انجمن کامپیوتر ایران

انتخاب بهترین مجموعه آزمون از بین مجموعه آزمون های مختلف، تأثیر زیادی روی کاهش توان و زمان بکارگیری آزمون دارد. روشهای پیشین انتخاب مجموعه آزمون، به دو معیار کاهش توان و زمان بکارگیری آزمون بصورت جداگانه پرداخته‌اند. در این مقاله دو معیار کاهش توان و زمان بکارگیری آزمون بصورت همزمان در نظرگرفته شده و روش جدیدی ارائه شده است. نتایج شبیه‌سازی روی محک‌های ISCAS 85 بهبود مصرف توان و زمان بکارگیری آزمون را نشان می‌دهد.

شبکه‌های کامپیوتری علیرغم منافعی از قبیل اشتراک منابع، خطراتی را نیز در خصوص امنیت سیستم‌های کامپیوتری به همراه می آورند. از آنجا که ساخت سیستم‌های بدون نقص کاری غیر ممکن به نظر می‌رسد و از طرفی خطای انسانی در پیکربندی سیستم‌ها همیشه وجود داشته است، نیاز به سیستم‌های تشخیص نفوذ به شدت احساس می‌شود. در این مقاله طراحی و پیاده‌سازی یک سیستم تشخیص نفوذ با استفاده از مدل مخلوط گوسی بیان شده است. تکنیک مدل مخلوط گوسی یک روش یادگیری از نوع مولد و احتمالاتی می‌باشد. در این روش، هر یک از دسته‌های ورودی به تنهایی و بدون مقایسه با سایر دسته‌ها، مدل می‌شود. در این روش سعی می‌شود تا توسط مجموعه‌ای توابع توزیع احتمال گوسی که آنها را مخلوط‌های گوسی می نامیم، بهترین توزیع احتمال ممکن برای هر دسته ساخته شود. استفاده از این تکنیک امکان آموزش هر یک از دسته‌ها بدون نیاز به آموزش و تغییر در سایر دسته‌ها را فراهم می‌سازد. آزمایشات انجام شده نشان می‌دهد که این روش در دسته‌هایی که تعداد داده آموزشی زیادی دارند، از کارایی خوبی برخوردار است.

در این مقاله یک پروتکل توزیع شده مبتنی بر اتوماتاهای یادگیر برای چندپخشی متحرک پیشنهاد می‌گردد. نتایج شبیه‌سازی نشان می‌دهد، پروتکل ارائه شده ضمن تضمین دریافت پیغام، تعداد گره‌های سنسوری درگیر، تعداد پیغام‌های رد و بدل شده و میانگین زمان سکون را به میزان قابل توجهی در مقایسه با روش‌های موجود کاهش می‌دهد.

با توجه به افزایش تعداد ورودی‌های جداول مسیر، مسأله‌ی جستجوی آدرس در اینترنت، مسأله‌ای چالش برانگیز می‌باشد. بدلیل سرعت زیاد، کم هزینه بودن و سادگی استفاده، حافظه‌های سه مقداری آدرس‌پذیر براساس محتوی (TCAM ها)، جهت طراحی موتورهای قويِ جستجوی آدرس در مسیریاب‌ها، مطلوب می‌باشند. با این وجود، TCAM ها اگرچه سریع‌ترین ابزار برای جستجوی مسیر هستند ولی دارای مصرف توان نسبتاً زیادی می‌باشند. در این مقاله، برای جستجوی آدرس در مسیریاب‌ها، روشی سخت‌افزاری مبتنی بر TCAM پیشنهاد شده است. معماری پیشنهاد شده، جهت کاهش توان مصرفی، از الگوریتم ساده‌سازی spresso و تكنیك فعال‌سازيِ چندسطحی (MLET)، که توسط ما ارائه شده است، استفاده می‌کند. ارزیابيِ کارایی و شبیه‌سازيِ نرم افزاريِ روش پیشنهادی، نشان می‌دهد که بکارگیری این روش می‌تواند به طور قابل توجه‌ای مصرف توان در جدول مسیر را بهبود ببخشد.

