انجمن کامپیوتر ایران

این مقاله، روشی را در سطح معماری برای تصحیح اشکال­های (Faults) رخداده یک­بیتی و چندبیتی در حافظه دستور سیستم­های تعبیه شده ارائه می­دهد. این روش دارای دو مکانیزم است. مکانیزم اول محافظ دستورات انشعاب بوده و قبل از این دستورات، یک دستور خاص درج می­کند و قادر به تصحیح حداکثر 8 اشکال همزمان در هر دستور انشعاب است. مکانیزم دوم محافظ کد عملیاتی کلیه دستورات برنامه بوده و یک دستور خاص دیگر را هر شش خط یک بار در برنامه درج می­کند و قادر به تصحیح اشکال­های یک­بیتی درکد عملیاتی کل دستورات برنامه است. مدل­های اشکال در این روش، اشکال­های چندبیتی حذف دستور پرش و تغییر مقصد دستور پرش و همچنین اشکال یک­بیتی تغییر در کد عملیاتی کل دستورات است. این روش در ریزپردازندۀ OpenRISC پیاده­سازی و صحت عمل آن با شبیه­سازی تحقیق شده است. نتایج ارزیابی تحلیلی نشان می­دهد، پوشش تصحیح اشکال مکانیزم اول برای یک تا هشت اشکال همزمان در یک دستور انشعاب بین 100% تا 32/2% و در مکانیزم دوم برای یک اشکال در کد عملیاتی هر دستور100% است. همچنین نتایج ارزیابی تجربی نشان می­دهد که برای بارهای­کاری مرتب­سازی سریع و مرتب­سازی حبابی، سربار حجم حافظه، به ترتیب 38/54% و 92/49% و سربار زمان اجرا 68/25% و 28/48% است.

منظور از واژه­یابی گفتار يافتن موقعیت مکانی کلمات یا عبارات ویژه در یک گفتار بدون محدودیت و رد کردن قسمتهای نامرتبط گفتار است. در این مقاله ضمن معرفی مسئلة واژه­یابی گفتار در قالب یک مسئلة دسته­بندی دودویی، رویکرد متمایزسازی مبتنی بر ایدة حاشیه- وسیع برای حل آن ارائه شده است. نوآوری رویکرد ارائه شده، مدل نمودن سه مفهوم احتمال حضور يك واج در يك قاب گفتار، كشش زماني واجها و گذار ميان واجها تنها با بهره­گيري از دو تابع اندازة اطمينان و بر اساس ويژگيهاي آكوستيكي، طيفي و آماري قابهاي گفتار، است. رویکرد پیشنهاد شده در شرایط مختلف آزمايش، مورد ارزیابی قرار گرفته است. نتایج ارزیابی­ها دلالت بر کارایی مطلوب در حدود 65/94 معيار FOM، سرعت مناسب برابر با 3/3 معيار RTF و پیچیدگی زمانی و محاسباتی اندک این رویکرد، در هر دو مرحلة آزمون و آموزش دارد.

الگوریتم بهینه سازی توده زنبورهای همکار به نام “MCBSO” در این مقاله ارائه می گردد. “MCBSO” به صورت پیوندی از رفتارهای هوشمندانه زنبورهای عسل و مکانیسمی تکاملی که به آن ترکیب-گروهبندی مجدد می گوئیم، طراحی شده است. در “MCBSO” یک توده به گروههای همکار کوچک تر تقسیم می شود. درون گروهها دینامیک جمعی سریع و بین گروهها دینامیک جمعی کند وجود دارد. الگوریتم پیشنهادی بر روی مجموعه ای از توابع عددی امتحان شده و با کارهای مشابه مقایسه شده است. نتایج نشان می دهند الگوریتم پیشنهادی نه تنها دقت همگرایی خوبی دارد بلکه از سرعت همگرایی بالایی نیز برخوردار است و روشی مطمئن برای بهینه سازی توابع عددی ارائه می کند.

