انجمن کامپیوتر ایران

طراحی و پیاده‌سازی سیستم‌های کنترل حمل و نقل به واسطه‌ی نقشی که در رفع ازدحام ترافیک شهرها ایفا می‌کرده‌اند از دیرباز از اهمیت خاصی برخوردار بوده است. در این راستا، پروژه‌های عملی زیادی تعریف و سیستم‌های متعددی توسعه داده شده‌اند. با این حال، با توجه به پیچیدگی ذاتی طراحی برخی از این سیستم‌ها از یک طرف و حساسیت موضوع از طرف دیگر، وارسی صحت طراحی و پیاده‌سازی این سیستم‌ها از اهمیت زیادی برخوردار است.بررسی مدل، روشی خودکار برای وارسی سیستم‌های همروند حالت متناهی است و مزایایی نسبت به رهیافت‌های دیگر، مانند شبیه‌سازی، آزمون و استدلال استنتاجی دارد.این روش در عمل به صورت موفق برای وارسی طراحی مدارهای ترتیبی پیچیده و پروتکل‌های ارتباطی استفاده شده است. با توجه به ویژگی خودکار بودنفرایند بررسی مدل، این روش می‌تواند در کنار ابزارهای آن، برای مدل‌سازی و وارسی سیستم‌های کنترل حمل و نقل که ویژگی‌های ایمنی و عاقبت به خیری در آنها ضرورت دارند، به صورت کارآمد استفاده شود. در این مقاله، کنترل‌کننده‌‌یترافیک یک تقاطع را به عنوان یک کاربرد عملی، مدل‌سازی کرده،سپس خواص مورد انتظار این سیستم را با ارائه‌ی فرمول‌های منطق زمانی CTLبا استفاده از ابزار بررسی مدل نمادین NuSMVوارسی می‌کنیم. نتایج حاصل از پیاد‌ه‌سازی و وارسی مدل کنترل ترافیک (به عنوان یک کاربرد نمونه)، اهمیت استفاده از روش بررسی مدل در کاربردهایی مشابه و اقتضائات آنها را نشان می‌دهد.

براساس ایده اولیه در وب معنایی، قابل فهم ساختن دانش موجود برای ماشین می¬تواند موجب تسهیل اشتراک گذاری داده¬ها و یکپارچه سازی دانش شود. بدین منظور از انتولوژی برای در دسترس ساختن دانش قلمروها استفاده می¬شود. برای یکپارچگی و ارتباط بین اجزای وب معنایی، انتولوژی¬های موجود از طریق سازوکاری هم تراز¬سازی تطبیق داده می¬شوند. اخیراً تلاش زیادی برای توسعه ابزارها و روش¬های هم¬ترازسازی صورت گرفته است؛ غالب این روش¬ها تنها انطباق های یک به یک را درنظر می-گیرند. درحالتی که انطباق یک به یک برای یک مفهوم یافت نشود؛ ممکن است بتوان با ترکیب چند مفهوم درانتولوژی دوم، معادلی برای مفهوم اول یافت. به این فرآیند، هم ترازسازی پیچیده گویند. دراین مقاله یک روش جدید برای هم ترازسازی پیچیده با استفاده از دانش موجود در نام مفاهیمی که به صورت مضاف-مضاف الیه می¬باشند، ارائه گردیده است. در الگوریتم پیشنهادی، نخست روابط میان اجزای مضاف-مضاف الیه به کمک یک کلاسه کننده¬ی معنایی تشخیص داده می¬شود. در ادامه با کمک از یک بانک الگوی انطباق پیچیده پیشنهادی، هم ترازی پیچیده، تولید و سپس با یک پالایشگر مبتنی بر استدلال در منطق توصیفی، انطباق¬های نامطلوب حذف می¬گردند. کارایی الگوریتم با هم ترازسازی دو انتولوژی شناخته شده SUMO و UMBEL نشان داده شده است.

