انجمن کامپیوتر ایران

مدل های گراف یا حتمالا تیاز جمله ابزارهای قدرتمندی هستند که به ما این امکان را می‌دهند که از ارتباطات بین نمونه داده ها به طور کار آمدی بهره ببریم. با استفاده از این مدل ها می تواند در یک قالب واحد و به طور همزمان به حل چند وظیفه (مانند تقطیع، آشکارسازی اشیاء و ..) در مسایل بینایی ماشین پرداخت به گونه ای که اطلاعات در بین وظایف رد و بدل شود. در این مقاله با بهره گیری از یک مدل گرافی سلسله مراتبی و با ترکیب وظایفِ تقطیع، آشکارسازی شیء و رتبه بندی صحنه سعی در بهبود دقتِ قطعه بندی تصاویر را داریم. روش پیشنهادی در مقایسه با مدل پایه و مدل های مرتبط دیگر، میانگین دقت تقطیع تصاویر مربوط به پایگاه داده MSRC-21 را به مقدار قابل توجهی بهبود داده است؛ این در حالیست که مدل پیشنهادی در مقایسه با مدل‌های رقیب بسیار سریعتر عمل می کند.

تخمین هزینه‌های توسعه نرم افزار، بودجه و منابعی مانند زمان و نیروی انسانی، یکی از مهمترین فعالیت ها ‌‌در مدیریت پروژه‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌های نرم افزاری است. میزان خطا در تخمین هزینه‌‌‌‌ها، سهم قابل‌‌‌‌‌‌‌‌ملاحظه ای در موفقیت و شکست یک پروژه دارد. رویکرد عمومی برای تخمین هزینه ها و سایر مسائل پروژه به بدین صورت می باشد که از سوابق و پروژه های مشابه استفاده می شود. متاسفانه تعداد پروژه هایی ‌که اطلاعات آنها به صورت مدون ثبت می شود زیاد نبوده و در این شرایط نکته ای که مطرح است فقدان اطلاعات برخی از ویژگی های پروژه می باشد. از طرفی با استفاده از پایگاه دانش ‌که سوابق و ویژگی های پروژه های قدیمی در آن ثبت شده است برای‌ تخمین منابع مورد نیاز، ابتدا خصیصه های پروژه با اطلاعات موجود در پایگاه داده انطباق داده می شود و تخمین مورد نظر براساس این اطلاعات ایجاد می شود. رگرسیون یکی از روش های مطرح در این زمینه است اما یکی از مسائلی که تجزیه و تحلیل رگرسیون را با مشکل مواجه می کند وجود داده ناقص می باشد. روش پیشنهادی برروی مجموعه داده CM1 اعمال شده است و نتایج بدست آمده نشان می دهد که ترکیب روش نزدیکترین همسایه در رگرسیون چند جمله ای غیرخطی (توان دوم) بهترین پاسخ در مقایسه با سایر رویکرد ها را دارد که حاکی از بهبود دقت و کاهش خطای نسبی است.

امروزه بسیاری از دستگاه‌های سیار مخصوصا سیستم‌های نهفته از باتری به عنوان اصلی‌ترین مخزن انرژی استفاده می‌کنند. عموما سیستم‌های نهفته در کاربردهایی استفاده می‌شوند که بحرانی بوده و باید قیود مختلفی از قبیل زمان، انرژی، و دما در آن‌ها رعایت شود. با افزایش سرعت پردازنده‌ها، مصرف توان پویا و نشتی افزایش یافته است و این درحالی است که باتری‌ها پیشرفت کمتری از نظر ظرفیت ذخیره‌سازی داشته‌اند. بنابراین لازم است قابلیت اطمینان این سیستم‌ها را با ارائه‌ی تضمینی برای بدترین حالت مصرف انرژی، مورد بررسی قرار دهیم. متاسفانه با وجود تغییرات فراوان در الگوی مصرف توان، روش‌های تخمین موجود، توان مصرفی ثابتی را برای یک نرم‌افزار در نظر گرفته و با توجه به آن تحلیل‌های بعدی را انجام می‌دهند. از این رو این روش‌ها ویژگی‌های غیرخطی باتری را نادیده می‌گیرند و این امر باعث کاهش دقت نتایج حاصل از تحلیل می‌شود. در این مقاله با در نظر گرفتن تغییرات مصرف توان در درون یک نرم‌افزار و ویژگی‌های غیرخطی باتری، یک روش تحلیلی ارائه شده است که بدترین حالت مصرف انرژی را با دقت بسیار بالایی تخمین می‌زند. این الگوریتم با پردازش گراف روند کنترل نرم‌افزار، بدترین مسیر مصرف انرژی را، بدون ردگیری تمامی مسیرها تخمین می زند. الگوریتم ارائه شده از مرتبه‌ی خطی بوده و نتایج نشان می‌دهد که دقت روش ارائه شده نسبت به شبیه‌سازی به طور میانگین %99.74 است.

