انجمن کامپیوتر ایران

با گسترش فناوری اطلاعات، تعاملات بر خط بين افرادی که در نقاط مختلف جهان زندگی می‌کنند، افزایش یافته است. با ظهور شبکه‌های اجتماعی، اين تعاملات به‌صورت سازمان‌يافته‌تری صورت گرفته است. يکی از مسائل مهم در تحليل شبکه‌های اجتماعی، يافتن اجتماعات موجود در اين شبکه‌ها است. زیرا تشخیص اجتماعات به ما کمک می‌کند تا دید بهتری نسبت به ساختار شبکه پیدا کنیم. از این رو کشف ساختار اجتماعات در شبکه‌ها می‌تواند به‌عنوان یک مسئله بهینه‌سازی در نظرگرفته شود. برای حل این مسئله روش‌های مختلفی از جمله: افرازبندی گراف، افراز‌بندی سلسله‌مراتبی، خوشه‌بندی افرازی، روش‌های پیمانه‌ای، روش‌های مبتنی بر الگوریتم‌های تکاملی و ... را نام برد که دراین مقاله از الگوریتم‌های تکاملی استفاده شده است. در این مقاله از الگوریتم خفاش که یک الگوریتم تکاملی است، استفاده شده است. الگوریتم خفاش یک الگوریتم هوش مصنوعی است که برگرفته از خصوصیات خفاش‌های کوچکی است که در جستجوی شکار می‌باشند. به‌طوریکه خفاش‌های کوچک می‌توانند در تاریکی مطلق با انتشار صدا و دریافت آن به شکار طعمه‌های خود بپردازند. از آنجاییکه الگوریتم خفاش برای حل مسائل پیوسته مطرح شده است، این موضوع استفاده از آن در کاربردهای گسسته را محدود می‌کند. از این رو در این مقاله یک الگوریتم خفاش گسسته برای شناسایی ساختار اجتماعات در شبکه‌های علامت‌دار پیشنهاد شده است. در روش پیشنهادی، وضعیت خفاش‌ها در قالب گسسته طراحی شده‌ است تا الگوریتم برای حل مسائل گسسته مانند یافتن اجتماعات قابل استفاده باشد. نتایج حاصل از شبیه سازی حاکی از آن است که الگوریتم پیشنهادی نسبت به سایر روش‌های ارائه شده ساختار بهتری از اجتماعات را ارائه می‌کند.

As Moore’s Law scaling tapers off, there is a growing emphasis on improving the energy-efficiency of nanometer ICs through architectural techniques. Recently, approximate computing has been introduced to address the energy-efficiency problems of error tolerant applications in all forms of computing from mobile IoT devices to datacenters and servers. This technique has proved successful in various application domains such as digital signal processing, deep machine learning, and combinatorial optimization. Approximate computing trades accuracy for power, delay, and area in computing systems. One key arithmetic circuit in digital signal processing is multi-bit digital adder that is widely used in today’s user applications. Adders consume significant amounts of system energy and occupy large portions of the processor die area. The need for low power and high-speed circuits as well as the error-resiliency of the digital signal processing systems allow the system designers to innovate energy-efficient approximate adders. This paper examines DrAx, a design remedy for approximation, which provides an automatic method to improve the accuracy of approximate adders with virtually no impact on their power and area consumption. The proposed method is applied to seven state-of-the-art approximate adders for evaluation; our simulation results indicate 12-50% accuracy regarding mean error distance metric improvements are attainable for the baseline approximate adders using the proposed design approach.

In recent years, Android have become a popular operating system for smartphones. Regarding this growing trend, a wide variety of applications are being developed for this platform. Due to limited energy supply on such smartphones, the energy consumption of an application plays a significant role in users’ satisfaction. Recent studies in this field reveals that a considerable number of applications suffer from energy issues. To this end, we are going to provide a systematic framework for application developers aiming to improve the level of energy consumption in application. In this research, we elaborate a profiling technique in order to model users’ behavior in accordance with how they use the application.