در اين مقاله روشی جدید جهت طبقه‌بندی براساس سطح تصمیم مبتنی بر فاصله، با رویکرد تصویر نزدیک‌ترین همسایه ارائه شده است. روش جدید DBC نام‌گذاری شده است. طبقه‌بند DBC طبقه‌بندی خطی است که تعمیم آن براساس تابع هسته می‌تواند جهت طبقه‌بندی داده‌های جداناپذیر خطی استفاده شود. ویژگی‌های طبقه‌بند DBC عبارتند از: 1 ) مشابه طبقه‌بند k-NN، نیازی به مرحله تعلیم ندارد 2) علی‌رغم طبقه‌بند k-NN، درمرحله آزمایش نیازی به جستجو برای یافتن k همسایه نزدیک ندارد 3) علی‌رغم روش‌هایی مانند SVM، نیازی به رویه بهینه‌سازی ندارد. در طبقه‌بند DBC، برای طبقه‌بندی نمونه ورودی (آزمایشی)، مجموع وزن‌دار فاصله نمونه ورودی با داده‌های تعلیمی هر طبقه محاسبه می‌گردد، سپس برچسب نمونه ورودی براساس طبقه‌ای که کمترین فاصله فوق را دارا باشد، تعیین می‌گردد. با به‌کارگیری چنین قاعده‌ای، یک سطح تصمیم جهت جداسازی نمونه‌های دو طبقه به‌دست می‌آید. طبقه‌بند DBC را برروی داده‌های واقعی آزمایش کرده‌ایم. نتایج آزمایش‌ها، برتری روش DBC را نسبت به طبقه‌بندهای k-NN و SVM نشان می‌دهد.

در اين مقاله، مدلي براي رفع ابهام از کلمات مبهم و داراي معاني متعدد فارسي بر اساس روش دسته¬بندي بيشينه بی¬نظمی و استخراج ويژگي¬هاي جديد پيشنهاد شده است. براي ايجاد اين مدل از دو دسته ويژگي استفاده شده است. دسته اول ويژگي¬ها کلمات و نشانه¬هايي است که همراه کلمه مبهم بکار برده شده¬اند و دسته دوم ويژگي¬ها با بکار بردن روش¬هاي مدل¬سازي موضوع بدست مي¬آيد. يک مدل موضوعي، مدلي آماري براي استخراج چکيده موضوعات موجود در اسناد يک پيکره است. در مقاله حاضر ما از روش بدون سرپرستی تخصيص پنهان دريکله(LDA) براي اين منظور استفاده کرده¬ايم. رفع ابهام از هر کلمه مبهم بعنوان يک مسأله دسته¬بندي جداگانه در نظر گرفته مي¬شود. نتايج آزمايشات براي چهار کلمه مبهم پر تکرار در زبان فارسي که ازپيکره پژوهشکده پردازش هوشمند علائم استخراج شد، دقت حدود 97.67% را نشان مي-دهد که بيان¬گر مؤثر بودن اين روش در يافتن معني مناسب کلمات مبهم است.

يکي از مهمترين مسائل در حوزه هاي مديريت پروژه و مسائل بهينه سازي، زمانبندي سيستم هاي توليد کارگاهي انعطاف پذير (FJSP) مي باشد. در اين مقاله ما زمانبندي سيستم هاي توليد کارگاهي انعطاف پذيررا با هدف مينيمم نمودن ماکزيمم زمان اتمام کارها (Cmax) مورد بررسي قرار خواهيم داد. اين مساله يک مساله NP-Hard محسوب مي گردد. دراين تحقيق يک الگوريتم ايمني مصنوعي بر پايه نگرش سلسله مراتبي براي حل مساله پيشنهاد شده است که در آن براي نمايش آنتي بادي ها از نمايشRandom Key استفاده مي گردد. به منظور نشان دادن کارايي الگوريتم پيشنهادي چندين نمونه از داده هاي موجود در اين مساله مورد استفاده قرار گرفته است. نتايج آزمايشات انجام شده نشان مي دهد که اين الگوريتم توانايي دستيابي به نقاط بهينه را براي داده هاي مختلف دارا است.