امروزه معماری سرویس‌گرا به‌عنوان روشی اثربخش برای طراحی و توسعه سیستم‌های توزیع‌شده به‌کار گرفته می‌شود. با توجه به محیط پویا و متغیری که این سیستم‌ها در آن قرار دارند، تطبیق‌پذیری به یکی از ویژگی‌های اساسی در سیستم‌های سرویس‌گرا تبدیل شده‌است. تاکنون مطالعات متعددی در زمینه حمایت از تطبیق‌پذیری در این سیستم‌ها انجام شده‌است. با این‌وجود اغلب روش‌هایی که تاکنون معرفی شده‌اند با تمرکز بر تغییراتی که عملکرد سرویس‌های تشکیل‌دهنده این سیستم‌ها را تحت تأثیر قرار می‌دهند، روشی را جهت مقابله با این نوع تغییرات ارائه داده‌اند. این در حالی‌است که برخی از تغییرات محیطی که یک سیستم سرویس‌گرا با آن مواجه است عملکرد مؤلفه همنواساز را تحت تآثیر قرار می‌دهد. در چنین شرایطی استفاده از روش‌های فوق نمی‌تواند موفقیت چشمگیری در تطبیق سیستم داشته‌ باشد. برای مقابله با این تغییرات می‌توان از یک منطق همنواسازی توزیع‌شده استفاده کرد و وظیفه مدیریت سرویس‌ها را به‌نحوی بین مؤلفه‌های همنواساز تقسیم نمود که اثرات سوء تغییرات محیطی را تا حد امکان کاهش دهد. با این وجود، به دلیل زمان‌بر بودن تعیین بهترین گونه همنواسازی، اغلب روش‌هایی که تاکنون برای توسعه سیستم‌های مبتنی بر سرویس با منطق همنواسازی توزیع‌شده ارائه شده‌اند، تنها بر طراحی و توسعه اولیه این سیستم‌ها تمرکز داشته‌اند. بر این اساس در این مقاله روشی برای تغییر پویا و توزیع‌شده همنواسازی ارائه شده‌ است که قادر است در زمان اجرا و با توجه به شرایط محیطی، همنواسازی مناسب سیستم را تعیین نماید. جهت ارزیابی، روش پیشنهادی در یک فرآیند مسیریابی شبیه‌سازی شده مورد استفاده قرار گرفته‌ است. نتایج ارزیابی نشان می‌دهد که این روش در زمان اجرا امکان تغییر همنواسازی را در یک مرتبه زمانی خطی فراهم کرده و همچنین امکان بهبود زمان پاسخ سیستم را فراهم می‌کند.

به طور کلی برنامه‌های هشداری که تاکنون ارائه شده‌اند براساس زمان تنظیم می‌شوند و با یادآوری زمان‌های خاصی که توسط کاربر از قبل تنظیم شده است، در برنامه‌ریزی زمانی به کاربر کمک می‌کنند. در بسیاری از مواقع پیش می‌آید که باید کاری را در یک مکان خاصی انجام دهیم اما فراموش می‌کنیم و نیاز داریم کسی در آن مکان به ما یادآوری کند و یا در سفر، می‌خواهیم زمانی که به یک مکان خاص رسیدیم از آن مطلع شویم، در روش پیشنهادی ارائه شده در این مقاله با استفاده از شبکه عصبی و برنامه موبایل توسعه یافته به فرد کمک می‌شود که در تلفن خود هشدارهایی برای مکان‌های مختلف تنظیم کند و نگران فراموش کردن آن‌ها نباشد. تفاوت اصلی این برنامه با نمونه‌های مشابه این است که به صورت هوشمند با استفاده از شبکه عصبی پرسپترون حرکت فرد در آینده را پیش‌بینی می‌کند که این قابلیت باعث کارکرد و دقت بهتر آن نسبت به دیگر برنامه‌ها می‌شود. همچنین در مدل یادگیری پیشنهادی، امکان یادگیری برخط نیز وجود دارد و برنامه به مرور زمان خود را با کاربر منطبق کرده و طبق نتایج کارایی آن بهبود می‌یابد.

