انجمن کامپیوتر ایران

شبکه ی داده های نام گذاری شده، به عنوان الگوی جدیدی برای جایگزینی زیرساخت کنونی شبکه ی اینترنت در نظر گرفته شده است؛ با این تفاوت که در معماری این شبکه، به اشیای داده ای، آدرس تعلق پیدا می کند. این معماری شبکه ای از قابلیت ذخیره سازی درون شبکه ای پشتیبانی می کند تا عملکرد منابع شبکه ای بهبود یابند. یکی از مسائل کلیدی در این شبکه ها، مدیریت و تقسیم عادلانه ی منابع حافظه در شبکه است. در این پژوهش برای یافتن اهمیت هر گره جهت تخصیص حافظه، از دو دسته پارامترهای ایستا و پویای شبکه ای استفاده می شود. پارامتر ایستای مورد استفاده، که مرکزیت میانگی هر مسیریاب می باشد، با تعداد مسیرهای کوتاه بین دو مسیریاب قابل محاسبه است. دو پارامتر دیگر، از نوع پویا و لحظه ای هستند که به اطلاعات پویای شبکه نظیر درخواست های کاربران و ترافیک شبکه بستگی دارند. از این روی، با اعمال دو روش میانگین گیری متحرک وزن دار بر پارامترهای پویا، در ابتدا از کل نمونه های زمانی بدست آمده، متوسط گرفته و سپس با کمک روش تجمیع داده ی تحلیل مولفه ی اساسی، پارامترهای هر مسیریاب با یکدیگر ترکیب شده تا وزنی برای تعیین اندازه ی حافظه ی نهان آن تعیین شود. نتایج ارزیابی نشان دهنده ی بهبود 25 درصدی نرخ برخورد در حافظه ی نهان مسیریاب های میانی شبکه و همچنین کاهش 37 درصدی تعداد بسته های علاقه ی منتظر می باشد.

مهمترین چالش در شبکه‌های حسگر بی‌سیم، مسئله مصرف انرژی است. راهکارهای مختلفی برای حل این مسئله وجود دارد یکی از مهمترین راهکار، بهبود روش مسیریابی در این شبکه ها است. من در این مقاله با ناحیه بندی شبکه و ساختن خوشه درون آن ناحیه‌ها، سعی نمودم علاوه بر کاهش مصرف انرژی، پوشش بهتر شبکه را بدست آورم. همچنین با استفاده از خوشه‌بندی پویا و استفاده کردن از معیار مانند انرژی باقیمانده گره، انرژی کل شبکه و فاصله گره، سعی نمودم گره مناسب‌تر را به عنوان سرخوشه انتخاب کنم. در بررسی انجام شده در این تحقیق، نتایج شبیه سازی نشان می‌دهند خوشه بندی و تعداد خوشه‌های طرح پیشنهادی در مقایسه با چند پروتکل دیگر بهبود یافته است و همچنین کارایی، طول عمر گره‌ها و پایداری شبکه افزایش یافته است.

رایانش ابری به پارادیمی اشاره می کند که سرویس ها از طریق اینترنت و با مدل پرداخت در هر بار استفاده، قابل بکارگیری است. برنامه های جریان کار، برنامه هایی هستند که وظایف در آنها باید با ترتیب خاصی اجرا شود تا کل وظایف کامل شوند. در این مقاله، هدف ارائه الگوریتمی برای زمان بندی وظایف جریان کار در محیط ابر است. برای اجرای جریان کار در ابر معمولاً محدودیت هایی مانند مهلت زمانی، بودجه، انرژی و غیره، در نظر گرفته می شود که بر طبق این اطلاعات، زمانبندی وظایف جریانکار صورت می گیرد. در این مقاله، راهکار نوینی مبتنی بر بهبود الگوریتم کلونی زنبورهای مصنوعی با استفاده از استراتژی تکامل برای زمانبندی وظایف جریانکار در محیط ابر با تابع هدف زمان ارائه شده است. شبیه سازی با کلودسیم صورت پذیرفته و در نهایت، الگوریتم پیشنهادی با سه الگوریتم ژنتیک، ازدحام ذرات و کلونی زنبورهای مصنوعی مقایسه شده است. نتایج حاصل از شبیه سازی نشان داده که الگوریتم پیشنهادی میانگین طول زمانبندی کمتری نسبت به الگوریتم های مذکور دارد.

