انجمن کامپیوتر ایران

در بسیاری از مسائل یادگیری ماشین، برچسب‌زنی نمونه‌های آموزشی، امری گران و بعضاً غیرممکن است. به‌جای استفاده از برچسب‌های واقعی، یادگیری مبتنی بر جمع‌سپاری، از آراء کم‌اهمیت‌تر افرادِ نه چندان متخصص استفاده می‌کند، که در عمل بعضاً ممکن است در مورد نمونه‌ها، نظرات آن‌ها بسیار متفاوت باشد. این مقاله با بهره‌گیری از مفهوم کورآنتروپی به بهبود یادگیری از نظرات غیرمتخصص (یادگیری مبتنی بر جمع‌سپاری) می‌پردازد. استفاده از تابع هزینه‌ی کورآنتروپی، تخمین پارامترها را نسبت به برچسب‌های پرت مقاوم می‌کند، در حالی‌که پارامترهای بهینه‌ی تخمینِ برچسب واقعی، نیاز به تخمین از روی نظرات کم اهمیت دارد. لذا تخمین‌گر بیز مجهز به مفهوم کورآنتروپی در جمع‌سپاری پیشنهاد شده است. توابع هزینه‌ی مناسب و مقاوم به نویز، پيشنهاد می‌شود و روابط مورد نیاز از آن‌ها استنتاج می‌گردد. مقایسه روش پیشنهادی با روش‌های ارائه‌شده در ادبيات، روی مجموعه داده‌های Pima Indian Diabetes کارایی و برتری روش فوق را نشان می‌دهد.

افزایش استفاده از شبکه‌های بیسیم همراه با حجم رو به رشد اطلاعات منتقل شده بر روی این شبکه‌ها نیازمند حفاظت در برابر تهدیدات امنیتی است. کانال‌های پنهان می‌توانند هم به عنوان یک تهدید امنیتی و هم به عنوان راهی برای تأمین امنیت در نظر گرفته شوند. روشی برای ایجاد کانال پنهان زمانی در این مقاله ارائه شده است. به این منظور از ویژگی‌های زمانی پروتکل 802.11 استفاده شده است. روش پیشنهادی از توزیع آماری بازه‌های خالی موجود در کانال بیسیم استفاده می‌کند و با دستکاری الگوی ارسال بسته‌های ترافیک آشکار سعی بر ارسال پیام‌های پنهان دارد. این کانال پنهان به نرخ بیت 2000 بیت بر ثانیه با سطح بالایی از پنهان‌شدگی دست می‌یابد.

تشخیص دستگاه قطعات موسیقی سنتی ایرانی همواره برای علاقه مندان موسیقی دستگاهی و ردیف شده ی ایرانی موضوعی بسیار پیچیده و جالب بوده که به دلیل کاربردهای فراوان آن در زمینه هایی مانند آموزش و آهنگ سازی از اهمیت بسیار بالایی برخوردار است. این کار به واسطه صرف شنیدن یک قطعه موسیقی کار بسیار دشواری است و فقط اساتید متبحر موسیقی و یا کسانی که سالها به این سبک موسیقی گوش داده و ساختار تمامی دستگاهها را شناخته اند می توانند از عهده این کار برآیند. همچنین برای دستیابی به این هدف فقط مطالعه ساختار و تئوری موسیقی کافی نیست. در این مقاله روشی خودکار و کارآمد ارائه شده است که در آن بر پایه استخراج نت های نواخته شده و فواصل فرکانسی آنها در قطعات تکنوازی می توان دستگاه و گام یک قطعه موسیقی را مشخص کرد. در این پژوهش، از دستگاه ها و گام های موسیقی متفاوت و سازهای تار و سنتور استفاده شده است و به هیج سبک نوازندگی خاص محدود نشده است. که در پایان با دقت 93 % دستگاه و گام قطعات تکنوازی نواخته شده استخراج گشته است.