امروزه از بات‌نت‌ها برای انجام فعالیت‌های بدخواهانه‌ای از قبیل انجام حملات جلوگیری از سرویس توزیع شده، ارسال هرزنامه، افشای اطلاعات شخصی و کلاه‌برداری در تعداد کلیک‌های تبلیغاتی استفاده می‌شود. اغلب روش‌های موجود برای تشخیص بات‌نت‌ها وابسته به ساختار و پروتکل فرمان و کنترل خاصیبودهو نمی‌توانند بات‌نت‌ها را در مراحل آغازین از چرخه حیات آن‌ها تشخیصدهند. در این مقاله، یک سیستم تشخیص بات‌نت مبتنی بر شهرت با نام بات‌یابارائه می‌شود که بات‌نت‌ها را با توجه به سابقه فعالیت‌های گروهی هماهنگ میزبان‌های شبکه تشخیص می‌دهد. در این سیستم، ابتدا میزبان‌های مشکوکبه انجام فعالیت گروهی هماهنگ شناسایی شده و میزان شهرت هر یک از این میزبان‌ها بر اساس سابقه مشارکت آن‌ها در این نوع فعالیت‌ها محاسبه می‌شود. سپس میزبان‌هایی که میزان شهرت آن‌ها از یک آستانه شهرت بیش‌تر شود، به عنوان میزبان‌های آلوده به بات شناسایی می‌شوند. سیستم بات‌یاب قادر است بات‌نت‌ها را در مراحل آغازین از چرخه حیاتآن‌ها تشخیص دهد، حتی اگر میزبان‌های آلوده به بات هنوز هیچ فعالیت بدخواهانه‌ای انجام نداده باشند. نتایج آزمایش‌هایانجام شده برایارزیابی کارآییسیستم بات‌یاب برای تشخیص بات‌نت‌های مبتنی بر HTTP، IRC و P2Pنشان می‌دهند که این سیستم قادر است بات‌نت‌های مختلف را با نرخ تشخیص بالا و نرخ هشدار نادرست پایین تشخیص دهد.

در این مقاله مساله¬ی تشخیص حرکت دست به صورت بصری برای زبان اشاره برزیلی مورد بررسی قرار گرفته است. برای این منظور سه روش مختلف معرفی و مورد تحلیل قرار گرفته اند. از آنجا که حرکات دست ممکن است دارای چرخش باشند و یا اندازه دست¬ها با هم متفاوت باشند، هدف ما یافتن تکنیک است که مستقا از مقیاس و چرخش باشد. روش اولی که پیاده¬سازی کردیم روشFFT نام دارد. پس از آن روش chaincode و در نهایت ترکیبی از آنها بررسی گردیدند. آزمایشاتی بر روی هر یک از روش¬ها با استفاده از پایگاه داده¬ی Libras انجام شد و نتایج هر یک تحلیل گردید. آزمایشات نشان دادکه از بین این سه روش که پیاده سازی شدند، روش chaincodeو پس از آن روش ترکیبی بیشترین دقت را دارند.

