انجمن کامپیوتر ایران

سیستم¬های بازشناسی گفتار دارای کاربردهای مختلفی هستند که یکی از این کاربردها استفاده در طراحی نرم¬افزارهای آموزشی کودکان است. در این پژوهش یک سیستم بازشناسی گفتار کودکان برای استفاده در طراحی یک نرم¬افزار گفتاردرمانی مورد بررسی قرار گرفته و برای ایجاد این سیستم بازشناسی گفتار، از روش مدل¬های مارکوف پنهان استفاده شده است. هدف این سیستم، بازشناسی کلماتی است که بسیار مشابه هم هستند و تنها در یک یا دو واج تفاوت دارند. این کلمات شامل 47 واژه به همراه همسان¬های مربوط به هر واژه است که اختلالاتی مثل جایگزینی یک واج با واج دیگر، جابه¬جایی یک واج با واج کناری و حذف یک واج در آن¬ها درنظر گرفته شده است. برای آموزش و آزمون سیستم بازشناسی از نمونه¬های جمع¬آوری شده مربوط به38 کودک در محدوده سنی 5 تا 9 سال استفاده شده است که داده¬های آموزش 1300 جمله و داده¬های آزمون 2500 واژه می-باشد. تمام مراحل آموزش و آزمون سیستم بازشناسی با استفاده از ابزار HTK انجام شده و دقت بازشناسی سیستم ایجاد شده 56/71% است.

پیشرفت سریع ارتباطات اینترنتی و استفاده¬ی نادرست از ناشناس بودن متون آنلاین، باعث به وجود آمدن مسائل امنیتی شده است. هویت ناشناس ابزارهای اینترنتی مانند ایمیل¬ها، وبلاگ¬ها و وب¬سایت¬ها به روش¬های ارتباط مورد علاقه¬ای برای کاربردهای جنایی تبدیل شده است. روابط سیاسی و اجتماعی جهان موجب توجه زیادی به زبان فارسی شده است که خود موجب فراوانی متون فارسی در اینترنت گردیده است. در این مقاله یک تکنیک هوشمندwriteprintکه برایکمک به شناسایی یک نویسندهفارسی زبان بر اساس سبک نوشتاری او معرفی شده است. در این تحقیق از ویژگی¬های واژگانی، نحوی، معنایی و وابسته به کاربرد،برای شناسایی هویت استفاده شده و کارایی انواع مختلفاین ویژگی¬ها و همچنین اثرات روش¬های دسته¬بندی KNN وDeltaبه همراه ترکیب این روش¬ها با الگوریتم ژنتیک روی دوپایگاه داده¬ی جمع¬آوری شده بررسی شدهاست.برای پیاده سازی تکنیک پیشنهادی یک pos tagger طراحی شده است که از ساختار کلمات برای تشخیص اسم، صفت و قید استفاده می¬نماید.در نهایت ترکیب روش KNN و الگوریتم ژنتیک دقت بالاتری را در بین روش¬های بررسی شده، تولید کرد.

مسئله مسیریابی وسیله نقلیه یکی از مهمترین مسائل بهینه¬سازی ترکیبیاتی است. با وجود تلاش¬های زیادی که برای حل کردن این مسئله با روش¬های مختلف صورت گرفته است، متاسفانه تابحال هیچ روشی برای حل این مسئله ارائه نشده است که بتواند راه¬حل بهینه هر نمونه از این مسئله را در بدترین حالت در زمان چندجمله¬ای پیدا کرده و این بهینگی را نیز ضمانت کند.از اینرو، با توجه به اینکه کامپیوترهای امروزی در حل دقیق نمونه¬های بزرگ مسائل با پیچیدگی زمانی بزرگتر از چندجمله¬ای با مشکل مواجه هستند، ناچارا برای حل نمونه¬های بزرگ مسئله مسیریابی وسیله نقلیه باید از روش¬های حل تقریبی مانند روش¬های فرا ابتکاری استفاده کرد. در این مقاله، مسئله مسیریابی وسیله نقلیه با استفاده از الگوریتم جستجوی گرانشی ترکیبیاتی که نسخه تعمیم¬یافته الگوریتم جستجوی گرانشی پیوسته برای حل مسائل بهینه¬سازی ترکیبیاتی است، حل شده است. نتایج پیاده¬سازی الگوریتم و مقایسات، کاراییتقریبا مناسب روش پیشنهادیرا در حل مسئله مسیریابی وسیله نقلیه نشان می¬دهد.