با توجه به افزايش لحظه‌اي حجم اطلاعات منتشر شده در اينترنت، يکي از داغ‌ترين موضوعات، تشخيص سريع وقوع يک رويداد از اين اطلاعات مي‌باشد. تشخيص رويداد به دو دسته‌ي گذشته‌نگر و برخط تقسيم مي‌شود که هدف اولي، يافتن رويدادها در مجموعه‌اي از اسناد از پيش جمع‌آوري شده است، درحاليکه دومي بر شناسايي رويدادهاي جديد در جريان‌هاي خبري برخط تمرکز دارد. در اين مقاله، روشي مبتني بر گراف عبارات براي تشخيص برخط رويداد در وب‌سايت‌هاي خبري ارائه شده است. روش پيشنهادي، گرافي از عبارات انفجاري ايجاد مي‌کند که اين گراف براساس هم‌رخدادي عبارات موجود در اسناد تشکيل مي‌شود. در اين روش، ويژگي‌هاي جديدي شامل کليک‌هاي کاربران بر اسناد و فراواني وزن‌دار عبارات موجود در اسناد از دادگان استخراج مي‌شوند. سپس با به کارگيري اين ويژگي‌ها در وزن‌دهي گراف و پس از آن اجراي الگوريتم تشخيص جامعه به‎روي گراف، خوشه‌هاي عبارات توصيف کننده‌ي هر رويداد شناسايي مي‌شوند. نتايج نشان مي‌دهد که روش پيشنهادي از نظر دقت و فراخواني در مقايسه با روش‌هاي گذشته پيشرفت چشمگيري (براي مثال، نزديک به پنج برابر بهبود از نظر معيار دقت) داشته است.

امروزه اینترنت به منبع عظیم و متنوعی از اطلاعات متنی تبدیل شده‌ است، اما کاربران دیگر به دنبال مستندات و مقالاتی برای مطالعه نیستند، بلکه به دنبال جواب صریح سوال‌هایشان هستند. ناهمگونی و عدم وجود ساختار در منابع اینترنتی، دستیابی به اطلاعات مرتبط با یک موضوع خاص را دشوار ساخته است. بنابراین وجود سیستم‌های استخراج اطلاعات قدرتمند که بتواند صفحات وب را در قالب‌هایی ساخت‌یافته مانند پایگاه‌های دانش ذخیره کنند، نیاز مهمی محسوب می‌شود. در سال‌های اخیر استخراج رابطه به عنوان زیربخشی از استخراج اطلاعات، مورد توجه بسیار بوده است. در این پژوهش روشی جهت استخراج رابطه از مقالات ویکی‌پدیای فارسی معرفی شده‌ است. در این روش، استخراج رابطه به کمک الگوهایی که به صورت خودکار با رویکردی مبتنی بر نظارت از دور به دست می‌آیند، انجام می‌گیرد. نتایج به دست آمده نشان می‌دهد که مقدار متوسط صحت برای همه رابطه‌ها 76.81% است. در نتیجه در این روش، میزان تلاش انسانی در حد قابل توجهی کاهش یافته و بهبود صحت در مقایسه با سایر روش‌ها در زبان فارسی مشاهده می‌شود.

با کوچک‌سازي اندازه‌ي ترانزيستورهاي CMOS و پيدايش تکنولوژي‌هاي ميکرومتري، تغييرات فرآيند ساخت به‌عنوان يک عامل تاثير گذار بر بازده ساخت، عدم تطابق در مدار و محدوديت‌هاي کارايي مورد توجه طراحان قرار گرفته است. از طرفي کاهش کارايي ترانزيستورها با افزايش زمانِ کارکرد آن‌ها، يکي ديگر از معيارهاي تغييرپذيري است. يکي از معروف‌ترين سازوکارهاي تنزل ولتاژ آستانه در ترانزيستورها ناپايداري حاصل از دما و باياس است که به‌عنوان مهم‌ترين پديده در سالمندي مدار شناخته ‌مي‌شود. براي مقابله با اين دو چالش رويکردهاي انطباقي در مرحله پس از ساخت نيازمند معماري نظارت کننده براي نمونه برداري و اندازه‌گيري از PV و BTI هستند. در اين مقاله براساس وابستگي بين تاخير و ولتاژ آستانه ترانزيستورهاي MOS دو معماري اندازه‌گيري و نظارت بر سالمندي و تغييرات فرآيند ساخت براي تکنولوژي nm32 با شبيه‌سازي دقيق ارائه مي‌شود که تمام ديجيتال بوده و به تجهيزات بيرون از تراشه نيازمند نيست. با اندازه‌گيري تاخير در راستاي يک زنجيره از ترانزيستورهاي گذر در دو حسگر مجزا براي nMOS ها و pMOS ها و با تکيه بر مفهوم «تقويت تغييرات» اثرات نوسان فرآيند ساخت و سالمندي تحت بررسي قرار مي‌گيرند.