SIP یک پروتکل سیگنالینگ لایه کاربرد برای ایجاد، مدیریت و خاتمه جلسات چند رسانه‏ای در شبکه‌‏های VoIP می‏باشد که توسط سازمان IETF استاندارد شده است. این پروتکل به عنوان هسته اصلی شبکه‏‌های نسل آینده توسط ITU نیز به رسمیت شناخته شده است. وقتی که این شبکه به دلایلی مانند طراحی نامناسب، ازدحام آنی، خطای اجزاء و کاهش ناگهانی ظرفیتِ پردازشی، تحت اضافه بار قرار می‏گیرد، کارایی‏اش به شدت افت می‏کند. از آن‏جا که نمی‏‌توان به طور کامل جلوی اضافه بار را گرفت، مهم است که پروکسی‏‌های SIP را به یک مکانیزم موثر کنترل اضافه بار مجهز کرد. در این مقاله جهت کاهش اضافه بارِ پروکسی SIP، از توانمندی‏‌هایِ پروتکلِ TCP در لایه انتقال استفاده شده است. عمده فعالیت‏های موجود در این زمینه با فرض SIP بر روی UDP می‏باشد که در عمل گذردهی بهینه‏‌ای را نتیجه نمی‏‌دهد. ما برای ارزیابی این رویکرد از پروکسی متن باز Asterisk استفاده نمودیم. نتایج پیاده‌سازی ما در یک بستر واقعی، حاکی از بهبود کارایی پروکسیِ Asterisk در شرایط اضافه بار می‏‌باشد.

Real-time operating systems play important roles indeveloping many of today’s embedded systems. Majority of theseembedded systems have intense interactions with the environmentthrough I/O devices, namely sensors and actuators. Interruptsare often used by the operating systems to handle these interactionsthrough executing the corresponding interrupt serviceroutines (ISRs). ISRs are usually executed non-preemptively atsome priorities higher than system tasks. Depending on theinterrupt frequency, this prioritization can result in problemslike unresponsiveness and unpredictability in the system, even forthe high priority tasks. This incurs a type of priority inversionwhich we call it ISR-task priority inversion (ITPI). This paperuses threaded interrupts and employs the priority inheritanceprotocol (PIP) to enforce each interrupt service thread (IST) tobe executed at its owner’s priority, causing less interference withhigher priority tasks. Two PIP-based approaches are proposedand implemented: 1) Static priority linked list, which uses PIPonly when a task starts; experimental results show that thisapproach can tolerate some simple forms of ITPI, and 2) Dynamicpriority bitmap, which employs PIP whenever a task needs anIST; experiments show that more complex forms of ITPI can betolerated with this approach. The almost extensive experimentalresults show that using the dynamic priority approach enhancesthe real-time system predictability compared to the commonapproaches.

با افزایش روزافزون استفاده کاربران از موتورهای جستجو، ترافیک این سایت ها افزایش چشمگیری یافته و این امر باعث شده است تا زمان پاسخگویی به درخواست کاربران، میزان مصرف پهنای باند و بار کاری سرورهای آنها به صورت قابل توجهی افزایش پیدا کند. ایده‌ ی رایج استفاده از تکنیک حافظه نهان برای ذخیره‌سازی پرس‌ و جوهای کاربران و نتایج جستجو می‌باشد که همة مشکلات فوق را به مقدار زیادی تسکین می‌بخشد. حافظه نهان حافظه‌ای سریع ولی با اندازة محدود به حساب می‌آید، بنابراین باید به گونه‌ای طراحی شود تا میزان موفقیت آن بیشتر گردد. یکی از تصمیمات کلیدی در حافظه نهان طراحی الگوریتم های جایگزینی مناسب است، بدین معنی که هنگام پر شدن حافظه نهان، کدامیک از نتایج قدیمی برای جایگزینی نتایج جدید دور ریخته شوند. در این مقاله، یک الگوریتم جایگزینی چندسطحی پیشنهاد می‌شود که بسته به دفعات تکرار پرس و جوها سیاست متفاوتی را برای جایگزینی در مورد آنها اعمال می‌کند. نتایج شبیه سازی نشان می‌دهد که الگوریتم مادر حدود 5 درصد نرخ برخورد بهتری را نسبت به رقبای خود به ارمغان می‌آورد.