به دنبال رشد سریع مجموعه داده و پردازش داده های حجیم، حافظه مورد نیاز افزایش یافته و درنتیجه کارایی عملیات به سرعت کاهش می یابد. چگونگی کسب سریع اطلاعات مهم از این داده ها یک مسئله بحرانی است. رایانش ابری راه حل های کارآمد و ارزانی را برای تحلیل و پیاده سازی الگوریتم های کاوش قوانین انجمنی در محیط های موازی ارائه دادهاست. چارچوب نگاشت/کاهش می تواند به عنوان یک مدل برنامه نویسی مناسب در رایانش ابری برای پردازش مجموعه اقلام خیلی بزرگ بر روی خوشه های مناسب مورد استفاده قرار گیرد. در این مقاله، یک الگوریتم Apriori موازی بهبود یافته تحت چارچوب نگاشت/کاهش ارائه می شود که در هر فاز اقلام غیرتکراری در هر تراکنش را از محاسبات تولید مجموعه اقلام کاندید هرس می‌کند. الگوریتم پیشنهادشده، با هدف بهبود الگوریتمk-phase و هرس اقلام غیرتکراری، اقلام کاندید زائد کمتری تولید کرده و در نتیجه حافظه مصرفی و زمان اجرا کاهش می یابد. نتایج آزمایش نشان می دهد الگوریتم ارائه شده برای پردازش داده های حجیم دارای کارایی مناسبی است که مقیاس پذیری الگوریتم را به یک خوشه بزرگ ترممکن می سازد.

‏در یادگیری تقویتی از آنجایی که کل پاداش دریافتی عامل در طول زندگی نه در پایان آن اهمیت دارد، یافتن روش‌هایی که بتواند مقدار پشیمانی را کاهش و سرعت همگرایی به سیاست بهینه را افزایش دهد، حائز اهمیت است. اگر عامل مدل محیط را از قبل بداند با کاوش در آن مانند روش‌های برنامه‌ریزی پویا، می‌تواند سیاست بهینه را بدون تقبل خسارتی بیاید، ولی در مسائلی که در این زمینه با آن روبه رو هستیم این فرض تقریبا غیرممکن است و عامل باید با کسب تجربه از محیط، یادگیری خود را بهبود بخشد. ما در این پژوهش توسط الگوریتم یادگیری مبتنی بر مدل تخمینی‏، از تجربه‌های عامل برای تخمین مدل محیط استفاده می‌کنیم و این مدل که رفته رفته به دقت آن افزوده می‌شود جهت تصمیم‌گیری بهتر در حین زندگی عامل به کار گرفته می‌شود. سیاست تصمیم‌گیری عامل را در دو حالت ε-greedy‏وgreedy‏ براساس مقدار خوش‌بینانه ارزش‌های تخمینی قرار دادیم. نتایج نشان دادند که ‎‏الگوریتم مبتنی بر مدل تخمینی با سیاست ε-greedy علاوه بر این‌ که ‏سرعت یادگیری بیشتری در مقایسه با سیاست greedy براساس مقدار خوش‌بینانه ارزش‌های تخمینی دارد‏، زمان اجرای آن نیز به شدت کمتر است‏. همچنین در مقایسه با یادگیری ‎TD‎(‎λ)هم سریع‌تر است.