خوشه‌بندي در شبکه‌هاي حسگر بي‌سيم يک روش مناسب جهت ساختار بخشيدن به شبکه بوده و با هدف انتساب مجموعه‌‌اي از گره‌هاي شبکه به يک سرخوشه انجام مي‌گيرد. سرخوشه، داده‌ها را از گره‌هاي حسگر جمع‌آوري نموده و با استفاده از ارتباطات دوربرد براي مرکز اصلي ارسال مي‌نمايد. اين وظيفه مي‌تواند به سرعت انرژي سرخوشه را تحليل ببرد. لذا گره‌هاي سرخوشه بايستي به طور متناوب تغيير کنند. يکي از روش‌هاي اخير براي خوشه‌بندي گره‌ها، الگوريتم BLAC است که علاوه بر درنظرگرفتن معيارهايي از پيش تعريف شده، ميزان انرژي هر گره را نيز در هر تناوب در نظر مي‌گيرد. اين الگوريتم تنها پارامتر طول عمر شبکه را بهبود داده و پارامترهاي ديگر کارايي شبکه از قبيل متوسط نرخ تحويل بسته‌ها، متوسط تعداد گام‌ها تا گره سرخوشه و ميزان پايداري شبکه را در نظر نمي‌گيرد. در اين مقاله با استفاده از معيارهاي جديد کارايي شبکه از قبيل ضريب خوشه‌بندي، رتبه‌بندي گره‌ها و همچنين وزن‌دهي معيارها، نسخه توسعه‌ يافته‌اي از الگوريتم BLAC ارائه مي‌شود که گره‌هاي سرخوشه را به صورت بهبود يافته انتخاب مي‌نمايد. نتايج شبيه‌سازي نشان مي‌دهد که استفاده از معيارهاي پيشنهادي، علاوه‌بر افزايش طول عمر شبکه تا 34 درصد نسبت به نسخه اصلي BLAC ، پارامترهاي ديگر کارايي را نيز بهبود داده است.

امروزه اينترنت اشياء بسيار محبوب و فراگير است بطوريکه به سرعت در زمينه‌هاي گوناگوني کاربرد پيدا کرده است. بسته به محل استفاده از اينترنت اشياء و نحوه ارتباط گره‌ها با يکديگر و با سرور، پروتکل‌هاي متفاوت ارتباطي مورد نياز است که مي‌توان آنها را بر اساس عوامل مختلفي همچون سرعت، توان مصرفي، يک طرفه يا دو طرفه بودن ارتباطات بررسي کرد. با توجه به نيازمندي هاي کاربرد مورد نظر و براساس مصالحه بين معيارهاي مختلف، مي‌توان پروتکل مناسب را انتخاب نمود. در اين مقاله به بررسي و ارزيابي پروتکل دوربرد LoRa که يکي از پروتکل‌هاي پرکاربرد در اينترنت اشياء است پرداخته مي-شود تا براساس معيارهاي مختلفي مانند توان مصرفي، سرعت انتقال داده، محدوده‌ي تحت پوشش و غيره، امکان انتخاب پروتکل و پيکربندي مناسب آن فراهم شود. نتايج ارزيابي نشان مي‌دهد که براي بهبود انرژي مصرفي، براي فواصل کمتر از 3 کيلومتر انتخاب پهناي باند بزرگتر مناسب‌تر است و همچنين براي کاهش تاخير ارسال، انتخاب مقادير کمتر براي SF اولويت دارد.