در سال های اخیر نقدهای بر خط به یکی از منابع محبوب برای خریداران کالاها بدل گشته است. افرادی که قصد خرید کالا یا خدمتی را دارند از سیستم های نقدهای برخط که غالبا در قالب یک سایت ارائه خدمت می‌کنند برای دانش افزایی خود در رابطه با کالا یا خدمتی استفاده می‌کنند. محبوبیت این سیستم ها مزایای بسیاری را فراهم می‌کنند، اما از جهتی هم پتانسیل موجود در این سیستم ها باعث سوء استفاده رقبای تجاری می‌شود. در سال های اخیر موارد زیادی وجود دارد که نشان می‌دهد رقیبان تجاری برای پیشی گرفتن در عرصه تجارت با استخدام افراد و ارسال نقدهای جعلی توسط این افراد در جهت تخریب رقیب یا ارتقا تجارت خود تلاش می‌کنند. برای تشخیص این نقدهای جعلی اقدامات و پژوهش هایی انجام شده است که بیشتر آنها وابسته به دامنه هستند و از وابستگی های نحوی برای تشخیص نقدهای جعلی استفاده کمی شده است. در این مقاله روشی ارائه خواهد شد که وابسته به دامنه نبوده و از وابستگی‌های نحوی استفاده می‌کند و همچنین یک وزن دهی جدید برای ممیزی بین نقدهای جعلی و واقعی ارائه می‌کند. استفاده از وابستگی‌های نحوی و وزن دهی ارائه شده از روش های ارائه شده پیشین، در زمینه دقت و صحت عملکرد بهتری ارائه می‌کند.

با توجه به اینکه شبکه‌های عصبی عمیق در مدل‌ کردن زیرفضا‌های پیچیده و غیرخطی از توانایی بالایی برخوردار هستند، استفاده از آنها در بازشناسی گفتار در چند سال اخیر بسیار مورد توجه قرار گرفته است. استخراج ویژگی‌های گلوگاهی یکی از ترفندهایی است که سیستم‌های بازشناسی گفتار را قادر می سازد، از توانایی‌شبکه‌های عصبی عمیق در مدل‌ کردن زیرفضاهای غیرخطی استفاده کنند. در این مقاله روشی جهت استخراج ویژگی‌های گلوگاهی مقاوم نسبت به نویز ارائه شده است که در آن از روش آموزش با آگاهی از نویز استفاده شده است. در روش پیشنهادی در هنگام آموزش شبکه‌های خود کد کننده، در لایه‌ی بعد از لایه گلوگاه اطلاعاتی از نویز به‌صورت یک ورودی جدید به شبکه خود کد کننده وارد می‌شود و موجب استخراج ویژگی‌های گلوگاهی نسبتا مستقلی از نویز خواهد شد که در شرایط نویزی در مقایسه با ویژگی‌های گلوگاهی رایج از مقاومت بالاتری برخوردار هستند. مزیت اصلی روش پیشنهادی نسبت به روش آموزش با آگاهی از نویز معمول در عدم نیاز به تخمین نویز در هنگام بازشناسی است، در حالی که روش رایج آموزش با آگاهی از نویز هم در هنگام آموزش و هم در هنگام بازشناسی به تخمینی از نویز نیاز دارد. کارایی روش پیشنهادی در یک سیستم تشخیص فرمان‌های صوتی مورد ارزیابی قرار گرفت. نتایج حاصله نشان می‌دهد که روش پیشنهادی دقت سیستم تشخیص فرمان را تقریبا 5 درصد در شرایط نسبت سیگنال به نویز کم و تقریبا 5/2 درصد شرایط نسبت سیگنال به نویز زیاد، بهبود داده است.