در محیط¬های الکترونیکی، به خصوص وبگاه¬ها، محتوا از اهمیّت خاصی برخوردار است. بدین معنی که امروزه محتوای وب بهترین بستر برای ایجاد ارتباط با مشتریان بالقوه است. افزایش اهمیت محتوا از دو جنبه قابل بررسی است: اولاً از دیدگاه موتورهای جستجو و ثانیاً از منظر کاربران. در حین جستجو، موتور¬ها در یافتن محتوای با کیفیت از کلمات کلیدی داده شده استفاده می‌کنند و این مهم¬ترین عامل برای امتیازبندی آن¬ها است. کاربران نیز در سراسر دنیا به دنبال اطلاعات با کیفیت و به بیان دیگر در پی محتوای جامع‌تری هستند. اضافه کردن کلمات کلیدی اثربخش روشی است که توسط خبرگان بازاریابی اینترنتی استفاده می¬شود. در این پژوهش ما با بررسی برچسب¬های الصاق شده توسط کاربران، محتوا را ارزیابی می¬کنیم. هر چه یک محتوا کامل¬تر باشد، تشخیص مفاهیم کلیدی آن توسط کاربران و موتور های جستجو دقیق‌تر است. در این مقاله برای هدف مذکور یک معماری و یک الگوریتم ارزیابی پیشنهاد شده است که پیاده‌سازی و آزمون آن در سیستم آموزش الکترونیکی صورت گرفته و نتایج بدست آمده برای بررسی صحت کار به صورت نمودار و جدول در این مقاله ارائه شده است. راهبرد رفع ابهام مفهوم کلمات مبتنی بر پایگاه داده لغوی WordNet، برای تشخیص میزان صحت برچسب‏های کاربر در مقایسه با موارد تعیین شده توسط خبره در نظر گرفته شده است. در پایان حاصل ارزیابی بانظر فرد خبره مقایسه شد و نتائج حاصل نشانه از صحتو دقّت راهکار پیشنهادی دارد.

معماری سرویس¬گرا روشی جدید و در حال تکامل است که امکان ساخت برنامه¬های توزیع شده را در قالب سرویس¬هایی قابل اکتشاف در سطح شبکه، با اتصال سست و استقلال بالا فراهم می¬کند. به¬دلیل افزایش تعداد سرویس¬ها و وجود چندین سرویس با عملکرد یکسان برای هر درخواست، مسئله¬ی انتخاب بهینه¬ترین سرویس در این معماری تبدیل به یک مسئله¬ی پیچیده و چالش برانگیز شده است. اولین گام در فرآیند انتخاب سرویس¬، تعیین معیارهای انتخاب است. در این مقاله از اعتماد و شهرت به¬عنوان معیاری برای انتخاب بهترین سرویس استفاده شده و مدل اعتماد جدیدی برای فاز انتخاب پیشنهاد می¬شود. مدل اعتماد پیشنهادی، اعتماد را از تمام جوانب مورد بررسی قرار داده و روابط اجتماعی میان مصرف¬کنندگان را برای مدل¬سازی اعتماد در نظر گرفته است. سپس، چگونگی محاسبه¬ی درجه اعتماد سرویس مرکب در این مدل، بررسی خواهد شد و در نهایت چارچوبی برای فاز انتخاب طراحی می¬شود، که در آن از مدل پیشنهادی استفاده شده است. چارچوب پیشنهادی، سرویس مرکبی را به کاربر ارائه می¬دهد که از تمام ابعاد مورد اعتمادترین سرویس است و چند بعدی بودن مدل اعتماد موجب می¬شود هیچ فرد یا گروهی خاص نتواند با نرخ¬دهی غلط خود الگوریتم انتخاب را به اشتباه بیندازد.

افزایش نیازمندی به منابع رایانشی سریع، در دسترس و با قابلیت اطمینان بالا،افزایش حجم اطلاعات، کمبود فضای دردسترس، صرفه جویی در هزینه¬ها و افزایش پویایی، موجب گسترش مفهومی به نام رایانش ابری و در پی آن مراکز داده ابری شده است. افزایش درخواست برای محاسبات و ارتباطات بیشتر باعث ایجاد مراکز داده بزرگتر شده که نتیجه آن افزایش توان مصرفی و همچنین افزایش انتشار گازهای مضر مانند دی¬اکسیدکربناست. در اين مقاله، تلاش شده که مصرف توان در مراکز داده ابری کاهش داده شود که این امر به وسیله تغییر روش در شناسایی منابع دارای اضافه بار محقق گردید. رهیافت جدید با استفاده از شبیه ساز CloudSim پیاده سازی شد و به وسیله مقایسه نتایج این رهیافتبا نتایج روش¬های کنونی، ارزیابی گردید.