عارضه کمردرد از جمله شايع ترين بيماري هاست که نزديک به 42 درصد از جمعيت جهان از آن رنج مي برند. اين عارضه مي تواند ناشي از عواملي مانند لغزش مهره کمر، فتق ديسک، تنگي کانال نخايي، تغيير شکل مهره ها و انحراف ستون فقرات باشد. شبکه هاي عصبي کانولوشن در تشخيص عارضه انحطاط ديسک کمر در تصاوير ام آر آي دقت قابل قبولي را از خود نشان داده اند اما در شرايطي که تصاوير ورودي تحت تاثير نويز قرار گرفته شده باشند، شبکه هاي مذکور کارايي خوبي ندارند. در اين مقاله، يک يادگيرنده تجمعي عميق دو لايه اي ارايه شده است که شبکه هاي عميق کانولوشن را نسبت به دو نويز گاوسي و نمک و فلفل مقاوم مي سازد. در لايه اول چهار طبقه بند ماشين بردار پشتيبان، k نزديک ترين همسايه، درخت تصميم گيري و جنگل تصادفي و در لايه دوم، يک شبکه دروازه در نظر گرفته شده است که به هر کدام از طبقه بندها بر اساس دقت فاز آموزش وزني مشخص را تخصيص مي دهد. نتايج آزمايشات نشان مي دهد که روش پيشنهادي دقتي برابر با 98 درصد براي تصاوير با نويز گاوسي و 96 درصد براي تصاوير با نويز نمک و فلفل دارد.

گفتار طبیعی‌ترین، آسان‌ترین و کارآمد‌ترین روش برقراری ارتباط بین انسان‌ها به شمار می‌رود. فناوری تشخیص گفتار به سیستمی که توانایی دریافت صدا را دارد، این امکان را می‌دهد که صحبت کاربر را متوجه شود. بنابراین، دیگر نیاز بسیار کمتری به برقراری ارتباط فیزیکی بین انسان و وسیله موردنظر می‌باشد. فناوری تشخیص گفتار در حوزه‌های مختلفی ازجمله تشخیص فرامین صوتی در خودرو، خواندن نامه‌های الکترونیکی، تبدیل خروجی GPS به صوت، خواندن صفحات وب برای افراد نابینا، لوازم خانگی هوشمند و غیره قابل استفاده است. در این مقاله به پروسه طراحی، جمع‌‌آوری و ارزیابی مجموعه دادگان به زبان فارسی برای رابط صوتی خودرو با هدف کمترین میزان تاثیر منفی بر تمرکز راننده پرداخته شده است. ضبط دادگان با استفاده از تلفن همراه و در شرایط واقعی خودرو صورت گرفته است. مجموعه دادگان این مقاله به دو بخش آموزش و آزمون تقسیم شده‌اند. نتایج ارزیابی دادگان نشان می‌دهند که کارایی بازشناس کلمات تشکیل دهنده فرامین آموزش یافته بر روی این دادگان، در بهترین حالت از صحت %60/83 و دقت %36/82 برخوردار بوده و میزان خطا در سطح کلمه نیز %64/17 می‌باشد.

پیش‌بینی دقیق داده‌های از دست رفته در داده کاوی همیشه یک مشکل چالش بر انگیزه بوده است. در اغلب روش‌ها برای برطرف کردن این چالش، نمونه از دست رفته را از مجموعه داده حذف و یا با مقادیر پیش فرض جایگزین می‌کنند، که این کار کیفیت داده‌های مجموعه داده را کاهش می‌دهد. در این مقاله یک مدل پیش‌بینی با ناظر برای تخمین مقادیر از دست رفته ارائه می‌شود. در ابتدا با استفاده از روش‌های انتخاب ویژگی، ویژگی‌های تاثیرگذار را پیدا کرده و مجموعه داده را به فضای جدید می‌بریم و با استفاده از دسته‌بند K-NN، نزدیک ترین همسایه‌های هم‌کلاس هر داده را در فضای ثانویه پیدا می‌کنیم. با میانگین گیری k همسایه نزدیک هم‌کلاس در فضای ثانویه، مقادیر از دست‌رفته را در فضای اولیه مجموعه داده تخمین می‌زنیم. مدل پیشنهادی بر روی مجموعه داده پزشکی از مخزن دادگان UCI پیاده سازی شده است. مدل با روش‌های معتبر پیشین مورد ارزیابی و مقایسه قرار گرفته است. نتایج بدست آمده نشان می‌دهد که دقت مدل پیشنهادی برای دادگان Hepatitis برابر با ۸۵.۹۶% و دادگان Pima Indians Diabetes برابر با %۷۹.۰۴ و دادگان Wisconsin Breast Cancer به ۹۷.۱۴% رسیده است.

