده نشده است. در این مقال ه، یک روش شاخص گذاري بر اساس فاصله جهت تسریع جستجو در پایگاه هاي دادة بسیار بزرگ زیستی ارائه شده است. در روش ارائه شده، با خوشه بندي سلسله مراتبی رشتههاي زیستی، یک درخت شاخص جهت هرس دادهها در زمان جستجو ایجاد می شود. در این روش با توجه به ویژگ یهاي رشتهها، درخت شاخص تا حد ممکن بهینه میشود که به کارایی بالاي آن در زمان جستجو می انجامد. علاوه بر این، پیچیگدي زمانی پایین روش ارائه شده در زمان شاخص گذاري و پشتیبانی از ساختار دیس ک، از مزایاي دیگري هستند که بکارگیري این روش را در پایگاه هاي داده اي زیستی بزرگ امکان پذیر می سازند. در آزمایشات نشان داده شده است که روش ارائه شده نسبت به روش شاخصگذاري کاراي ،M-Tree کارایی بالاتري دارد.

در این مقاله، شیوه فازی جدیدی برای یادگیری و تشخیص نمادهای گرافیکی مانند اعداد وحروف زبانهای مختلف ارائه می شود . این روش مبتنی بر پویش خطی تصویر بخش بندی شده می باشد و در تشخیص نمادها نسبت به ضخامت و ابعاد آنها وابسته نیست و در برابر چرخش های کمتر از 20 درجه مقاوم م ی باشد. ویژگی های استخراجی، ملهم از طرز شکل گیری الگوها در ذهن انسان هستن د . توابع عضویت فازی از روی توزیع ناپارامتری ویژگ ی ها محا سبه می شوند و انجام طبقه بندی با مدل ممدانی انجام م ی گیرد . در فاز یادگیری، برای یافتن قوانین فازی، به ازاء مرکز هر خوشه یک قانون به سیستم اضافه م ی شود. ویژگی های استخراجی این روش می تواند در روند یادگیری و تشخیص سیستم های مشابه نیز به کارگرفته شود. نتایج پیاده سازی این روش روی اعداد فارسی دست نویس منجر به بازشناسی 90 % می گردد.

This paper is an overview of benchmarks and tools being used for large scale network performance evaluation analysis, modeling, simulation and Benchmarking. In this paper we first describe some performance evaluation metrics and approaches and then we introduce some simulation and analysis tools for this purpose. But our emphasize on this paper is on benchmarking and in this way, we introduce more than 10 benchmark in network performance evaluation. We have chosen Web server Stress Benchmark as one of the most powerful benchmarks .Then, we have done three tests on this benchmark, but in this paper we show only one of these tests. As we expected this benchmark has very features and provides a number of robust and flexible reports and logging features to help you gather valuable data about your Web server and website performance.

In this paper a conceptual design for development of an e-research environment is proposed. In this environment services are proposed by several components such as virtual library ,data mining tool , frame based causal model , Hyper value & reference and report generator and a computer aided model analysis component. Prototype of this environment has been used to implement two different applied researches.

Explore/Exploit dilemma is one of the most challenging issues in reinforcement learning area as well as learning classifier systems such as XCS. In this paper, an intelligent method is proposed to control the exploration rate in XCS to improve its long-term performance. This method is called Intelligent Exploration Method (IEM) and is applied to some benchmark problems to show the advantages of adaptive exploration rate for XCS.

Due to the rapid growth of electronic environments (such as internet) much research is currently being performed on autonomous trading mechanisms. Also in the last few years there has been an increasing interest from the agent community in the use of techniques from decision theory and game theory. Our paper connects theses two fields. In real world, when two agents negotiate, it seems rational that they emphasize on their highest priorities first. We give a strategy based on the 7 types presented by Raymund J. Lin and Seng-cho T. Chou [7] in which an agent can gain more profit by sacrificing or delaying some high priority tasks. The focus of this paper is on negotiation of self interest agents.

Variability management is a major concern in successful exploitation of variabilities and commonalities of software product families which also affects different aspects of development activities. To use software product line approach in information systems context, it is necessary to bring in variability in different phases of the life cycle, including business modeling which is recognized as a key part of developing enterprise information systems. This paper presents a method for variability management at business process level which covers the activities of eliciting variability, representing variability in business process models, and also managing dependencies among different variabilities. The method supports traceability by mapping variabilities at business process level to assets of lower levels of abstraction, including feature and use case models. To model business processes, UML activity diagrams are exploited.

The assignment of natural language texts to two or more predefined categories based on their contents, is an important component in many information organization and management tasks. This paper presents an information theoretic approach for text classification problem that we call it ITTC. Here, we prove that ITTC is theoretically equivalent to Bayesian classifier. However, when classification task is performed over dynamic or noisy data, or when the training data do not represent all probable cases, ITTC outperforms Bayesian classifier. We also show that the complexity of ITTC over test set grows linearly by the size of input data .We use some news groups, to evaluate the superior performance of our approach.