نظر به پیچیدگی‌های بالای موجود در مراکز آموزش الکترونیکی کشور، می‌بایست بتوان با ارائه راه کاری جامع تمامی این مراکز را در داشتن ساختاری مشخص جهت نیل به اهدافشان یاری نمود. مدل‌های مرجع پاسخی برای کمک به مراکز آموزش الکترونیکی جهت داشتن ساختاری مشخص می‌باشند. می‌توان با ایجاد یک مدل معماری سازمانی مرجع و ترکیب آن با مدل‌های جامع بهره وری جهت مراکز آموزش الکترونیکی ایران، وضع مطلوب را در تمامی لایه‌های سازمانی (شامل: لایه کسب و کار، لایه سیستم‌های اطلاعاتی و لایه فناوری) به صورت یک مدل مرجع ارائه نمود. تمامی مراکز آموزش الکترونیکی می‌توانند با حداقل هزینه و زمان این مدل را جهت نیل به اهداف بلند مدت خود سفارشی سازی و اجرایی نمایند. با اجرایی شدن این مدل در هر یک از مراکز آموزش الکترونیکی می‌توان شاهد اجرای کارآمدتر فناوری اطلاعات، بازگشت سریع‌تر سرمایه، کاهش ریسک برای سرمایه گذاری‌های آتی، آماده سازی سریع‌تر، ساده تر و ارزان‌تر منابع، بود. همچنین می‌توان از این مدل به عنوان مرجعی جهت رتبه بندی بلوغ سازمانی مراکز آموزش الکترونیکی نیز استفاده کرد.

در سيستم هاي كامپيوتري عمل جمع جزء اصلي كلية پردازش ها و پايه تمام عمليات حسابي است؛ به طوري كه افزايش سرعت در عمل جمع بر كارآيي كل سيستم تاثير شگرفي دارد. در نظام هاي عددي متعارف، انتشار نقلي باعث وابستگي زمان جمع به طول عملوندها مي شود كه اين مسئله در عمليات با دقت بالا مشكل آفرين است و تاخير زيادي را تحميل خواهد كرد. حال آنكه با به کارگیری نظام هاي عددي نامتعارف افزونه اي، عمل جمع بدون انتشار نقلي و در زمان ثابت قابل انجام است. در اين مقاله، با توجه به اهمیت روزافزون سیستم های محاسباتی مبنای ده، با استفاده از الگوریتم افراز بیت های وزن دار و خاصیت افزونگی ذاتی موجود در ارقام دهدهی، تقسیم بندی جدیدی برای جمع اعداد دهدهی افزونه ای ارائه شده است که با حفظ سرعت، توان مصرفي و مساحت روی تراشه را نسبت به روش هاي پیشین کاهش می دهد. هم چنین خروجی الگوریتم ارائه شده به شکل ارقام علامت دار متقارن و بازه [-7,7] است اما امکان استفاده از تمام فضای کدینگ (بازه نامتقارن [-8,7]) در ورودی وجود دارد.

برنامه های کاربردی مبتنی بر سرویس برای مواجهه با پویایی و پیچیدگی محیط اجرای فرآیندهای خود، نیاز به پشتیبانی از تطبیق پذیری دارند. طراحی تطبیق پذیر فرآیندهای اجرایی به گونه ای که در مواجهه با رخدادهای غیرمنتظره حین اجرا، قادر به تحقق ویژگی های کیفی و نیازهای تطبیق پذیری شوند، این نیاز را رفع می کند. مطالعاتی که در حوزه طراحی تطبیق پذیر فرآیندها صورت گرفته است، به طور خاص منظوره و محدود از دغدغه های تطبیق پشتیبانی می کنند و ارائه روشی که با رویکردی جامع در طراحی فرآیند، مهم ترین دغدغه های تطبیق را پوشش دهد، بدون پاسخ مانده است. در این مقاله روشی برای طراحی تطبیق پذیر فرآیندها در برنامه های کاربردی مبتنی بر سرویس ارائه می شود. کلیات این روش بر اساس یک چرخه حیات استاندارد تطبیق پذیری برنامه های کاربردی مبتنی بر سرویس طراحی گردیده است و دغدغه های تطبیق پذیری در بخش-های مختلف این چرخه حیات را پوشش می دهد. در این روش، طراحی فرآیند به گونه ای صورت می گیرد که فرآیند در حین اجرا، قادر به ارزیابی نیازمندی های پایش، شناسایی رخدادهای پایش، اجرای راهبردهای تطبیق مناسب و در نهایت تحقق نیازمندی های تطبیق است. اجرای راهبردهای تطبیق پذیری، منجر به پیکربندی جدید نمونه های فرآیند در حال اجرا خواهد شد. به منظور ارزیابی یک مطالعه موردی از فرآیند تطبیق پذیر پیاده سازی گردید و ارتقای ویژگی های کیفی زمان پاسخ و قابلیت اطمینان مشاهده شد.