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.

تخمین حرکت، یکی از اجزای کلیدی افزایش نرخ قابدر دنباله‌های ویدئویی است. افزایش نرخ قاب به طور کلی شامل دو مرحله است: تخمین حرکت و درون‌یابی قاب توسط جبران حرکت. در تخمین حرکت، مسیر حرکت بین دو قاب همسایه دنبال می‌شود و بردارهای حرکت تخمین زده می‌شوند. قاب درون‌یابی‌ شده توسط این بردارهای حرکتی به‌دست می‌آید. کیفیت قاب درون‌یابی‌ شده به‌شدت به الگوریتم تخمین حرکت وابسته است. در این مقاله، چهار الگوریتم تخمین حرکت مختلف تحلیل و مقایسه شده‌اند. این چهار الگوریتم عبارتند از: تخمین حرکت یک طرفه، تخمین حرکت دوطرفه، تخمین حرکت تلفیقی از تخمین حرکت روبه جلو و روبه عقب و تخمین حرکت تلفیقی از تخمین حرکت روبه جلو و دوطرفه. در این مقاله، عملکرد الگوریتم‌ها از لحاظ کیفیت بصری، میانگین PSNR و پیچیدگی محاسباتی، مقایسه شده است.

برچسب‌گذاری عمل انتساب برچسب‌های واژگانی به کلمه‌ها و نشانه‌های تشکیل‌دهنده یک متن است؛ به‌صورتی که این برچسب‌ها نشان‌دهنده نقش کلمه‌ها و نشانه‌ها در جمله باشد. یکی از پردازش‌های میانی از متن خام به بازنمایی کامل معنایی، استخراج نقش‌های معنایی در جمله می‌باشد. استخراج نقش‌های معنایی عبارت است از یافتن ارتباط معنایی میان یک فعل و اجزای نحوی موجود در جمله. برای انجام این کار روش‎ یادگیری‌ماشین در انواع نظارت شده، بدون ناظرو نیمه ناظر مطرح شده‌ است. حجم عمده‌ای از این روشها را، روشهای یادگیری نظارت شده تشکیل می‌دهد. عموماً این روش‌ها که دقت بالاتری نسبت به روش‌های بدون ناظر دارند نیاز به حجم بزرگی از دادگان برچسب‌خورده برای پیاده‌سازی دارند. در این تحقیق برچسب‌ معنایی بخشی از پیکره بیجن‌خان را به‌صورت دستی انجام داده‌ایم و از روش نظارت‌شده مدلی برای تشخیص نقش‌های معنایی کلمه‌ها در جمله تولید شده است. برای پیاده‌سازی این کار از روش میدان‌های تصادفی شرطی استفاده شد. با افزودن ویژگی‌های مختلف درصدد بهبود نتایج برآمدیم و به تحلیل نتایج پرداختیم. در نهایت به صحت (Accuracy) برابر با 83.36 درصد دست یافتیم.