زنجيره¬هاي مارکوف زمان پيوسته¬ (CTMCs) براي تحليل کارايي سيستم¬هاي کامپيوتري و ارتباطي مورد استفاده قرار مي‌گيرند. با محاسبه احتمالات حالت پايدار CTMC، بسياري از معیارهای مفيد کارايي به دست می¬آیند. اما مدل¬هاي CTMC براي سيستم¬هاي واقعي بسيار بزرگ بوده و حل آنها زمان¬گیر بوده و از مشکل انفجار فضاي حالت رنج مي¬برند. در اين مقاله يک راه¬حل موازي براي حل حالت پايدار مدل¬های CTMC ارائه مي¬دهيم. در این راه حل مشکل انفجار فضاي حالت را با استفاده از موازي¬سازي روش¬هاي ضمني تخفيف داده‌ايم. زيرا اين روش¬ها قادرند يک نمايش فشرده از CTMC ساختاريافته بزرگ ارائه دهند. آنگاه با استفاده از ترکيب روش¬هاي مستقيم وتکراري حل دستگاه معادلات خطي، يک فن حل حالت پايدار موازي براي CTMC ارائه نموده‌ايم. جزئیات راه حل پیشنهادی و الگوریتم¬های مربوطه در این مقاله ارائه شده است.

يکي از مشکلات بررسي مدل¬ها، توليد فضاي حالت است. به دليل بزرگ بودن فضاي حالت معمولاً مشکل انفجار حالت پيش مي‌آيد. يکي از راهکارهاي حل اين مشکل، استفاده از نمودار تصميم دودويي است. در اين روش، فضاي حالت مدل به جاي نگهداري مجموعه¬اي، به صورت نمادين نگهداري مي‌شود. نگهداري فضاي حالت به صورت نمادين، ذخيره و پردازش فضاي حالت را به ذخيره و پردازش گراف¬ها کاهش مي‌دهد که از هزينه نگهداري و پردازش مجموعه¬ها به مراتب کمتر است. در اين مقاله الگوريتمي براي توليد فضاي حالت نمادين از توصيف سيستم‏هاي تصادفي گسسته رخداد بدست آمده از يک مدل ارائه شده است. استفاده از توصيف سيستم‏هاي تصادفي گسسته رخداد که يک توصيف صوري چندگانه است، اين امکان را مي‌دهد که روش¬هاي صوري سيستم¬هاي تصادفي گسسته رخداد ديگر مثل شبکه¬هاي پتري تصادفي يا شبکه¬هاي فعاليت تصادفي و غيره را به روش صوري SDES تبديل و فضاي حالت نمادين براي آنها توليد کرد. با استفاده از توليد نمادين فضاي حالت با کمک نمودار تصميم¬گيري دودويي مرتب کاهش¬يافته، فضاي حالت بسيار بزرگتري را مي¬توان توليد کرد. در نتيجه با استفاده از اين روش، مي‌توان مشکل انفجار حالت را تخفيف داد.

در سيستم¬هاي محاسباتي مشبک علاوه بر موارد مهمي چون به اشتراک¬گذاري و يکپارچه¬سازي منابع بحث کشف منبع نيز از اهميت خاصي برخوردار است. یکی از روشهاي جديدي که در اين زمينه وجود دارد. روش غيرمتمرکز کشف منبع مبتني بر عامل است که از جستجوي معنايي پشتيباني مي¬کند. در روش کشف منبع به صورت معنايي هرعامل منبع با عامل¬هاي منابع همسايه¬اش براساس دانش محلي تعامل مي¬کند و به صورت پويا زنجيره¬اي از منابع براي کامل¬کردن يک وظیفه خاص تشکيل مي¬شود. زمانبندي وظايف در محيط مشبک از جمله مباحث چالش¬برانگيز در اين محيط است. معمولا زمانبندي در مشبک براي کاهش زمان اتمام وظیفه و يا براي کاهش هزينه اجرا به کار برده می¬شود و نسبت اهميت کاهش زمان اتمام به هزينه اجرايي وظیفه توسط کاربر مشخص مي¬گردد. يک الگوريتم زمانبندي هزينه بايد با توجه به قيمت و توانمندي منابع مشبک، عمل تخصيص منابع به وظیفه¬هاي ناهمگون را طوري انجام ¬دهد که اجراي وظیفه¬ها با مقدار مساوي يا کمتر از بودجه تعيين شده، پايان يابد. در اين نوشتار يک روش جديد کشف زنجیره¬ای از منابع به صورت معنايي مطرح مي¬شود که هزينه منبع یکی از پارامترهای اصلی انتخاب منبع بوده و يک روش نامتمرکز و مبتني¬بر¬عامل است و در پايان نيز نتايج حاصل از شبيه¬سازي ارائه مي¬گردد.