بروز الگوهای گذار در طی انتقال داده‌های متوالی بر روی سیم‌های کانال‌های مابین هسته‌های پردازشی، می تواند منجر به اشکال همشنوایی در شبکه های روی تراشه گردد. با کاهش اندازه ی فناوری و نزدیک شدن سیم‌ها‌، نرخ رخداد اشکال همشنوایی افزایش می‌یابد و منجر به کاهش قابلیت اطمینان و کارایی سیستم و همچنین افزایش توان مصرفی در سیستم‌های مبتنی بر شبکه های روی تراشه می شود. یکی از راه‌های مقابله با اشکال همشنوایی استفاده از کدگذاری های اجتناب از همشنوایی مبتنی بر سیستم های عددی دودویی است که در آن از رخداد الگوهای انتقال مشخص در تولید کلمه کد جلوگیری می شود. اما مشکل این سیستم های عددی دودویی، سربار سیم های اضافی است که به کانال‌های ارتباطی تحمیل می شود. رشد عرض کانال را می توان با نمایش تعداد بیشتری کلمه داده با استفاده از سیستم های عددی سه مقداره کاهش داد. این مقاله یک روش کدگذاری مبتنی بر سیستم عددی سه مقداره با نام 3V-CAC را ارائه می کند که قابلیت سیستم ‌عددی را در نمایش کلمه کد افزایش می دهد. این روش، با کاهش سیم های اضافی موردنیاز برای کدگذاری، موجب کاهش سربار تحمیلی کدگذاری اجتناب از همشنوایی پیشنهادی می شود. ارزیابی های انجام شده نشان می‌دهد، کد 3V-CAC، تعداد سیم های اضافی کانال های ارتباطی را 30 درصد نسبت به کدهای مبتنی برسیستم‌ عددی دودویی فیبوناچی کاهش می دهد.

برای کاوش مجموعه اقلام تکراری مدل های مختلفی مطرح شده اند. مدل پنجره لغزان حساس به زمان یکی از بهترین این مدل هاست چون به کمک آن هم تغییر مفهوم و هم سرعت متغییر جریان داده ورودی را می توان در نظر گرفت. در این مقاله روشی جدید به منظور تخمین میزان تکرار مجموعه اقلام جدید ارائه شده است که از مفاهیم احتمالی استفاده می کند. بر اساس این روش، الگوریتمی سریع ارائه شده است که قادر است در پنجره های حساس به زمان، با میزان حافظه ای قابل قبول، مجموعه اقلام تکراری را کاوش کند. آزمایش های صورت گرفته نشان دهنده کارایی این الگوریتم نسبت به الگوریتم های ارائه شده قبلی است.