شبکه¬های متحرک موردی (Mobile Ad hoc Networks) يا MANET ها، گونه¬ای از شبکه¬های بی سیم هستند که زیرساخت ثابتی ندارند و گره¬های شبكه آزادانه جابه¬جا می¬شوند. از کاربردهای MANET ها می¬توان به عملیات¬های امداد و نجات، میدان¬های نبرد، نمایشگاه¬ها و کنفرانس¬ها اشاره کرد. محدود بودن منبع انرژی گره¬ها و پهنای باند کم از محدودیت¬های مهم یک محیط بی¬سیم است. بعلاوه، جابه¬جایی گره¬ها در MANET ها باعث بوجود آمدن تغییرهای پياپي در توپولوژي شبکه می شود. سربار کنترلی بالا یکی از عامل¬های اصلی کاهش نرخ تحویل در مسیریابی چندپخشی درون MANETها است. قرارداد مسیریابی چندپخشی ODMRP (On-Demand Multicast Routing Protocol) به دلیل سادگی، نرخ تحویل مناسب و مقاوم بودن در برابر جابه¬جایی گره¬ها مورد توجه پژوهش¬گران بسیاری قرار گرفته است. نقطه ضعف اصلی این قرارداد، سربار بالای آن در شمار زیاد گره¬های فرستنده است که باعث کاهش نرخ تحویل می¬شود. در این مقاله، روشی برای کاهش سربار کنترلی این قرارداد در شمار زیاد گره¬های فرستنده پیشنهاد کرده¬ایم. در این روش، با سطح¬بندی کردن گره¬های شبکه، سیل شدن بسته¬های کنترلی درون شبکه را محدود می¬کنیم. عملکرد قرارداد پیشنهادی با شبیه¬ساز GloMoSim بررسی شده که بیانگر بهبود نرخ تحویل و کاهش سربار کنترلی است.

شبکه مش بی‌سیم یکی از روش‌های برقراری ارتباط است. این شبکه توسط گروهی از میزبان‌ها ایجاد و نگهداری می‌شود. یکی از مسائل مهم در شبکه مش بی‌سیم مدیریت است. مدیریت بر شبکه با نظارت بر آن حاصل می‌شود. در یک نظارت ایده‌آل می‌توان تمام گره‌های شبکه را به عنوان ناظر انتخاب تا اطلاعات گوناگون را از شبکه جمع‌آوری و به مدیر ارسال نمایند اما این رویکرد بار زیادی را به ترافیک شبکه اضافه می‌نماید. در این مقاله ایده ای مطرح شده است که در آن ابتدا منطقه تحت پوشش به قسمت‌های گوناگون تقسیم و سپس در هر ناحیه گره خاصی به عنوان نماینده انتخاب می‌شود. سایر گره‌ها اطلاعات نظارتی خود را به نماینده ارسال و در آخر نماینده هر ناحیه اطلاعات دریافتی را به مدیر شبکه تحویل می‌دهد. در این مقاله روش ارائه شده شبیه‌سازی و با روشی که تمام گره‌ها به عنوان ناظر انتخاب شوند مقایسه شده است. بر اساس نتایج حاصل شده از شبیه‌سازی تعداد بسته‌های خراب شده، تلاش برای ارسال مجدد، بار و تأخیر با استفاده از سوپر همتا کاهش یافته است.