نقش رنگ در بسیاری از کارهای بازرسی غیر قابل انکار می‌باشد. با این وجود، در بعضی کارها، آنالیز بافت به دلایل وجود رنگ‌های غیرمفید یا سطوح غیررنگی الزامی می‌باشد. در اغلب کاربردهای بازرسی سطوح، برای بدست آوردن یک دقت خوب باید مشخصه‌های رنگ و بافت را با همدیگر ترکیب کرد. در همین حال پیچیدگی زمانی روش‌ها باید تا حد ممکن پایین باشد. در این مقاله روشی جدید برای ترکیب ویژگی‌های بافتی و رنگی در کاربردهای بازرسی سطوح ارائه می‌کنیم. ما یک فضای رنگی جدید معرفی خواهیم کرد و ویژگی‌های بدست آمده از آن را با ویژگی‌های بافتی که با استفاده از یک الگوریتم جدید مبتنی برLBP بدست می‌آوریم ترکیب خواهیم نمود. برای کلاس‌بندی تصاویر نیز از شبکه‌های عصبی مصنوعی استفاده می‌کنیم. ما همچنین از یک روش کلاس‌بندی اولیه/ثانویه برای ترکیب ویژگی‌های بافتی و رنگی استفاده می‌کنیم. نتایج روش‌ها با اعمال آنها برای تشخیص خرابی در سطوح فولاد توضیح داده خواهد شد.

در این مقاله سعی شده است تا روشی با الگوریتم مشخص جهت یافتن مدار DCVS بهینه برای توابع منطقی ارائه گردد. برای نیل به این منظور ابتدا با بررسی خانواده‌های مختلف مدارهای منطقی، بخصوص مدارهای DCVS ، تعریفی برای یک مدارDCVS بهینه ارائه گردیده است. سپس با بررسی روش‌های مختلف موجود جهت ایجاد ساختار متناظر هر تابع منطقی در مدار معادل DCVS ، روشی پیشنهاد گردیده است كه توسط آن میتوان به ساختارهایی با سرعت بیشتر و مصرف توان پایین‌تر و نیز هزینه‌ی پیاده‌سازی كمتری دست یافت. مشخصه‌ی اصلی این روش آن است كه بر خلاف روش‌های موجود، طراح درگیر جزئیات طراحی نشده و بدون نیاز به قوه خلاقیت و ابتكار، می‌تواند مدار بهینه‌ی معادل یک تابع منطقی را تولید نماید.

رباتی که در یک محیط شناخته شده به کمک نقشه حرکت می‌کند باید موقعیت خود را علی رغم مشکلات موجود در اثر شرایط طبیعی، محدودیت‌های حسگر و عدم دقت نقشه تعیین کند. اندازه‌گیری دقیق بندرت انجام می‌شود و ترکیب روش‌های تقریبی باعث خطاهای بزرگی در تعیین موقعیت ربات می‌گردد. روش بکارگرفته شده در این مقاله، تعیین موقعیت ربات متحرک با استفاده از خصوصیات هندسی علائم موجود در محیط می‌باشد به طوری که با انتخاب مناسب علائم، می‌توان از بروز خطا جلوگیری نمود. ارزیابی نواحی عدم قطعیت موقعیت ربات برای طرح‌های مختلف از علائم سه گانه کمک می‌کند تا عوامل موثر در انتخاب مناسب علائم فراهم گردد. این عوامل دریک سیستم فازی توانست مطلوبیت تخمین موقعیت را ارائه دهد. نتایج شبیه سازی نشان می‌دهد که این روش در تعیین موقعیت می‌تواند با انتخاب بهینه علائم، دقت و کارایی مناسبی را ارئه دهد.