گفتار طبیعی ترین و سریع ترین راه برقراری ارتباط میان انسان‌ها است از این رو انگیزه ای در محققان ایجاد کرده است که با استفاده از این روش به تعامل سریع و مؤثر بین انسان و ماشین فکر نمایند. برخلاف پیشرفت هایی که در حوزه بازشناسی گفتار صورت گرفته است، ما هنوز از یک تعامل طبیعی میان انسان و ماشین دور هستیم زیرا ماشین قادر به تشخیص حس گفتار و تولید بازخورد متناسب با احساس درک شده نیست. در طراحی سامانه های تشخیص احساس از گفتار دو مرحله اساسی وجود دارد: 1- انتخاب ویژگی مناسب برای نمایش سیگنال گفتار 2- آموزش مدل دسته‌بند با داده های آموزشی. از آنجا که بسیاری از سامانه های پیشنهاد شده دارای یک مدل دسته‌بند می باشند ما در این مقاله، با استفاده از تئوری احساسات دوبعدی و نمودار مدور ترکیبی احساسات، سامانه ای ‌با ترکیب دو مدل دسته‌بند مدل مخفی مارکوف و بردارتکیه گاه ماشین پیشنهاد کرده ایم. در مرحله اول از ویژگی های عروضی و در مرحله دوم از ویژگی های کپسترال استفاده شده است. درصد دقت بازشناسی در سامانه ‌یپیشنهادی برای ارزیابی مستقل و وابسته به گوینده به ترتیب 67/81 و 35/87 به دست‌ آمده است.

توسعه روزافزون دستگاه‌های رایانه‌ای قابل ‌حمل و ارتباطات بی‌سیم، امکانات مناسبی را جهت جریان سازی ویدئو بر روی شبکه‌های موردی سیار فراهم آورده است. همچنین با توسعه شبکه‌های اجتماعی و ایجاد شبکه‌های پوشان در لایه‌های انتقال یا برنامه کاربردی، شبکه‌های نظیر به نظیر به‌عنوان مفهومی جدید در جریان سازی ویدئو معرفی گردیده است. بااین‌حال جریان سازی نظیر به نظیر ویدئو بر روی شبکه‌های موردی سیار با چالش‌های فراوانی روبرو است. به‌عنوان‌مثال توپولوژی شبکه، کیفیت ویدئو دریافتی و زمان شروع پخش ویدئو از مهم‌ترین چالش‌ها هستند. همچنین با توجه به وابستگی بین فریم‌های ویدئو در کدگذاری ویدئو اهمیت بسته‌های ویدئویی یکسان نیست. در اين مقاله، با استفاده از شبکه پوشان ترکیبی درخت-توری و تقسیم جریان ویدئو ارسالی به دو جریان و ارسال بسته‌های ویدئویی بر اساس اهمیت، روشی جهت افزایش کیفیت ویدئو دریافتی و کاهش زمان شروع پخش ویدئو ارائه‌شده است. در این طرح سعی شده است تا با استفاده از یک ساختار توری مبتنی بر Pull و سپس ساختار درخت مبتنی بر Push عدالت و قابلیت اطمینان همراه با تأخیر کم شروع پخش ویدئو به دست آید. نتایج این تحقیق نشان‌دهنده بهبود مؤثری در کیفیت ویدئو دریافتی و کاهش زمان شروع پخش ویدئو نسبت به روش های رایج می‌باشند.

حجم بالا و رو به رشد داده‌های پیوندی منتشر شده در وب، بر اهمیت موتورهای جستجوی وب معنایی برای بازیابی اطلاعات مورد نیاز کاربران افزوده است. کاربران معمولاً از بین نتایج بازگردانده شده، تنها چند نتیجه‌ی اول مورد بررسی قرار می‌دهند. لذا، ترتیب نمایش نتایج و انتخاب الگوریتم رتبه‌بندی مناسب، تاثیر زیادی در رضایت کاربران از موتور جستجو دارد. با توجه به گسترش حجم دادههای معنایی، مقیاس‌پذیر بودن تنیکهای بکار رفته در موتورهای جستجو معنایی از جمله رتبه‌بندی یک امر ضروری به شمار می‌آید. مدل برنامه‌نویسی‌ نگاشت-کاهش جهت پردازش مجموعه دادههای بزرگ در فضای توزیعی بکار میرود. در این مقاله، با استفاده از مدل برنامه‌نویسی‌ نگاشت-کاهش، میزان ارزشمند بودن هر پاسخ را بر اساس ترکیب رتبه‌های محبوبیت و مرتبط بودن اندازه‌گیری می‌شود. رتبه محبوبیت از طریق تعمیم الگوریتم رتبه‌بندی PageRank روی گراف دو لایه از منابع داده و اسناد معنایی و تخصیص خودکار وزن به پیوندهای معنایی مختلف، محاسبه می‌شود. رتبه مرتبط بودن، از طریق تحلیل محتوای اسناد معنایی و پرسش‌های SPAQL اندازه‌گیری می‌شود. نتایج حاصل از ارزیابی نشان می‌دهد که استفاده از مدل برنامه‌نویسی‌ نگاشت-کاهش باعث بهبود کارایی و سرعت رتبه‌بندی می‌شود