از معضلات صفحه¬های فارسی موجود در وب می¬توان به حجم کثیر صفحات فریب¬آمیز و نیز صفحه¬ها با محتویات جعلی اشاره کرد. این¬گونه صفحات سعی دارند با ترفند¬های متفاوت موتور¬های جستجو را فریب داده و نتیجه جستجو را تحت تاثیر خود قرار دهند. در مقابل کاوشگر¬های وب به صورت مداوم روش¬های جدید تشخیص صفحات فریب¬آمیز را به کار می¬برند. طبق تحقیقات ما، در زمینه تشخیص اینگونه صفحات در زبان فارسی کار گسترده¬ای صورت نگرفته است. در این پژوهش ویژگی¬هایی منحصر به صفحات فارسی ارائه خواهیم داد که مبتنی بر ظاهر صفحه می¬باشد. در این مقاله مقدار این ویژگی¬ها برای تعدادی از سایت¬های فریب¬آمیز و مجاز زیان فارسی به دست¬آمده و در انتها با اعمال روش¬های مختلف ساخت مدل از قبیل درخت تصمیم¬گیری اطمینان حاصل شد ویژگی¬های انتخاب شده به خوبی و با دقت 96.7% قادر است در مجموعه¬ی داده¬ی موجود، صفحات فریب¬آمیز را متمایز سازد.

پردازش موازی، مدلی از پردازش داده¬ها است که در آن کارها به صورت موازی انجام می¬گیرد. یکی از روش¬های موازی¬سازی برنامه¬ها استفاده از برنامه¬نویسی مبتنی جریان (Stream) است. جریان¬ها مجموعه¬ای از داده¬ها هستند که می¬توانند به صورت موازی پردازش شوند. زبان¬های برنامه¬نویسی مختلفی برای نوشتن برنامه¬های موازی با استفاده از جریان¬ها (استریم¬ها) طراحی شده است. یکی از زبان¬های جریانی پرکاربرد زبان StreamIt است. زبان StreamIt یک ساختار سلسله مراتبی مبتنی بر جریان دارد و کدنویسی برای نوشتن برنامه¬های موازی را ساده می¬کند. مشکل اساسی در زبان¬¬های مبتنی بر جریان مانند StreamIt نداشتن مکانیزمی برای کنترل دستیابی همزمان به حافظه (کنترل همزمانی) است. کنترل همزمانی در مواردی نیاز است که چندین پردازنده بخواهند به طور همزمان به یک داده مشترک دستیابی داشته باشند. در این مقاله یک مدل برای کنترل همزمانی داده¬های مشترک در زبان¬¬های مبتنی بر جریان ارائه شده است.

زیرساخت شبکه‌های اجتماعی را گراف‌هایی تشکیل می‌دهند که گره‌های گراف، نماینده کاربران و یال‌های آن، بیان‌گر ارتباطات افراد با یکدیگر می‌باشند. با توجه به انگیزه هریک از افراد، گونه عملکرد آن‌ها می‌تواند متفاوت باشد به نوعی که بر اساس آن، گروه‌های فعالیتی کاربران شکل می‌گیرد. از طرف دیگر، رفتار کاربران براثر تحریکات اطلاعاتی می‌باشد که از سوی دیگر کاربران در شبکه رخ می‌دهد. اگر یک شبکه‌ اجتماعی را به مانند یک جامعه تصور کنیم، اتفاقاتی که در یک جامعه رخ می‌دهند و نحوه برخورد اعضای جامعه با آن وقایع را می‌توانیم الگوی خود برای مدل‌سازی عملکرد کاربران یک شبکه اجتماعی هنگام مواجهه با رویدادها قرار دهیم. بیماری‌های همه‌گیر از جمله مواردی است که اعضای یک جامعه همواره با آن روبرو بوده و نحوه رفتار افراد در مقابل آن‌ها، شیوه توسعه آن بیماری‌ها را شکل می‌دهد. نحوه شیوع این چنین بیماری‌هایی در یک جامعه را می‌توان به مانند توزیع اطلاعات در یک شبکه اجتماعی قلمداد کرد و با استفاده از ایده مدل‌های رفتاری افراد جامعه در برابر این بیماری‌ها، رفتار کاربران یک شبکه را در برابر انتشاراطلاعات مدل‌سازی نمود. در این مقاله با ایده گرفتن از مدل SIRS که گونه‌ای از الگوهای بیماری‌های همه گیری است، رفتار کاربران در برابر توزیع اطلاعات در یک شبکه را مدل‌سازی نموده‌ایم و پارامترهایی را برای ارزیابی مدل استخراج کرده‌ایم که نتایج شبیه‌سازی نشان دهنده صحت تقریبی فرض‌های انجام گرفته برای مدل می‌باشد.