با توسعه سریع فناوری، جمع‌آوری اطلاعات از منابع مختلف سریع‌تر و ارزان شده، در نتیجه داده‌های بیشماری حاوی ویژگی‌های ناهمگن که نمایانگر اشیاء از منظرهای مختلف است در دسترس قرار گرفته، لیکن اهمیت آنها یکسان نیست و ممکن است برخی از آنها نویزی باشند. لذا تعیین وزن مناسب برای هر کدام از منابع داده (منظرها) می‌تواند به ترکیب بهینه آنها و در نتیجه بهبود دقت منجر شود. می‌توان برای توصیف روابط بین نمونه داده‌ها از منظر هر کدام از ویژگی‌ها یک گراف ساخت. گرافی که در آن وزن بین نمونه‌های متعلق به یک کلاس زیاد و بین کلاس‌های مختلف کم باشد مطلوب‌تر است و دقت انتشار برچسب روی آن بالا خواهد بود. در سال‌های اخیر توجه زیادی به طیف گراف‌ها شده است، زیرا طیف گراف‌ها نقش بسیار مهمی در شناختن ساختار گراف ایفا می‌کنند. در این مقاله با بررسی طیف گراف برای داده‌های برچسب دار معیاری برای ارزیابی هر گراف پیشنهاد شده است که ارتباط بسیار نزدیکی با دقت شناسایی هر گراف نشان می‌دهد. در روش پیشنهادی مجموع مقادیر ویژه هر گراف به عنوان معیاری از مناسب بودن ویژگی استفاده شده و روش ساخت گراف پیشنهاد شده است. نتایج بدست آمده نشان می‌دهد که معیار پیشنهادی نشانگر مناسبی برای دقت شناسایی با استفاده از هر گراف است. همچنین نتایج ترکیب گراف‌ها نشان می‌دهد که ترکیب گراف‌های انتخاب شده توسط روش پیشنهادی می‌تواند به دقت بالاتری در مقایسه با استفاده از تک گراف و ترکیب تمام گراف‌ها بدهد.