این پژوهش یک روش تشخیص چهره مبتنی بر تئوری ماشین حالت مایع ارائه می‌دهد که قادر است با تعداد محدودی از ورودی‌ها در فاز آموزش، ورودی‌ها را در فاز آزمون با دقت بالایی بازشناسی کند. ماشین حالت مایع که یکی از کلاس‌های شبکه‌های عصبی اسپایکی به شمار می‌رود، توانایی پشتیبانی محاسبات بلادرنگ را با به بکارگیری یک سیستم دینامیکی همگن بعد بالا، که بوسیله ورودی‌های متغیر با زمان آشفته شده است را دارد. یکی از مهمترین کاربردهای ماشین حالت مایع بازشناسی الگو می‌باشد. ما در این پژوهش، یک مدل ساده از قشر بینایی انسان را بوسیله ماشین حالت مایع مدل کرده و با استفاده از این شبکه به بازشناسی چهره پرداخته‌ایم. برای مدل‌سازی ماشین حالت مایع، از ساختار و نحوه اتصالات لایه‌های مختلف قشر بینایی انسان الهام گرفتیم، بطوریکه ساختار و اتصالات آن را مانند قشر بینایی انسان در نظر گرفتیم، که این کار منجر به بهبود قابل ملاحظه‌ای در دقت بازشناسی شد. مهمترین ویژگی روش ارائه شده، بالا بودن دقت بازشناسی چهره با توجه به تعداد نمونه‌های اندک ورودی در فاز آموزش است بطوریکه این شبکه قادر است پس از اتمام فرایند آموزش الگوهای جدید را با دقت بالایی بازشناسی کند.

امروزه زمانبند ربایش کار به صورت گسترده در زمانبندی اجرای وظایف در زبان برنامه نویسی موازی حافظه اشتراکی مانند OpenMP، TBB وCilk++ مورد استفاده قرار می‌گیرد. این در حالی است که در زمانبند ربایش کار کسر بالایی از زمان اجرا، جهت انجام ربایش‌های ناموفق صرف می‌شود که موجب افزایش بی‌مورد فعالیت پردازنده و در نتیجه افزایش دما و توان مصرفی می‌گردد. لذا در این مقاله تلاش شده است تا با استفاده از تعلیق نخ بیکار در زمان وقوع ربایش‌های ناموفق متوالی در زمانبند ربایش کار، میانگین دما و مصرف انرژی پردازنده‌ی چندهسته¬ای کاهش داده شود. راهکار پیشنهادی ما حاوی یک الگوریتم زمانبندی ربایش کار جدید است که با بهبود در فرآیند ربایش کار، دمای تولیدی و مصرف توان پردازنده چندهسته‌ای را کاهش می‌دهد و ممکن است بهبود زمان اجرای برنامه‌های موازی را به همراه داشته باشد. در آزمایش بر روی سیستم واقعی، در بهترین نمونه از اجرای برنامه‌های محک موازی کاهش چشم‌گیر دما و مصرف انرژی پردازنده چندهسته‌ای همراه با بهبود کارایی مشاهده شد به طوری که مصرف انرژی 16 و کارایی 5/2 درصد بهبود داشتند و دما در حدود 7/3 درجه سانتیگراد کاهش یافت.