Web Services Composition (WSC) is a seamless approach to develop the software development projects on the basis of reusability potentials. Most web services composition approaches tend to benefit from either of practical or formal models; this paper proposes an approach for semi-automatic web services composition to close the gap between formal models and database practice. In this approach, the web services are stored in a database after being modeled in G-net. The G-net services employed in the composition process can be subsequently obtained using a proposed WSC search algorithm with SQL queries. Finally, based on the relational algebra operators the WSC is performed and a Java-based tool is developed for WSC. The proposed approach is demonstrated using a digital class assistant as a case study

در سال‌های اخیر، فناوری ریزآرایه امکان مانیتورینگ بیان هزاران ژن را به‌طور همزمان فراهم آورده است. تحلیل‌هایی که در زمینه داده‌های ریزآرایه صورت گرفته است، بیانگر قدرت این فناوری در زمینه تشخیص بسیاری بیماری‌ها از جمله سرطان است. چالشی که در این زمینه مطرح است، تعداد بالای ویژگی‌ها (ژن‌ها) و از طرفی تعداد پایین نمونه‌ها است. تا به امروز تلاش‌های متعددی در زمینه انتخاب ژن و سپس دسته‌بندی داده‌ها صورت گرفته است که نتایج بدست آمده، بیانگر برتری تکنیک‌های ترکیبی در مقابل تکنیک‌های منفرد هست. لذا در این پژوهش، پس از ارائه روشی کارآمد در زمینه انتخاب ژن، از تکنیک‌های ترکیبی معروف آدابوست، بگینگ و دگینگ جهت کلاس‌بندی داده‌ها کمک گرفته شده است. به‌علاوه در بخش بعدی این پژوهش، ادغام چندین تکنیک و در نهایت رأی‌گیری اکثریت با هدف بهبود نتایج صورت گرفته است. نتایج بدست ‌آمده، بیانگر کارا بودن روش پیشنهادی در مقایسه با الگوریتم‌های پایه و همچنین هر یک از تکنیک‌های ترکیبی به‌صورت منفرد بوده است.

امروزه حجم داده‌های چندرسانه‌ای در وب به‌طور چشمگیری در حال افزایش است. بنابراین نیاز به طراحی سیستم‌های جست‌وجو و بازیابی تصاویر به شدت احساس می‌شود. در این مقاله یک روش جدید و کارآمد برای بازیابی محتوا محور تصاویر(CBIR) پیشنهاد می‌شود. برای این منظور تصاویر از فضای رنگ RGB به فضای رنگ YCbCr تبدیل می‌شوند. سپس هر تصویر به کانال‌های خود یعنی Y، CbوCr تجزیه می‌شود. پس از آن تبدیل موجک روی هر کدام از کانال‌ها اعمال می‌شود و ضرایب موجک آن‌ها به عنوان ویژگی‌های تصویر استخراج می‌شود. روش پیشنهادی به مقابله با یکی از مهم‌ترین محدودیت‌ها در بازیابی محتوا محور تصویر، یعنی چالش بین دقت بازیابی و پیچیدگی زمانی آن می‌پردازد. نتایج تجربی روی پایگاه داده Wang که شامل ۲۳۶۳ تصویراست بسیار امیدوار کننده است.