امروزه یکی از مشکلات کلیدی تمامی سازمان‌ها و کسب و کارهای جهانی، عدم صحیح مدیریت خدمات فناوری اطلاعات و توسعه آنها در جهت تحقق اهداف کلان سازمان است. برطرف نمودن مشکل پیش‌ آمده در هنگام استفاده از خدمات فناوری اطلاعات در سریع‌ترین زمان ممکن و کمترین هزینه، از اولویت‌های کاری بخش فناوری اطلاعات ادارات و سازمان‌های فناوری اطلاعات می‌باشد. یکی از فرآیندهای مرجع زیرساخت فناوری اطلاعات، مدیریت مشکل می‌باشد که هدف آن کاهش اثرات نامطلوب رخدادها و مشکلات بر کسب و کار و جلوگیری از وقوع مجدد آنها است. دراین بخش تحقیق سعی بر آن است که یک مدل برای فرآیند مدیریت مشکل مبتنی بر چارچوب ITIL در نظر گرفته‌ شود که قابلیت اجرا در بخش فناوری اطلاعات ادارات و شرکت‌های تولیدی و سازمان‌های فناوری اطلاعات را داشته‌ باشد. بدین صورت که ابتدا اصول و اهداف این فرایند و اجرای آن در زمینه خدمات فناوری اطلاعات را بررسی‌ کرده و سپس به دنبال روش‌هایی برای غلبه بر چالش‌های موجود باشد. در این تحقیق برای ارزیابی ریشه‌ای علل وقوع مشکلات و امکان تشخیص آنها و دقت بیشتر در محاسبه احتمال وقوع و کنترل آنها از روش FMEA استفاده‌ کردیم که شدت اثر را با شناسایی محاسبه‌ی وزن معیارهای مرتبط با استفاده از رویکرد AHP به دست می‌آوریم. این مدل می‌تواند جهت شناسایی مشکلات، شناسایی علل ریشه‌ای ریسک‌ها به متخصصین فناوری اطلاعات کمک ‌نماید. برای ارزیابی پیشرفت‌های انجام شده، مجموعه‌ای از شاخص‌های عملکرد کلیدی یا KPIها را تعریف می‌کنیم که بتوانیم از آنها برای سنجش یا مقایسه عملکرد خود استفاده‌ کنیم. علاوه بر این از موافقت‌نامه‌های سطح سرویس نیز به عنوان یک پیش شرط برای ارزیابی تحقق وعده‌های مشتریان استفاده می‌کنیم. انتظار می‌رود با پیاده‌سازی و بومی‌ کردن فرآیند مدیریت مشکل و توجه ویژه به خدمات برون‌سپاری شده در ادارات و سازمان‌های فناوری اطلاعات به مواردی همچون تشخیص، ریشه‌یابی مشکلات نرم‌افزاری و برطرف‌کردن دائمی آنها، ثبت مشکلات شناخته‌ شده و راه‌حل آنها جهت مراجعات بعدی و کاهش زمان رفع مشکل برسیم.

در این مقاله، به مکانیابی منابع سیگنال‌های الکتروانسفالوگرافی، با بهره‌گیری از فیلتر ذره ترتیبی (Sequential Particle Filter (SPF)) پرداخته شده است. در پیاده‌سازی الگوریتم SPF، در چهارچوب روش‌های Track Before Detection (TBD)، از داده‌های بدون آستانه‌گذاری استفاده شده است. این رویکرد متناسب با فضای تصادفی، چندنمایی، غیرگوسی و نویزی مسائل مکانیابی منابع سیگنال‌های الکتروانسفالوگرافی، طراحی گردیده است. روش پیشنهادی با توجه به سه فرض رایج نقطهای بودن، تنک بودن و تعداد معین و محدود بودن منابع غالب سیگنال‌های الکتروانسفالوگرافی، به گونهای طراحی شده که با نوعی اعمال فیلترینگ فضایی بر ذرات تولید شده در مراحل مختلف باز نمونه‌برداری الگوریتم فیلتر ذره، ذرات را مختص به هر منبع، با در نظر گرفتن اثر دیگر منابع، دسته‌بندی و باز نمونه‌برداری می‌کند. ویژگی بارز این رویکرد آن است که الگوریتم را نسبت به الگوریتم متداول فیلتر ذره، در برابر نویز مقاومتر می‌کند. نتایج حاصل از اعمال روش پیشنهادی بر داده‌های شبیه‌سازی شده، نشان می‌دهد که این روش ضمن کاهش بار محاسباتی الگوریتم نسبت الگوریتم‌های متداول فیلتر ذره، در داده‌های الکتروانسفالوگرافی با SNR پایین هم از عملکرد بهتری برخوردار است.

انتقال اطلاعات امن یکی از مهمترین دغدغه‌های علوم مخابرات و کامپیوتر است، که این موضوع منجر به تنوع ایجاد آلگوریتم‌های امن رمزنگاری در این زمینه شده است. از آنجا که الگوریتم‌های کوانتومی نسبت به مشابه کلاسیک خود امنیت بالاتری دارند، امروزه مورد توجه بیشتری از طرف علاقمندان این شاخه قرار گرفته‌اند. در این مقاله با ارایه الگوریتم اشتراک رمز کوانتومی با استفاده از توالی ماتریس‌های یکانی که نقش کلید اختصاصی هر یک از شرکت کننده‌ها را بازی می‌کند، توانستیم کلید کوانتومی را بین n شرکت‌کننده به صورت امن به اشتراک بگذاریم.