آریتمی قلبی یکی از شایع ترین بیماری های ناشی از اختلال در فعالیت الکتریکی قلب است که منجر به نامنظم بودن ضربان قلب، کمتر و یا بیشتر از حد معمول می شود. انواع مختلفی از آریتمی ها از تغییرات پیش آمده در ریتم طبیعی قلب حاصل می شوند و سالانه تعداد بسیاری از افراد مبتلا جان خود را در اثر عوارض این بیماری از دست می دهند. از این جهت، تشخیص و شناسایی به هنگام و زودرس آریتمی ها باعث افزایش شانس نجات بیمار و درمان مؤثر آن خواهد بود. یکی از راه های بررسی عملکرد الکتریکی قلب، استفاده از نوار قلبی است که از ثبت فعالیت الکتریکی قلب بدست می آید. اين مقاله، با استخراج ویژگی های مؤثر از مجموعه داده های شامل اطلاعات بیماران و استفاده از روش های مختلف یادگیری ماشین سعی در تشخیص و دسته بندی آریتمی ها دارد. همچنین، با ترکیب الگوریتم های دسته بندی بررسی شده، روش جدیدی مبتنی بر ترکیب الگوریتم ها بصورت سلسله مراتبی، برای تشخیص نوع آریتمی ها، ارائه شده است. نتایج بدست آمده حاکی از افزایش دقت دسته بندی توسط روش ترکیبی پیشنهادی است.

در دنیای امروز که عصر سرعت می‌باشد، نیاز به طراحی پایگاه داده تحلیلی خودکار به چشم می‌خورد. این طراحی خودکار موجب سرعت بخشیدن به تحلیل داده‌های حجیم شرکت‌ها و سازمان‌ها می‌گردد. همچنین تصمیم‌گیری‌ها نیز مبتنی بر این تحلیل اتخاذ می‌گردند. به‌منظور طراحی خودکار پایگاه داده تحلیلی، لازم است تا جداول حقیقت و ابعاد، با توجه به پایگاه داده پیدا شوند. برای یافتن خودکار جداول حقیقت و ابعاد، روش‌های اکتشافی گوناگونی مطرح‌ شده‌اند. در این مقاله روشی مرکب برای یافتن جداول حقیقت و ابعاد در مدل مفهومی پیشنهاد می‌گردد. روش مرکب، روشی است که هم نیاز کاربر را در برمی‌گیرد و هم با توجه به منابع داده‌ای به دنبال حقیقت و ابعاد می‌گردد. روش ارائه‌ شده در این مقاله با استفاده از نیازهای کاربر که در قالب پرس‌وجو ارائه‌ شده است، به همراه پرس‌و‌جو‌هایی که پیش ‌از این به منابع داده‌ای اعمال‌ شده‌اند، جداول حقیقت و ابعاد را در مدل مفهومی شناسایی می‌کند. به این منظور در ابتدا با استفاده از هریک از روش‌ها به‌صورت جداگانه، شناسایی جداول حقیقت و ابعاد صورت می‌گیرد، سپس با یک روش وزن‌دار حقیقت و ابعاد نهایی مشخص می‌گردند. با توجه به اعمال مطالعه موردی بر روی روش پیشنهادی و نتایج به دست‌ آمده از آن، سرعت این روش در مشخص کردن جداول حقایق و ابعاد نسبت به روش‌های دیگر بیشتر می‌باشد. همچنین صحت جداول مشخص شده با روش دستی مقایسه گردیده‌ است و مورد تایید می‌باشد.