استفاده از گفتار برای تشخیص هویت افراد با وجود مزایای زیادی چون کاربرپسند بودن و پیچیدگی پیاده‌سازی کم، محدودیت‌هایی نیز دارد که از آن جمله می‌توان به کاهش دقت این روش در محیط‌های واقعی به دلیل حضور نویزهای مختلف اشاره کرد. تا کنون روش‌های گوناگونی برای حل این مشکل در مراحل مختلف سیستم تایید هویت گوینده یعنی استخراج ویژگی، مدل‌سازی و مقایسه و امتیازدهی ارائه شده است که البته هیچکدام مصون از خطا نیستند. ترکیب روش‌های مختلف در مراحل گوناگون یک راه‌حل مرسوم برای بهبود کارایی سیستم‌های تشخیص هویت است. در این مقاله تاثیر ترکیب ویژگی‌های مختلف در مرحله امتیازات بر کارایی سیستم تایید هویت گوینده، برای چهار بردار ویژگی MFCC، LFCC، IMFCC و PNCC، در شرایط گفتار تمیز و نویزی مورد ارزیابی و مقایسه قرار گرفته است. مدل‌سازی گوینده در فضای بردارهای هویت و بر مبنای الگوریتم i-Vector/PLDA انجام گرفته و در پیاده‌سازی آزمون‌ها برای سیگنال گفتار و نویز به ترتیب از دادگان‌های TIMIT و NOISEX-92 استفاده گردیده است. نتایج آزمون‌ها نشان می‌دهد ترکیب امتیازات حاصل از بردارهای متفاوت انرژی خطای سیستم تایید هویت گوینده را كاهش می‌دهد و این کاهش در برخی حالات بسیار چشمگیر است.

اینترنت و سرویس‌های مبتنی بر آن، به‌طور قابل توجهی کسب و کارهای مختلف از جمله صنعت گردشگری را تحت تاثیر قرار داده و تنوع بسیاری در سرویس‌ها و محصولات آن فراهم آورده‌اند. با افزایش چشمگیر تعداد انتخاب‌ها در بسته‌های سفر، هتل‌ها، جاذبه‌های گردشگری و ...، پیدا کردن آن چه که گردشگر بدان نیاز دارد، بسیار دشوار شده است. به همین دلیل، سیستم‌های توصیه‌گر گردشگری مورد توجه محققان و کسب و کارها قرار گرفته‌اند. جاذبه‌های گردشگری، اغلب دلیل تمایل افراد به سفر و گردشگری هستند. این تحقیق، یک سیستم توصیه‌گر اجتماعی-ترکیبی را در بستر تجارت اجتماعی پیشنهاد می‌دهد که می‌تواند یک فهرست شخصی‌سازی شده از جاذبه‌های گردشگری برای هر گردشگر، مبتنی بر تشابه تمایلات و علایق کاربران، اعتماد، شهرت، روابط و جوامع اجتماعی ایجاد کند. در مقایسه با روش‌های قدیمی پالایش مشارکتی و مبتنی بر محتوی و ترکیبی، مزیت روش پیشنهاد شده جامعیت به‌کارگیری از فاکتورهای مختلف و لحاظ کردن فاکتور اعتماد در منابع توصیه مانند شناسایی رتبه‌دهی‌های برون هشت می‌باشد. نتایج حاصل از آزمایش‌ها برتری روش پیشنهادی نسبت به سایر روش‌های رایج را تایید می‌کند؛ مدل پیشنهادی، می‌تواند در توصیه سایر محصولات و سرویس‌ها در صنعت گردشگری و دیگر کسب وکارهای اجتماعی بکار گرفته شود.

Simeck خانواده‌ای از سه الگوریتم رمز قطعه‌ای سبک وزن است که با الهام از اجزای طراحی Simon و Speck از سازمان امنیت ملی آمریکا (NSA)، در سال 2015 توسط Yang، Zhu، Sudar، Aagaard، و Gong معرفی شد. یک نسخه با کلید K بیتی و قطعه‌ی N بیتی از این الگوریتم رمز با SimeckN/K نشان داده میشود که بسته به مقادیر N و K الگوریتم 32، 36، و 44 دوری است. این مقاله اولین نتایج حملات مکعبی بر روی Simeck32/64 با تعداد دورهای مختلف را ارائه میدهد. حمله مکعبی بر روی همه‌ی الگوریتمهای رمز قطعه‌ای و دنباله‌ای قابل انجام است، ولی اعمال آن همراه با پیچیدگیهایی است. از این نظر تحقیق بر روی آن و نحوه‌ی بکارگیری آن دارای ارزش است. تحلیلهای مکعبی ما شامل حمله‌ی کلاسیک، تشخیص غیرتصادفی بودن، تحلیل با تکنیک حدس کلید، و حمله‌ی کانال جانبی، به ترتیب بر روی Simeck32/64 با 10، 14، 19 و 32 دور کامل با موفقیت انجام شدند.