با مطرح شدن شبکه‌های حسگر بی‌سیم و افزایش کاربردهای بی‌درنگ و حیاتی بر روی آنها، مباحث پیشرفته بر روی این شبکه‌ها مانند مسئله زمانبندی، تأخیر انتها به انتها، تضمین امنیت و سایر آن، به سرعت رشد پیدا کرده است. از طرفی، محدودیت‌های انرژی و محاسباتی و حافظه‌ای این شبکه‌ها و همین طور محیط معمولاً بی‌دفاع و متخاصمانه‌ای که ممکن است در آن بکار گرفته شوند، امکان و احتمال انواع حملاتی که با توجه به این شرایط برای آنها متصور است را بیشتر می‌کند. بنابراین روش‌های امنیتی در قالب سرویس‌های امنیتی مانند احراز هویت، بررسی یکپارچگی و محرمانگی، برای خنثی کردن این تهدیدات بر روی شبکه‌های حسگر بی‌سیم بکارگرفته می¬شوند. پرواضح است که استفاده از سرویس‌های امنیتی برای تأمین نیازمندی‌های امنیتی کاربردها، باعث تحمیل سربار امنیتی در قالب زمان و انرژی می‌شود که ممکن است موعد کاربردها را تهدید یا با خطر از دست رفتن روبرو کند. متأسفانه مدل‌های تخصیص منابع و زمانبندی موجود در زمینه‌های مختلف اکثراً جمیع ملاحظات مطرح شده در بالا را پوشش نداده‌اند. در این مقاله با بهره¬گیری از یک مدل برای سربار امنیتی، روش پیشنهادی جهت زمانبندی امنیتی کاربردهای بی¬درنگ بر پایه الگوریتم EDF و پروتکل TDMA و با اجتناب از تداخل، مختص شبکه¬های حسگر بی¬سیم با نام CFSRTS ارائه شده است. بستر و مدل شبکه را نیز نزدیک به استاندارد WirelessHART که یک استاندارد باز برای شبکه¬های حسگر بی¬سیم برای کاربردهای بی¬درنگ است، تعریف کرده¬ایم. در آخر به ارزیابی کارایی این روش و تحلیل میزان افت کارایی در مقابل امکانات بدست آمده می¬پردازیم.

در سال‌هاي اخير استفاده از سيستم‌هاي فوق سريع براساس شبكه مانند سيستم‌هاي خوشه‌اي و گريد به طور چشمگيري افزايش يافته است. يكي از مفاهيم مهم در اين سيستم‌ها توازن بار است. توازن بار با هدف كاهش زمان اتمام فرايند و افزايش بكارگيري منابع انجام مي‌گيرد. در اين مقاله الگوريتمي جهت توازن بار در سيستم‌هاي گريد پيشنهاد شده است كه بر مبناي الگوريتم‌ جستجوي هارموني مي‌باشد. اين الگوريتم كه جستجوي هارموني تطبيق‌پذير و پويا (DAHS) ناميده شده است به طور متمركز و پويا به توزيع بار بين منابع مي‌پردازد. مشخصه‌هاي DAHS به صورت تطبيق‌پذير تعريف شده‌اند تا مشكلات ناشي از انتخاب مقدار اوليه برطرف گردد. براي ايجاد توازن بار بهتر بعد از ايجاد هر هارموني ميزان بار موجود در هر منبع بررسي مي‌گردد به طوری که اگر منبعی دارای اضافه بار است وظیفه جدیدی به آن اختصاص نیابد. جهت بررسی کارایی این روش شبیه‌سازی‌های لازم در شبيه‌ساز Gridsim صورت گرفته و نشان داده شده است که بهره‌برداري از منابع در روش DAHS بيشتر از 92% َو انحراف معيار بار كمتر از 06/0% است. همچنين Makespan روش پیشنهادی به طور ميانگين 10% كمتر از روش ژنتيك مورد مقايسه است.