حجم انبوه متون قابل دسترس بخصوص در گستره جهانی اینترنت و اطلاعات موجود در این حجم انبوه، اهمیت استخراج خودکار اطلاعات از متن را بیشتر نشان می‌دهد. استخراج اطلاعات از متن شامل ارائه قالب ساخت‌یافته از اطلاعات دلخواه موجود در متن می‌باشد. در این مقاله به معرفی یک سامانه استخراج خودکار اطلاعات از متون فارسی در دامنه خاص می‌پردازیم. سامانه استخراج خودکار اطلاعات برای زبان فارسی در حوزه اخبار حوادث تروریستی بر اساس ترکیبی از روش‌های یادگیر مانند الگوریتم ماشین بردار پشتیبان و مدل میدان‌های تصادفی شرطی و روش‌های مبتنی بر الگوهای استخراج، معرفی و ارزیابی شده است. نتایج بدست آمده نشان می‌دهد که این سامانه در مقایسه با کارهای مشابه دارای دقت و بازخوانی قابل قبولی است.

هدف سرویس‌های اورژانس پزشکی کاهش مرگ و میر و عوارض ناشی از بیماری‌ها و صدمات می‌باشد. فراهم کردن سریع سرویس‌های اورژانسی پزشکی و کاهش زمان پاسخ، منجر به افزایش نرخ بقاء می‌شود. زمان پاسخ یکی از معیارهای مهم سنجش کارایی سرویس‌های اورژانس پزشکی می‌باشد. روش معمول در اعزام آمبولانس‌ها، فرستادن نزدیک‌ترین واحد در دسترس می‌باشد. یکی از روش‌های که اخیرا در زمینه اعزام آمبولانس بیان شده است، مبتنی بر شبکه‌های پیچیده است. هدف این روش اعزام آمبولانس به تماس‌های می‌باشد که مرکزی‌تر هستند و آمبولانس‌ها سریع‌تر می‌توانند به تماس‌های دیگر خدمت‌رسانی نمایند. از دیگر روش‌ها در زمینه اعزام مبتنی بر پیدا کردن مسیر مناسب برای ماشین‌های سرویس‌دهنده می‌باشد که پیچیدگی زمانی این روش بسیار بالا می‌باشد. رویکرد پیشنهادی در این مقاله، ارایه یک رویکرد ترکیبی بر اساس روش‌های مبتنی بر اندازه‌های مرکزیت از نظریه شبکه‌های پیچیده و استفاده از الگوریتم‌های جستجو در هوش مصنوعی است که هدف آن کاهش زمان پاسخ نسبت به کارهای قبلی می‌باشد. علاوه بر این در رویکرد پیشنهادی، اولویت اورژانسی تماس‌ها نیز در نظر گرفته است. نتایج نشان می‌دهد که روش پیشنهادی نسبت به روش‌های قبلی همانند الگوریتم نزدیک‌ترین همسایه و الگوریتم مرکزیت، زمان پاسخ را بیشتر کاهش می‌دهد.

بیماری فصلی آنفلوآنزا هر ساله باعث مرگ 500.000 نفر در جهان می‌شود. بنابراین جلوگیری از این بیماری و بیماری‌های واگیردار مشابه از اهمیت بالایی برخورداراست. همان‌طور که مطالعات نشان می‌دهد، در صورت تشخیص زودهنگام، می‌توان از بسیاری از بیماری‌های واگیردار جلوگیری کرد. از‌این‌رو، پیش‌بینی شیوع بیماری‌های واگیر نقش مهمی در کاهش خسارات ناشی از آنها دارد. مرکز کنترل و پیشگیری بیماری (CDC) به صورت سنتی داده بیماری شبه آنفلوآنزا (ILI) را جمع‌آوری می‌کند که معمولاً فاصله زمانی تشخیص بیماری تا تهیه گزارش ILI، یک تا دو هفته است. کاهش این زمان، منجر به پیش‌بینی زودتر شیوع بیماری و کاهش هزینه‌های آن می‌باشد. در این مقاله با استفاده از روش‌های یادگیری ماشین، روش‌های جدیدی برای پیش‌بینی داده بیماری شبه آنفلوآنزا مبتنی بر تحلیل داده‌های شبکه اجتماعی توییترارائه شده است. روش‌های پیشنهادی از مدل رگرسیون خطی با ورودی خارجی و مدل سری زمانی با شبکه عصبی برای پیش‌بینی داده بیماری شبه آنفلوآنزا استفاده می‌کنند. ارزیابی‌های انجام شده بر روی داده‌های سال 2009 تا 2010 شبکه توییتر نشان می‌دهند که از طریق روش‌های پیشنهادی امکان پیش‌بینی شیوع بیماری، دو تا چهار هفته زودتر از CDC، فراهم می‌شود. نتایج حاصل نشان می‌دهد که می‌توان توسط شبکه عصبی بیماری آنفولانزا را با خطای کمتر از 5% پیش‌بینی کرد.