سادگی روش‌های پردازش تصویر و فراوانی ویژگی های کیفی محصولات کشاورزی باعث شده است، تا پردازش تصویر در حیطه کشاورزی پیشرفت های بسیاری داشته باشد. در این مقاله، با استفاده از روش های پردازش تصویر به طبقه‌بندی میوه پرتقال بر اساس ضخامت پوست پرداخته شده است. با قرار دادن پرتقال ها در یک جعبه مخصوص که شرایط تصویر برداری یکسان را برای همه نمونه‌ها ایجاد میکند، از تمامی نمونه ها تصویر تهیه گردیده است. پس از جداسازی میوه از پس‌زمینه تصویر، با استفاده از تکنیک های ناحیه بندی، ویژگیهای الگوی باینری محلی برای بافت پوست استخراج میشود. سرانجام با استفاده از روش دسته بندی KNN، نمونه‌ها در سه دسته : پوست نازک، پوست معمولی و پوست ضخیم دسته‌بندی شدند. نتایج به‌دست آمده نشان می‌دهد که طبقه‌بندی پرتقال‌ها با استفاده از ویژگی تولید شده توسط الگوی باینری محلی کامل، قابل قبول است.

در سال‌‌های اخیر، دمای بالا و توان مصرفی زیاد در پردازنده‌های چند‌هسته‌ای به یک چالش اساسی برای سازندگان و کاربران این پردازنده‌ها تبدیل شده است. با رشد دمای پردازنده، هزینه‌های خنک‌سازی و مصرف توان افزایش یافته و طول عمر پردازنده کاهش می‌یابد. مطالعات ما نشان می‌دهد که تا کنون هیچ یک از راهکارهای مدیریت دمای مطرح شده در سطح سیستم‌عامل، آگاهی از وجود زمانبند ربایش کار در برنامه‌های موازی را در نظر نگرفته‌اند. در این تحقیق، یک الگوریتم مدیریت دمای پویا در سطح سیستم‌عامل پیشنهاد شده است که در اجرای برنامه‌های موازی ربایش کار، دمای پردازنده را کمتر از محدودیت درخواستی کاربر مدیریت می‌کند. از این رو، ما دو مدل دمایی و کارایی را جهت پیش‌بینی دمای آینده و تخمین میزان تغییرات کارایی برنامه پیشنهاد دادیم. با استفاده از مدل‌های پیشنهادی، الگوریتم پیشنهادی تعداد هسته‌های فعال و فرکانس پردازنده را به نحوی تعیین می‌کند که دما پایین‌تر از محدودیت دمایی تعیین شده نگه داشته شود و کمترین آسیب ممکن به کارایی برنامه وارد گردد. آزمایشات بر روی سیستم واقعی نشان داد که الگوریتم پیشنهادی به طور میانگین 28 درصد کارایی بالاتری از الگوریتم آگاه از همسایگی داشته و برخلاف این الگوریتم، هرگز از محدودیت دمایی تعیین شده تخطی نمی‌کند.