با افزایش بی‌سابقه در تقاضاها و انتظارات از سرویس‌ها و برنامه‌های هوشمند مبتنی بر رایانش ابری، نیاز به داشتن ابزارهای پیشرفته‌تری که بتوانند به صورت موثرتر، کارایی این سرویس‌ها را ارزیابی کنند و دیدگاه‌های تخصصی‌تری را به‌منظور ارتقاء طراحی‌ها و پیاده‌سازی‌ها فراهم نمایند، زیاد است. بنابراین برای ارزیابی تخصصی و دقیق یک مرکز داده هوشمند که متعاقبا افزایش انعطاف پذیری را در استفاده از منابع موجود برای برنامه‌های کاربردی مبتنی بر رایانش ابری به ارمغان می‌آورد ما نیاز به قالب های شبیه‌سازی شده ای داریم که برای ارزیابی کارایی یک مرکز داده مبتنی بر رایانش ابری بسیار ضروری هستند. این قالب‌های شبیه‌سازی شده نیاز هست که قابلیت توسعه پذیری داشته و به اندازه کافی متنوع باشند که بتوانند هر نوع نیازمندی را پوشش دهند و همچنین به قدر کافی ساده برای استفاده و مدیریت باشند. سربارهای متحمل شده به منظور تامین اهداف ضروری، مستقیما بر روی کارایی یک چارچوب تاثیرگذار است. بنابراین کاهش سربارها باید قسمتی از امکانات برجسته و مهم باشند. دراین مقاله ما مدل مرجعی را که تلاش می‌کند تا چنین نیازمندیهایی را تأمین کند در حین اینکه به سربارها نیز اشاره می‌کند را ارائه می‌دهیم. ما ضرورت استفاده از مفهوم خارج از قفسه را در اجزاء نرم‌افزاری مطرح می‌کنیم و همچنین نتایج کارایی بهتر را در پیاده‌سازی قالب مطرح شده خود ارائه می‌دهیم.

کمپلکس پروتئینی گروهی از پروتئین‌ها هستند که نقش مهمی در فرایندهای زیستی دارند. با توجه به نقش کمپلکس‌هاي پروتئيني در انجام بسياري از عملکردهای سلولي موجودات زنده، کشف آن‌ها مي‌تواند به درک بهتر فرآيندهاي سلولي و توسعه کاربردهاي مبتني ‌بر مهندسي زيستي منجر شود. ازاین‌رو یکی از چالش‌برانگیزترین مسائل موجود در محاسبات زیستی تشخیص کمپلکس‌های پروتئینی در شبکه‌های برهمکنش پروتئین-پروتئین (PPI) است. بیشتر روش‌های محاسباتی موجود مبتنی بر این باور طراحی‌شده‌اند که نواحی متراکم در شبکه PPI ممکن است مطابقت بیشتری با کمپلکس‌های پروتئینی داشته باشند. از طرفی کمپلکس‌های پروتئینی پراکنده تقریباً یک‌سوم کمپلکس‌های ارزیابی را تشکیل می‌دهند، که در روش‌های محاسباتی ذکرشده نادیده گرفته می‌شوند. بنابراین در این پژوهش یک روش دومرحله‌ای برای تشخیص هر دو نوع کمپلکس‌های پروتئینی، متراکم و پراکنده در شبکه تعاملی پروتئینی پیشنهادشده است. در مرحله اول، هسته‌ها را که به‌عنوان قلب کمپلکس‌های پروتئینی است تشخیص داده می‌شود و سپس افزونه‌ها را بر اساس معیار تفاوت تعداد یال‌های درون ماژولی و بین ماژولی و توزیع درجه، به هسته اضافه می‌شود. ارزیابی کارایی روش پیشنهادی و مقایسه با روش‌های قبلی مانند MCODE، DPClus، ADHAC و COACH بر روی شبکه برهم‌کنش پروتئینی مانند DIP نشان‌دهنده‌ی عملکرد بهتر در تشخیص کمپلکس‌های پروتئینی متراکم و پراکنده است.