زنجیره بلوکی گونه‌ای از معماری‌ داده مورد استفاده در فناوری دفاتر کل توزیع شده است که در آن سوابق تراکنش‌ها در زنجیره‌های متصل به یکدیگر ذخیره می‌شوند. بسیاری از صنایع شروع به پیاده‌سازی راه‌حل‌های زنجیره بلوکی برای برنامه‌ها و خدمات خود کرده‌اند. سیستم‌های بانکداری بزرگ دنیا نیز از این قافله عقب نمانده و سعی در بروزرسانی و ارتقاء زیرساخت‌های خود به این تکنولوژی نوین دارند. اگرچه مفهوم زنجیره بلوکی و تعاریف مقدماتی آن جزو مباحثی است که بسیار مورد بررسی قرار گرفته است، اما به مکانیسم‌های اجماع آن که با ‌عنوان الگوریتم‌های اجماع نیز شناخته می‌شوند، چندان پرداخته نشده است. ما در این مقاله الگوریتم‌های اصلی و کاربردی اجماع را تشریح نموده و سپس آنها را از لحاظ فاکتورهای موثر بر کارایی تراکنش‌ها (گذردهی، تأخیر، مقیاس پذیری و غیرمتمرکز بودن) تجزیه و تحلیل نموده و مورد مقایسه و ارزیابی قرار می‌دهیم و با استفاده از روش تصمیم‌گیری چند شاخصه مکانیسم اجماع مناسب‌تر به منظور گذردهی بیشتر و تأخیر کمتر در پردازش‌های بانکی را معرفی می‌نماییم. این مقاله به عنوان راهنمایی برای توسعه دهندگان و محققان برای ارزیابی و طراحی الگوریتم اجماع عمل کارآمدتر برای تراکنش‌های بانکی عمل خواهد نمود.

تکامل نرم‌افزار یکی از قسمت‌های مهم فرایند توسعه نرم‌افزار است. یکی از اثرات منفی ناشی از تکامل نرم‌افزار فرسایش طراحی است. بازآرایی یک تکنیک است که هدف آن مبارزه با این پدیده می‌باشد از این رو بازآرایی یکی از فرایندهای مهم توسعه نرم‌افزار می‌باشد که برای بهبود کیفیت نرم‌افزار بدون تغییر رفتار بیرونی آن صورت می‌گیرد. بازآرایی در سطح مدل همانند بازآرایی در سطح کد می‌باشد و مزایای مشابهی دارد با این تفاوت که بازآرایی در سطح مدل از آنجایی که در مراحل اولیه فرایند توسعه نرم‌افزار انجام می‌گیرد تاثیر بیشتری در کاهش هزینه و افزایش بهره‌وری دارد. انجام به موقع و مداوم این روال در یک پروژه نرم‌افزاری اثرات بلند مدت بسیار مثبتی برای آن خواهد داشت به ویژه زمانی که این امر با ابزار مخصوص به خود انجام گیرد آنگاه بازآرایی یک عمل سریع، آسان و امن برای بهبود کیفیت سیستم‌های نرم‌افزاری می‌باشد. ایده اصلی این پایان‌نامه بررسی خودکار سازگاری در بازآرایی مدل به منظور حفظ رفتار مدل با استفاده از زبان مدل‌سازی Alloy می‌باشد. به همین جهت با بکارگیری الگوهای رفتاری به عنوان یک مولفه قابل استفاده مجدد و خوش تعریف و قوانین سازگاری می‌توان این هدف را تحقق بخشید.