شبکه‌های حسگر بی‌سیم مجموعه‌ای از گره‌های حسگر کوچک هستند که هر یک از آن‌ها توانایی جمع‌آوری اطلاعات از محیط پیرامون خود و ارسال آن‌ها به یک ایستگاه پایه را دارند. یکی از عوامل موثر در بقای شبکه، محدود بودن انرژی موجود در این گره‌های حسگر می‌باشد. پروتکل‌های خوشه‌بندی یک رویکرد کارآمد برای تعدیل بار بین گره‌های حسگر و افزایش طول عمر شبکه هستند. با خوشه‌بندی داده‌های ارسالی، گره‌های درون خوشه توسط سرخوشه تجمیع شده و به ایستگاه پایه ارسال می‌شوند. با این حال، این پروتکل‌ها انتخاب مناسب‌ترین گره جهت سرگروه شدن را تضمین نمی‌نمایند. بدین منظور، در این مقاله یک الگوریتم جدید برمبنای الگوریتم‌های خوشه‌بندی و مسیریابی‌های چندگامه ارائه شده است. الگوریتم پیشنهادی با مکانیزمی خاص محیط شبکه حسگر را لایه‌بندی میکند و در هر لایه تعداد بهینه سرخوشه‌ها را مشخص کرده و سپس با استفاده از الگوریتم فراابتکاری PSO بهترین گره‌ها را برای سرخوشه شدن انتخاب می‌نماید. نتایج شبیه‌سازی الگوریتم پیشنهادی در محیط‌های مختلف با تعداد گره‌های متفاوت، نشان می‌دهد که الگوریتم پیشنهادی از نظر افزایش طول عمر شبکه نسبت به پروتکل‌های LEACH و ELEACH به طور میانگین حدود 40 درصد عملکرد بهتری داشته است.

در این مقاله، با مرور سیستم¬های اطلاع¬رسان ترافیک و بررسی اشکالات موجود، به معرفی معماری جدید برای سیستم اطلاع-رسان، برپایه¬ی بستر ارتباط تعاملی پرداخته شده است. در سیستم¬های اطلاع¬رسان امروزی، انتشار یک¬سویه اطلاعات ترافیکی به رانندگان باعث عدم اطلاع از میزان تاثیر اطلاعات بر روی رفتار ترافیکی رانندگان شده است. در تحقیقات اخیر نیز نشان داده شده که تاثیر انتشار گسترده اطلاعات ترافیکی، ممکن است با هدف کاهش ازدحام ناسازگار باشد. ماهیت تاخیری اطلاعات ترافیکی منتشر شده، با توجه به ماهیت دینامیکی ترافیک، ایراد دیگری است که بر معماری فعلی وارد است. در معماری پیشنهادی، با استفاده از ظرفیت¬های شبکه اینترنت و همچنین امکان استفاده از تلفن همراه هوشمند که در دسترس بسیاری از رانندگان قرار دارد، سازوکاری دوسویه برای تشخیص و پیش¬بینی وضعیت ترافیک و همچنین راهنمایی اختصاصی به رانندگان طراحی شده است. این روند دوسویه، منجر به کنترل میزان تاثیرگذاری سیستم اطلاع¬رسان بر وضعیت ترافیک شده و باعث بهبود وضعیت ترافیک خواهد شد. برای کمّی¬سازی بهبود ترافیک و مقایسه عملکرد معماری جدید با معماری فعلی، شبیه¬سازی انجام شده و نتایج تحلیل شده است. نتایج شبیه¬سازی، عملکرد بهتر معماری جدید را در مقایسه با معماری قبلی و با حالتی که هیچ سیستم اطلاع¬رسانی موجود نباشد، نشان داده است.

رشد جمعیت، گسترش شهرنشینی و به ویژه افزایش استفاده از خودروهای شخصی در دهه های اخیر و به تبع آن پیچیدگی رفتار حمل و نقلی سفرکنندگان، منجر به مشکلات جدی اقتصادی، حمل و نقلی و زیست محیطی در تمام نواحی شهر تهران شده است.یکی از موثرترین شیوه های کاهش مشکلات فوق ، مدیریت صحیح تقاضا وشناخت درست و بهنگام الگوهای تقاضای سفر می باشد.با توسعه سیستمهای نوین فناوری و همه گیری آن، شیوه های سنتی پیش بینی الگوهای سفر می تواند به تدریج با روشهای نوین و بهنگام جایگزین شوند.در اين مقاله، به بررسی شیوه های برآورد ماتریس تقاضای سفر شهری با استفاده از داده های موقعیت مکانی شبکه تلفن همراه پرداخته می شود. در این بررسی با مروری بر جدید ترین مطالعات انجام شده در خصوص برآورد الگوهای رفتاری و حرکتی بر اساس داده های تلفن همراه، نتایج حاصل از یک بررسی اولیه بر روی تعدادی از کاربران تلفن همراه که داده های مکانی آنها به مدت یک هفته برداشت شده است ارائه می گردد. نتایج این بررسی نشان می دهد که بسته به نوع ، تعداد و دقت داده های تلفن همراه می توان مدلهای رفتاری سفر را با دقت قابل قبول و به صورت بهنگام تدوین نمود.