تحولات شگرف دهه های اخیر در حوزه های ارتباط رایانه ای، بی گمان گسترش تجارت الکترونیکی را به یک فرض حتمی بدل ساخته است. در حوزه تجارت الکترونیکی، بکارگیری سیستم های نرم افزاری قوی و تامین نیازهای کسب و کار برای بقای شرکت ها از جایگاه ویژه ای برخوردار است. متدهای چابک، تضمین کننده "تسریع زمان بازار"، "رضایت مشتریان" و "کیفیت بالای نرم افزار" است. انتخاب متد چابک مناسب، براساس تصمیم یپیچیده و چند معیاره استوار است که می تواند پیامدهای شگرفی بر موفقیت سیستم های تجارت الکترونیکی داشته باشد. در این مقاله برای مقایسه متدولوژی های چابک در فضای تجارت الکترونیکی، از روش تحليل سلسله مراتبي استفاده شد. از این رو ابتدا معیارها و زیرمعیارهای مهم تجارت الکترونیکی برای استفاده از متدهای چابک، درسه دسته معیار اصلی "ویژگی های مدیریتی کسب و کار"، "ویژگی های کیفی کسب و کار" و "ویژگی های تیم برنامه نویسی" تعريف شد. سپس معیارها به صورت مقايسه زوجي ارزیابی و وزندهي شد و در آخر نتايج با استفاده از اكسپرت چويس بررسي شد. سپس میزان اهمیت متدولوژی های چابک بر مبنای معیارهای مهم تر تجارت الکترونیکی، براساس نظر کارشناسان بررسی شد. نتایج مطالعه موید آن است که خبرگان، متد XP را نسبت به سایر متدها در تجارت الکترونیکی کارآمدتر می دانند.

یکی از اصول مهم در تدوین معماری سازمانی فناوری اطلاعات، همسوسازی اهدف فناوری و کسب وکار می باشد. عدم استفاده از روش های مناسب در فرآیند تکمیل نیازمندی چارچوب های معماری سازمانی، باعث بروز مشکلات تطبیق پذیری در تنظیم سند معماری سیستم های اطلاعاتی سازمان با زیرساخت های فناوری مناسب و نیازمندی های واقعی محیط می گردد. بخش عمده ای از شکست سیستم های ERP در سازمان ها مربوط به تجویزهای نادرست معماری ناشی از همین عدم تطبیق پذیری ها می باشد. مطالعات سال های اخیر نشان می دهد که چارچوب معماری سازمانی توگف با بهره گیری از روش ADM بهبود یافته و الحاق لایه ی تنظیمات مقدماتی، می تواند به عنوان راهکاری مناسب در مواجهه با این قبیل مشکلات مورد استفاده قرار گیرد. در این مقاله، به تحلیل و بررسی ویژگی های لایه تنظیمات مقدماتی در روش ADM بهبود یافته پرداخته و مبنای تطبیق پذیری چارچوب معماری سازمانی توگف با مولفه های کلان فناوری اطلاعات سازمان را معرفی خواهیم نمود.

بیشینه‌سازی تأثیر یکی از مسائل مهم در شبکه‌های اجتماعی و بازاریابی ویروسی است. هدف این مسأله یافتن تأثیرگذارترین رأس‌های شبکه به منظور گسترش تأثیر است. با توجه به ‎NP‎-سخت بودن این مسأله یافتن یک راه حل کارا و سریع برای آن هدف محققین شبکه‌های اجتماعی است. در این مقاله، روشی جدید مبتنی بر کشف انجمن با رویکردی موازی برای بیشینه‌سازی مسأله گسترش تأثیر بر روی مدل انتشار گرما ارائه می‌شود. به منظور ارزیابی روش ارائه‌ شده، مجموعه داده معتبر ‎NEThep‎ انتخاب‌ شده و با دو روش بیشینه‌سازی گسترش مبتنی بر شناسایی انجمن و ماکزیمم درجه مقایسه شده‌ است. نتایج بدست آمده حاکی از بهبود بیشینه‌سازی گسترش تأثیر با مدل انتشار گرما و کشف انجمن و کاهش زمان اجرایی دارد.