شناسايي حالتهاي چهره و به دنبال آن تشخيص عواطف کاربر نقش مهمي در اثربخشي و افزايش کارايي استفاده از فنّاوريهاي نوين رايانه‌اي دارد و امروزه بخش مهمي از حوزة علم تعامل انسان- رايانه را شکل داده است. درک عواطف به روشهاي مختلفي صورت مي‌گيرد که شناسايي حالتهاي چهره از دقيق‌ترين روشهاي آن است. هدف از اين مقاله ارائه روشي نوين براي شناسايي حالتهاي چهره با استفاده از دوربين وبي متصل به يک رايانه است. براي تشخيص حالتهاي مختلف ابتدا خصيصه‌هاي کليدي استخراج و سپس از رويکرد دسته‌بندي براساس حداقل فاصله براي شناسايي حالتها استفاده شده است. مجموعه‌هاي فازي شهودي با در نظر گرفتن دو درجة «عضويت» و «عدم عضويت» روش مناسبي را براي مواجهه با فضاي عدم قطعيت حاکم بر مسئله پيشنهاد مي‌کند. رويکرد دسته‌بندي استفاده شده در اين مسئله مبتني بر حداقل فاصله بين دو مجموعة فازي شهودي است. نتايج اين پژوهش عملکرد بهتر مجموعه‌هاي فازي شهودي را نسبت به مجموعه‌هاي فازي معمولي در تشخيص حالتهاي چهره نشان مي‌دهد.

مسأله تست مدارهای دیجیتال و آزمایش صحت کارکرد آنها خصوصا در مدارهای مجتمع با اندازه بسیار وسیع (VLSI) از اهمیت بسیاری برخوردار است. در این مقاله طول تست مربوط به نمونه‌های ضد تصادفی برای N بار تشخیص اشکالات موجود در مدارهای VLSI تحلیل گردیده و با کمک تکنولوژی خود آزمایشی داخلی(BIST) مورد ارزیابی و اندازه‌گیری قرار‌گرفته است. سپس این شیوه تست روی مدار سنجش ISCAS85 C432 شبیه‌سازی شده و نتایج آن با محاسبات انجام گرفته مقایسه شده است.

تبدیل حوضچه یک ابزار شناخته شده برای ناحیه‌بندی تصویر است. این تبدیل در ناحیه بندی تصاویری که شامل بافت نباشند کارایی نسبتاً خوبی دارد. اما در ناحیه‌بندی تصاویر منظره که اغلب شامل مقداری بافت نیز هستند کارایی خوبی ندارد و منجر به تولید نواحی اضافی می‌شود. در این مقاله روشی برای ناحیه بندی تصاویر منظره با استفاده از تبدیل حوضچه پیشنهاد شده است. در این روش تبدیل حوضچه روی تصویری اعمال می شود که از روی تصویر اصلی بدست آمده و درآن مرز اشیاء نسبت به تصویر اصلی برجسته شده‌اند. به منظور برحسته‌سازی مرز اشیاء، مقادیر گرادیان شدت روشنایی تصویر در سه مقیاس مختلف بدست آمده و بعد از اعمال آستانه جمع وزن‌دار آنها محاسبه شده است. برای محاسبه‌ی مقادیر گرادیان شدت روشنایی یک مدل فرضی از کورتکس اولیه‌ی بینایی ارائه شده است. نتایج پیاده‌سازی نشان دهنده‌ی کارایی موثر روش پیشنهادی در ناحیه‌بندی تصاویر منظره است.