ارزیابی قابلیت اطمینان سیستم‌های نرم‌افزاری مبتنی بر مولفه در مراحل اولیه توسعه سیستم نرم‌افزاری و از روی معماری آن به عنوان یکی از صفات کیفی نرم‌افزار، اهمیت زیادی دارد. این مقاله یک روش برای ارزیابی قابلیت اطمینان سیستم‌های نرم‌افزاری با در نظر گرفتن اثر خودترمیمی مولفه‌ها روی قابلیت اطمینان نرم‌افزار ارائه ‌می‌دهد. یک مولفه خودترمیم می‌تواند به طور خودکار در هنگام شکست، خود را با احتمالی ترمیم نموده و به حالت عادی بازگردد. از آنجایی که طراحی یک مولفه خودترمیم بسیار پیچیده و هزینه‌بر است، از این‌رو امکان ایجاد خودترمیمی برای همه مولفه‌ها وجود ندارد. از اینرو شناسایی مولفه‌های تاثیرگذار جهت خودترمیم کردن آنها در مراحل اولیه توسعه نرم‌افزار می‌تواند تاثیر زیادی روی قابلیت اطمینان داشته باشد. امروزه روش‌های متعددی از روی مدل‌های طراحی برای ارزیابی قابلیت اطمینان و سیستم‌های نرم افزاری مطرح شده است، ولی از تاثیر خودترمیمی بر روی قابلیت اطمینان و همچنین پیدا کردن مولفه‌هایی که تاثیر زیادی روی قابلیت اطمینان نرم‌افزار دارند جهت خودترمیم کردن آنها در مراحل اولیه توسعه نرم‌افزار گزارشی ارائه نشده است. در این مقاله، ابتدا روشی برای مدل‌سازی خودترمیمی با استفاده از زنجیره مارکوف ارائه خواهد شد و سپس چهار روش مختلف (بدون سری تیلور- بدون خودترمیمی، بدون سری تیلور-باخودترمیمی، باسری تیلور-بدون خودترمیمی و با سری تیلور- با خود ترمیمی) برای ارزیابی قابلیت اطمینان یک سیستم نرم‌افزاری از روی معماری آن ارائه خواهد شد. در نهایت روابطی ارائه خواهند شد که یک مهندس نرم‌افزار را قادر خواهد ساخت که مولفه‌های تاثیرگذار و تنگنا را جهت خودترمیم کردن شناسایی‌کند.

فلیپ‌فلاپ‏‌های پالس‏دار از مهمترین اجزای مدارهای دیجیتال با کارآیی بالا به شمار می‏‌روند که عملکرد نادرست آن‏‌ها باعث کاهش قابلیت اطمینان این مدارهای پرکاربرد در عرصه صنعت خواهد شد. با پيشرفت تكنولوژی ساخت مدارهای مجتمع انواع تغییرات اعم از تغییرات ناشی از فرآیند ساخت و تغییرات حین کارکرد (به طور مشخص ناپایداری حاصل از بایاس و دما (BiasTemperature Instability)) موجب شده تا نرخ خرابی در مدارهای دیجیتال افزایش یافته و در نتیجه، قابلیت اطمینان این مدارها کاهش یابد. در این مقاله، با استفاده از آزمایش‏‌های گسترده مونت کارلو و نرم افزار شبیه‌ساز HSPICE، قابلیت اطمینان چندین فلیپ‏‌فلاپ پالس‏دار با در نظر گرفتن اثرات تغییرات ساخت و تغییرات حین کارکرد مورد بررسی قرار گرفته‌است. به منظور بهبود قابلیت اطمینان این فلیپ‏‌فلاپ‏‌ها، از تکنیک تخصیص ولتاژ آستانه دوگانه استفاده شده‌است. به این ترتیب که پس از تحلیل‏‌های انجام شده به منظور تشخیص ترانزیستورهای حساس به تغییرات، به این ترانزیستورها ولتاژ آستانه پایین‏ تخصیص داده می شود و به این صورت، با کاهش تاخیر این دسته از ترانزیستورها، قابلیت اطمینان کلی این فلیپ‏‌فلاپ‏‌ها در برابر انواع تغییرپذیری‏‌ها افزایش پیدا می‏‌کنند. نتایج به دست آمده نشان می‏‌دهند که با اعمال این تکنیک، در ازای %8.8 سربار در توان‌نشتی، قابلیت اطمینان این فلیپ‌فلاپ‏‌ها بعد از گذشت 3 سال به طور میانگین تا %40 بهبود داده می‏‌شود.