شبکه‌های گرید یک سیستم توزیع شده می‌باشد که هماهنگ سازی و اشتراک منابع را در مقیاس بزرگ امکان پذیر می‌سازد. يكي از اهداف اساسي در شبكه‌هاي گريد بالا بردن امکان دسترسی به منابع با هزینه کمتر است. در شبکه‌های گرید ارائه شيوه‌اي هوشمند جهت در اختيار قرار دادن منابع مي تواند در استفاده مفيد از منابع، مؤثر باشد. در واقع چنانچه منابع هوشمندانه انتخاب شوند ميزان استفاده بهينه از منابع افزایش می‌یابد و در نتيجه بر كارايي كل سيستم، تأثير مي‌گذارد. برای اين منظور وجود سيستم‌هاي زمانبندي هوشمند، در اين شبكه ها ضروري است. در اين مقاله، الگوریتمی مبتنی بر Q-Learning برای انتخاب هوشمند منابع پیشنهاد شده است. در این الگوریتم، سیستم تجربیاتی که در حین تعامل با محیط بدست آورده است را ذخیره می‌کند تا در آینده با استفاده از این تجربیات، عمل تخصیص هوشمندانه منابع را انجام دهد. نتایج شبیه سازی نشان می‌دهد که الگوریتم پیشنهادی در مقایسه با الگوریتم‌های بررسی شده، امکان دسترسی به منابع را در مهلت تعیین شده با هزینه کمتری انجام می‌دهد.

شبکه‌های حسگر بی‌سیم نسل جديدي از سیستم‌های تعبيه شده بلادرنگ با محدودیت محاسباتي، انرژي و حافظه هستند که برای نظارت، کنترل محیط و به دست آوردن اطلاعات محیطی جهت اتخاذ تصمیم مناسب در محیط‌های مختلف به کار می‌روند. به دلیل وجود تعداد زیاد حسگر در این شبکه‌ها، کاهش مصرف انرژی آن‌ها با هدف افزایش طول عمر شبکه از اهمیت ویژه‌ای برخوردار است. یکی از رویکردهای مناسب جهت کاهش مصرف انرژی و افزایش طول عمر شبکه خوشه‌بندی گره‌ها می‌باشد که منجر به توزیع انرژی و بار در کل شبکه می‌شود. در این مقاله ما از الگوریتم تکاملی 2FH برای ایجاد خوشه‌های متعادل متصل استفاده می‌کنیم و برای هر گره با وزن‌دهی به مؤلفه‌های محلی انرژی، تعداد همسایگانش و فاصله نسبت به گره‌های همسایه، گره‌هایی را به عنوان کاندید سرخوشه شدن انتخاب می‌کنیم و با استفاده از منطق فازی بر مبنای سه معیار سراسری وزن، پراكندگی و فاصله تا چاهک به انتخاب بهترین سرخوشه‌ها در دوره‌های زمانی مختلف پرداخته‌ایم و به هدف ایجاد تعادل در مصرف انرژی سرخوشه‌ها و افزایش 6/5% طول عمر شبکه نسبت به بهترین روش رسیده‌ایم.