با گسترش روزافزون صنعت تجارت الکترونیک و به تبع آن مواجهه با حجم رو به رشد کالاهای عرضه شده، سیستم¬های پیشنهاد دهنده نقش حیاتی را در کمک به خریدار برای هرچه سریع¬تر نزدیک شدن به هدف خود، ایفا می¬کنند.در صنعت تجارت الکترونیک، با طیف وسیعی از خریداران از کشورهای مختلف، با فرهنگ¬های متفاوت روبرو هستیم.بر اساس مطالعات، مصرف-کنندگان با فرهنگ¬های متفاوت، دارای رفتارهای متفاوتی در هنگام خرید بوده و نسبت به خرید محصولات نامتناسب با فرهنگ خود بی میل هستند. درنتیجه فرهنگ ملی در تعیین رفتار مشتری بسیار مؤثر است.بر همین اساس در این مقاله با استفاده از ابعاد فرهنگی کشور شخص خریدار به عنوان معیاری برای تشخیص نیاز خرید کاربر، در کنار معیارهای تأثیرگذار دیگر، بهره جسته¬ایم. برای این منظور از ابعاد فرهنگی هافستد که به صورت گسترده در مطالعات و کاربردهای بازاریابی به کار برده می¬شود استفاده کرده¬ایم و سیستم پیشنهاد دهنده¬ای را طراحی کرده¬ایم که بر اساس ابعاد فرهنگی کشور شخص خریدار پیشنهادات خود را ارائه می¬دهد. با توجه به نتایج آزمایشات انجام شده با استفاده از این سیستم بر روی داده¬های واقعی و مقایسه¬ با سیستم-های پیشنهاد دهنده رایج، می¬بینیم که سیستم پیشنهاد دهنده مبتنی بر فرهنگ بسیار کاراتر عمل می¬کند.

یکی از مهم ترین مراحل تولید یک نرم افزار جهت افزایش قابلیت اطمینان، مرحله ی آزمون آن است. به طور کلی، مرحله ی آزمون نرم افزار حدود 40 تا 70 درصد تلاش، زمان و هزینه را به خود اختصاص می دهد. عدم دقت در این مرحله ممکن است منجر به خسارات جبران ناپذیر و یا حتی شکست نرم افزار گردد. یکی از راه های آزمون نرم افزار در روش جعبه ی سفید، تولید خودکار داده ی آزمون است. این فرآیند به سه دسته ی اصلی روش تصادفی، روش مبتنی بر هدف و روش مبتنی بر مسیر طبقه بندي می شوند. تولید خودکار داده ی آزمون مبتنی بر مسیر که قوی ترین روش در بین روش های جعبه ی سفید است در سه مرحله ی اساسی ساخت گراف کنترل روند، انتخاب مسیر و تولید داده ی آزمون صورت می پذیرد. در این مقاله ابزاری جهت تولید خودکار داده های آزمون مبتنی بر مسیر با استفاده از اجرای نمادین ارائه شده است. یکی از مهم ترین مشکلات مرحله ی انتخاب مسیر، وجود مسیرهای اجرا نشدنی می باشد. در روش پیشنهادی جهت کشف این مسیرها از تکنیک برچسب گذاری دستورات انشعاب و ساختارهای تکرار استفاده شده است. این روش علاوه بر بهبود 60 درصدی زمان اجرا، ابزاری کاملاً خودکار را نیز تولید نموده است.