با گسترش روز‌افزون تکنولوژی و عمومیت یافتن دستگاه‌های تصویربرداری مانند گوشی‌های تلفن، دوربین‌ها، تبلت‌ها و غیره، مدیریت منسجم تصاویر در موضوعات مختلف به چالشی مهم در بازیابی تصویر تبدیل شده‌است. حاشیه‌نویسی خودکار تصویر یکی از ابزارهایی است که جستجو بر پایه متن را برای بازیابی تصویر فراهم می‌کند. در این مقاله، یک رویکرد برای محاسبه عملکرد تعدادی از پر‌کاربرد‌ترین معیارهای مشابهت ارائه شده است که نتیجه حاشیه‌نویسی با ترکیب نتایج این معیارها بدست خواهد آمد. در این مقاله یک روش جستجوی k نزدیکترین همسایه بر‌اساس محتوا ارائه شده است تا نزدیکترین تصاویر از نظر بصری به تصویر مورد جستجو را یافته و از کلمات کلیدی آنها برای حاشیه نویسی تصویر تست استفاده شود. در این کار از Correlogram ، Color Moments و هیستوگرام در فضای رنگی HSV برای استخراج ویژگی‌های رنگ و ضرایب تبدیل موجک برای استخراج ویژگی‌های بافت در یک بردار ویژگی استفاده شده‌است. پس از استخراج بردار ویژگی نتایج حاشیه‌نویسی برای هر معیار مشابهت انجام میپذیرد و در انتها با ترکیب و مقایسه نتایج پرتکرارترین کلمات کلیدی برای حاشیه‌‌نویسی انتخاب می‌شود. در اینجا ما از معیارهای مشابهت اقلیدسی، کسینوسی، منهتن و انحراف معیار نسبی استفاده می‌کنیم. نتایج آزمایشات بر روی دیتاست Corel5k نشان می‌دهد که معیار مشابهت کسینوسی و انحراف معیار نسبی دقت بهتری نسبت به دو معیار دیگر دارند ولی هر معیار ضعف‌هایی در تشخیص بردارهای مشابه دارد که با ترکیب خروجی این معیارها نتایج کلی بهتر از نتایج حاصل از استفاده یک معیار مشابهت است.

ما در این مقاله می‌خواهیم پروتکل‌هایی برای یافتن اشتراک مسیر و نقاط تلاقی گره های متحرک با حفظ حریم خصوصی آن ها ارائه دهیم. بدین منظور، پروتکل‌هایی مبتنی بر محاسبات چند طرفه امن ارائه می‌دهیم. در این پروتکل‌ها، هریک از گره‌های متحرک، تابع چند جمله‌ای منحنی حرکت خود را محاسبه می‌نمایند. بدین‌ترتیب مسئله یافتن نقاط تلاقی را به مسئله یافتن ریشه مشترک چند جمله‌ای‌ها تبدیل می‌کنیم و برای یافتن ریشه مشترک چند جمله‌ای‌ها از رمزنگاری همومورفیک استفاده می‌کنیم. همچنین پروتکل دیگری مبتنی بر محاسبه فاصله منحنی‌ها و پروتکل انتقال بی‌خبر ارائه می‌دهیم. پروتکل‌های پیشنهادی ما در مقابل حمله کننده نیمه‌درستکار امن است. پروتکل‌های پیشنهادی برای یافتن نقاط تلاقی دو گره است. اما از آن جایی که با داشتن چندین گره، لازم است تلاقی بین هر دو گره بطور مجزا بدست آید، می‌توان از این پروتکل برای یافتن نقاط تلاقی n گره نیز استفاده نمود.