انجمن کامپیوتر ایران

مؤثرترین روش ارتباط افراد ناشنوا زبان اشاره است. اما معمولاً افراد غیرکر و لال آشنایی لازم را با این زبان نداشته و به خصوص در مواقع ضروری قادر به ارتباط با این افراد نیستند. ضرورت دیگر، تسهیل ارتباط ناشنوایان در فضای اینترنت با استفاده از زبان اشاره می‏باشد. بنابراین طراحی یک سیستم مترجم برای ترجمه کردن زبان اشاره به زبان‌های طبیعی لازم به نظر می‏رسد. یکی از پایه‏های اصلی زبان اشاره، اشارات ایستا هستند که تنها با حالت دست مشخص می‏شوند. برای بازشناسی این دسته از اشارات، این مقاله ضمن استفاده از روش‏های غیر خطی مبتنی بر کرنل مانند آنالیز مؤلفه‌های اساسی کرنلی (KPCA ) و آنالیز متمایز کننده کرنلی ( KDA) ، روش‏هایی را نیز برای مناسب سازی آن‏ها برای کاربرد‏های بهنگام‏ ارائه می‏کند. یک روش برای کاهش زمان روش‏های کرنلی استفاده از روش‏های کرنلی سریع می‏باشد. علاوه بر این در این مقاله یک روش هیبرید مبتنی بر روش‏های خطی و غیر خطی، ( HKPCA) و ( HKDA)، برای کاهش زمان روش‏های کرنلی پیشنهاد می‏شود که بر ویژگی‏های حاصل از آنالیز مؤلفه‌های اساسی دوطرفه (BDPCA ) اعمال می‏شود. نتایج شبیه‏سازی نشان می‏دهد که کاربرد روش‏های پیشنهادی علاوه بر کاهش زمان پردازش، به بهبود نرخ بازشناسی نیز منجر می‏شود.

مسأله‌ی زمانبندی پروژه به معنی تعیین زمانبندی مناسب برای تخصیص منابع به فعالیت‌هاست به گونه‌ای که زمان تکمیل و هزینه‌ی کلی پروژه متعادل شوند. این مسأله با در نظر گرفتن زمان مشخص و نامشخص برای اجرای فعالیت‌ها مورد مطالعه قرار گرفتهاست. درزمانبندی پروژه با زمان مشخص اجرای فعالیت‌ها، زمان اجرای هر فعالیت از قبل معلوم بوده؛ در حالی که زمان اجرای فعالیت‌ها در حالت نامشخص، یک متغیرنامعلوم است. برای حل هر یک از مسائل زمانبندی پروژه از روش‌های بهینه‌سازی مختلفی مانند الگوریتم ژنتیک استفاده شده است. در این مقاله،برای حل مسأله‌ی زمانبندی پروژه با زمان نامشخص اجرای فعالیت‌ها، یک استراتژی جستجوی محلی پیشنهاد شده که در صورت اضافه شدن به الگوریتم ژنتیک،همگرایی زودتر به جواب بهینه برای این مسأله تضمین می‌شود.

در اين مقاله يک روش جديد بهینه سازی براساس تركيب آتوماتاي يادگير سلولي و مدل بهینه‌سازی جمعي ذرات(PSO) پيشنهاد شده است. الگوریتم PSO به نحوي تغيير داده شده که مشکلات الگوریتم PSO استاندارد را برطرف سازد. در این روش آتوماتای يادگير وظيفه انتخاب بهترین عمل از بین اعمال قابل انجام توسط PSO را برای تنظيم رفتار ذرات برعهده دارد. عمل انجام شده در اینجا جایگزین کردن اعداد کیاتیکی حاصل از تولید قاعده 30 در آتوماتای سلولی یک بعدی بجای پارامترهای تاثیرگذار الگوریتم PSO استاندارد می باشد. هدف از اين مقاله بهبود در سرعت همگرایی الگوریتم به همراه دقیقتر شدن جستجو برای محاسبه بهینه سراسری می باشد. نتايج آزمايشات بر روي سه مسئله مختلف نشان ميدهد كه روش ارائه شده از عملكرد بهتري در مقایسه با مدل PSO استاندارد و مدل PSO ادغام شده با مقادیر کیاتیکی برخوردار است.