آزمون مبتنی بر مدل براساس نیازمندی های تعریف شده برای سیستم به انجام آزمون می پردازد. هر چه نیازمندی های سیستم دقیق تر و کامل تر باشد، نتایج آزمون ها واقعی تر خواهد بود. در برخی موارد سیستم هایی باید مورد آزمون قرار گیرند که دسترسی به مستندات مشخصات سیستم آن ها وجود ندارد. نیازمندی های بعضی از سیستم ها نیز به مرور زمان به صورت غیر رسمی تغییر یافته ولی مستندات مشخصات نیازمندی ها بروز نشده است. در چنین مواقعی مدل های آزمون طراحی شده نسبت به مدل های طراحی سیستم متفاوت بوده و در نتیجه آزمون هایی که بر مبنای مدل های آزمون انجام می شوند، کامل و قابل اطمینان نخواهند بود. در این مطالعه روشی برای یافتن نواقص نیازمندی ها براساس آزمون رفتار در حال اجرای سیستم در محیط عملیاتی ارائه شده است. در روش پیشنهادی مدل های استفاده از سیستم به کمک تحلیل داده های محیط عملیاتی ایجاد می شوند. داده های ورودی مدل های آزمون براساس مدل های استفاده طراحی شده تعیین می گردند. سپس با مقایسه خروجی های مورد انتظار هر مورد آزمون با نتایج واقعی موجود در محیط عملیاتی، می توان نواقص یا نیازمندی های غیررسمی سیستم را شناسایی نمود. بر همین اساس می توان سند مشخصات نیازمندی ها را تکمیل و یا رفتار سیستم را اصلاح نمود. این روش به منظور اعتبارسنجی برروی سیستمی در دامنه پرداخت الکترونیک اعمال گردیده است.

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.

گراف دید یک چندضلعی ساده در صفحه گرافی است که مجموعه‌ی رئوس آن، مجموعه رئوس چندضلعی است و هر یال آن معادل با دو راس قابل دید در چندضلعی است. یکی از مسائل قدیمی و مهم هندسه محاسباتی شناسايي ويژگي‌هاي چندضلعی ساده در حالت كلي از روی گراف دید آن است. در همين راستا مروری بر مهم‌ترین پژوهش‌های انجام شده در این شرایط خواهیم داشت. در ادامه شرايط ضروري براي آن كه يك گراف، گراف ديد يك چندضلعي ساده باشد مطرح مي‌كنيم و در پایان نشان مي‌دهيم كه اين شرايط كافي نيستند.

در اين مقاله، یک پروتکل ارتباطی چندعامل در یک سیستم نظارت ویدئویی ترافیک شهری به منظورره گیری غیرمتمرکز وسایل نقلیه ارائه شده است. نظارت خودکار ترافیک شهری یکی از حوزه های تحقیقاتی پراهمیت در سیستم های حمل و نقل هوشمند است. تطبیق مشخصه های وسایل نقلیه از منظر چندعامل نظارتی مختلف، یک پارامتر اساسی برای افزایش دقت ره گیری سیستم نظارتی خواهد بود. یک سیستم نظارتی تک عامل شامل محدودیت های ذاتی چون محدود بودن ناحیه دید عامل و انباشتگی خطا در الگوریتم های تفاضل زمینه است. در راهکار پیشنهادی، در نواحی دید مشترک، دو عامل نظارتی مختلف بطور همزمان، یک وسیله نقلیه را ره گیری می کنند و این ساختار نظارتی چندعامل با ناحیه دید مشترک می تواند مشکلات ناشی از همپوشانی وسایل نقلیه در ناحیه دید هر یک از عامل ها را از طریق دیگری مرتفع نماید و لذا سطح بالایی از خطاپذیری را ایجاد کند. لذا با ارائه یک پروتکل ارتباطی بر پایه تبادل پیغام، به ارزیابی دقت ره گیری سیستم نظارتی چندعامل می پردازیم. هدف اصلی از یک سیستم نظارت توزیع شده، کاهش کارآمد نرخ انتقال و همچنین آنالیز صحنه ترافیک بصورتی غیرمتمرکز و ارسال داده های مورد نیاز به دیگر عامل های سیستم نظارتی است. در این ساختار ناحیه دید سیستم نظارتی وسیع تر شده و با ادغام داده های چندعامل، یک وسیله نقلیه می تواند در کل ناحیه دید سیستم نظارت ترافیک شهری بطور یکنواخت ره گیری شود.