در شبکه‌های اجتماعی افراد بر روی نظرات و رفتار یكدیگر به‌گونه‌ای مستقیم تأثیرگذار می‌باشند. در این شبکه‌ها ابتدا بخشی از افراد رفتار جدیدی اتخاذ کرده و سپس نظرات خود را با دوستان و آشنایان خود به اشتراک می‌گذارند. بدین‌ترتیب به دلیل تأثیر اجتماعی، افراد بیشتری آن رفتار را اتخاذ می‌کنند و اطلاعات در شبکه منتشر می‌شود. این پدیده گسترش تأثیر نامیده می‌شود. یکی از مهم‌ترین مسائل مطرح در بهینه‌سازی گسترش تأثیر، مسئله‌ی بیشینه‌سازی تأثیر می‌باشد. هدف از بیشینه‌سازی تأثیر، انتخاب زیرمجموعه‌ای کوچک از افراد است به طوری که با فعال کردن آنها تحت یک مدل انتشار اطلاعات، بیشترین تعداد از اعضای شبکه تحت تأثیر اطلاعات مورد نظر قرار گیرند. هدف از این پژوهش، ارائه راه‌حلی جهت یافتن تأثیرگذارترین افراد در شبکه‌های اجتماعی با استفاده از الگوریتم اشتراک‌گذاری برازندگی با شعاع اشتراک پویا و تحت مدل آستانه خطی می‌باشد. الگوریتم پیشنهادی، با تبدیل مسئله به یک سازوکار چندوجهی، ضمن حفظ تنوع جواب‌ها و ارائه چندین جواب مناسب از همگرایی زودرس جلوگیری می‌کند. نتایج آزمایش الگوریتم پیشنهادی بر روی مجموعه داده‌های مختلف، نشان می‌دهد که این روش نسبت به الگوریتم حریصانه پایه به طور میانگین در حدود ۶.۳ درصد باعث بهبود در یافتن تأثیرگذارترین افراد در مسئله‌ی بیشینه‌سازی تأثیر می‌شود.

با گسترش روز به روز اینترنت اشیاء یکی از چالش‌های مهم پیش روی آن امنیت است. مقوله امنیت در اینترنت اشیاء گستردگی وسیعی دارد؛ لکن احرازهویت دستگاه‌های موجود در این شبکه‌ی عظیم از اهمیت ویژه‌ای برخوردار است. اما به دلیل مقیاس بزرگ شبکه‌های اینترنت اشیاء و محدودیت منابع دستگاه‌های آن، استفاده از روش‌های احرازهویت متمرکز، با مشکلات عدیده‌ای مواجه است. با ظهور فناوری بلاک‌چین تحقیقات زیادی پیرامون استفاده از آن به عنوان یک پایگاه داده غیرمتمرکز و توزیع پذیر انجام شده است. در این مقاله ما ابتدا یکی از پروتکل‌های پیشنهادی پیرامون استفاده از فناوری بلاک چین برای احرازهویت متقابل دستگاه‌های اینترنت اشیاء را بررسی می‌کنیم و سپس با توجه به نقاط ضعف و آسیب‌پذیری‌های آن، پروتکل احرازهویت متقابلی را برای دستگاه‌های اینترنت اشیاء معرفی خواهیم کرد.

هدف از بازیابی تصویر، جستجوی تصویر خاص از مجموعه داده‌های تصویری می‌باشد. رویکردهای سنتی بازیابی تصویر مبتنی بر متن و محتوا دارای محدودیت شکاف معنایی می‌باشند. آنها نمی‌توانند درک بصری انسان از تصاویر را منعکس کنند. در این پژوهش برای کاهش فاصله معنایی، یک مدل بازیابی تصویر مبتنی بر شبکه عصبی عمیق و K نزدیکترین همسایه پیشنهاد شده است. در مدل پیشنهادی از شبکه عصبی کانولوشن برای استخراج ویژگی تصاویر استفاده شده است. این شبکه با استفاده از لایه‌های کانولوشنی، ویژگی‌های عمیقی از تصاویر را استخراج می‌نماید. شباهت تصویر فرضی با تصاویر آزمون در مجموعه داده‌های تصویری مورد استفاده توسط روش K نزدیکترین همسایه و با استفاده از معیار فاصله اقلیدسی محاسبه می‌شود. برای ارزیابی شبکه از معیار دقت و خطای شبکه استفاده شده است. روش پیشنهادی در مقایسه با روش‌های مشابه علاوه بر پیچیدگی کمتر، دارای دقت 98 درصد می‌باشد.