در این مقاله الگوریتمی جدید برای تولید چندضلعی‌های ساده تصادفی از روی مجموعه نقاط پراکنده‌ شده در فضای دو بعدی با مختصات اقلیدسی ارائه شده است. این الگوریتم با تقسیم کردن مجموعه نقاط به نواحی مختلف و تولید چندضلعی مربوط به هر ناحیه و اتصال آنها به هم یک چندضلعی ساده تصادفی را تولید می‌کند. این الگوریتم قادر به تولید چندضلعی ساده تصادفی در مرتبه زمانی O(nlogn) است که نسبت به الگوریتم‌های مشابه خود، توانایی تولید چندضلعی‌های متفاوت بیشتری را داراست.

نرم افزارهايي كه اطلاعات خصوصي كاربران را جمع آوري و افشا مي كنند، به طور فزاينده اي در حال افزايش هستند. تا زمانی که این جمع آوري و افشاي اطلاعات برای عملکرد برنامه های کاربردی ضروری باشد، نگراني هايي در مورد حفظ محرمانگي و حريم خصوصي كاربران وجود دارد. در یک محیط پویای دائماً در حال تغییر، نیازمندی های محرمانگی کاربران نیز دچار تغییرات فراوانی می گردد. برای پاسخگو بودن به چنین نیازمندی های تغییرپذیری، به یک تجزیه و تحلیل پیوسته نیاز است تا تهدیدات جدید کشف شود و عملیات لازم برای کاهش آنها صورت پذیرد. همچنین محیط دائماً در حال تغییر باعث می شود که مرز بین فضاهای عمومی و خصوصی محو گردد و این خود علتی برای مشکل تر شدن شناسایی تهدیدات است. حفظ محرمانگی در محیط در حال تغییر یکی از موضوعاتی است که از اِعمال سیاست ها و محدودیت هایی برای افشای اطلاعات استفاده می کند. در این مقاله بهبودی در فاز تصمیم گیری خودکار در خصوص افشای اطلاعات در یک سیستم نرم افزاری صورت گرفته است و نتایج ارزیابی، بیان کننده افزایش دقت و در نتیجه بهبود خودحفاظتی و محرمانگی تطبیق پذیر است.

در روش‌های رایج زیست‌سنجی ثبت داده از اندام‌هایی از بدن صورت می‌گیرد که با چشم قابل دیدن هستند. به همین دلیل امکان تقلید آنها زیاد است. پیشنهاد شده است که به‌جای این‌گونه روش‌ها، از اندام‌هایی از بدن ثبت داده انجام شود که به‌طور ذاتی با چشم قابل دیدن نیستند. این نوع روش‌های زیست‌سنجی، دارای مقاومت ذاتی در برابر جاعلین هستند. هر نوع سیگنال زیستی مانند الکتروکاردیوگرام، الکتروانسفالوگرام، الکترومایوگرام، پتانسیل برانگیخته بینایی و شنوایی می‌تواند یک ویژگی زیست‌سنجی محسوب شوند. در این مقاله از 104 سیگنال الكتروانسفالوگرام فرد سالم در حالت استراحت و چشمان بسته، ویژگی های غیر خطی بعد هیگوچی و بعد پطروسیان استخراج شده و دو کانال بهینه با استفاده از الگوریتم ژنتیک تعیین شده اند. سپس با انتخاب بخش های مرجع از سیگنال هر فرد و تولید ویژگی های مصنوعی و نمونه های حقیقی و جعلی، طبقه بندی ویژگی ها با طبقه بند ماشین بردار پشتیبان انجام شده است و روش پیشنهادی با تغییر نسبت آموزش– آزمایش ویژگی ها از 10-90 درصد تا 90-10 درصد به صحت02/0± 92/79 درصد تا 00/0± 84/99 درصد دست یافته است.

چنانکه فناوری‌ها تکامل پیدا می‌کنند‏، تهدیدات امنیتی نیز پیچیده‌تر می‌گردند. شبکه‌های موبایل شاید یکی از سریع‌ترین فناوری‌های در حال تکامل باشد که با تغییراتی نظیر ایجاد شبکه‌های کاملاً مبتنی بر پروتکل اینترنت‏ و بکارگیری از فناوری‌های مجازی‌سازی‏، قابلیت‌های مدیریتی و عملیاتی جدیدی را برای اپراتورها مهیا ساخته است. در میان ازدیاد فناوری‌هایی که در ایجاد شبکۀ سیّار آینده نقش دارند‏، اپراتورها باید به روش‌های کاهش تهدیدات پیشرفتۀ امنیت اطلاعات نیز مجهز باشند. تحلیل ریسک اولین گام به منظور شناسایی این روش‌ها برای تضمین دارایی‌های امنیتی این شبکه‌ها است. ارزیابی ریسک این شبکه‌ها یک مسئلۀ چالش‌برانگیز است که می‌تواند منجر به نتایج کامل و دقیقی نگردد. اما با این وجود‏، تخمین ریسک وظیفه‌ای مهم به منظور کاهش سوءاستفاده از آسیب‌پذیری‌های امنیتی و تحمیل خسارت به شبکه‌های ارتباطی است. منطق فازی یک روش کارآمد برای مقابله با این موضوع است. در این مقاله‏، ریسک‌های امنیتی موجود در شبکه‌های ارتباطی نسل چهارم با بکارگیری این منطق ارزیابی شده‌اند و نتایج با روش‌های دیگر مقایسه شده است. هدف از این ارزیابی‏، بررسی این است که آیا شبکه در حین عملیات‏، امن و دسترس‌پذیر باقی می‌ماند. همچنین‏، ارزیابی ریسک مبنایی برای انتخاب و پیاده‌سازی روش‌های کاهش مانند سیستم‌های تشخیص نفوذ شکل می‌دهد.

یکی از متداولترین روش ها براي مدل‌سازي سيستم هاي پيچيده، پيش‌بيني، داده‌کاوي فرايندهاي چند متغيره و شناسايي الگو شبکه های عصبی GMDH است. زمان آموزش، یکی از مهمترین چالش ها در اجرای شبکه های عصبی است. تلاش های زیادی در جهت بهبود زمان اجرای آنها صورت گرفته است. موازی سازی یکی از این روش ها است. در این تحقیق هدف، کارایی شبکه عصبی GMDH با استفاده از تکنیک های پردازش موازی بر روی پردازنده های چند هسته ای و گرافیکی بهبود داده می شود. این بهبود با استفاده از موازی سازی در سطح حلقه ها است. یافته های تحقیق کاهش 12.3 برابری زمان اجرای این الگوریتم بر روی GPU نسبت به CPU را نشان می دهد.

تولید خودکار بردار آزمایش یکی از مسایل مهم در آزمون مدارات دیجیتال میباشد. الگوریتم های تولید خودکار بردار آزمایش مبتنی بر روش ارضای بولی طی دو دهه اخیر به دلیل پیشرفت‌های زیاد به عنصر اصلی و اساسی در مدارات دیجیتال تبدیل شده اند. در این مقاله روش ارضای بولی جهت مدلسازی مدار تشریح می شود. سپس یک روش جدید جهت آزمون خطاهای اتصال کوتاه غیربازگشتی در مدارهای ترکیبی بر اساس آن بیان می شود. در این روش با تزریق یک خطا در مدار و مقایسه آن با مدار اصلی می توان آزمون پذیر بودن آن را بررسی کرد. نتایج عملی آزمایش ها در انتهای مقاله نشانگر سودمندی و موثر بودن این روش در مدارات دیجیتال می باشد.