انجمن کامپیوتر ایران

سیستم¬های بازشناسی گفتار دارای کاربردهای مختلفی هستند که یکی از این کاربردها استفاده در طراحی نرم¬افزارهای آموزشی کودکان است. در این پژوهش یک سیستم بازشناسی گفتار کودکان برای استفاده در طراحی یک نرم¬افزار گفتاردرمانی مورد بررسی قرار گرفته و برای ایجاد این سیستم بازشناسی گفتار، از روش مدل¬های مارکوف پنهان استفاده شده است. هدف این سیستم، بازشناسی کلماتی است که بسیار مشابه هم هستند و تنها در یک یا دو واج تفاوت دارند. این کلمات شامل 47 واژه به همراه همسان¬های مربوط به هر واژه است که اختلالاتی مثل جایگزینی یک واج با واج دیگر، جابه¬جایی یک واج با واج کناری و حذف یک واج در آن¬ها درنظر گرفته شده است. برای آموزش و آزمون سیستم بازشناسی از نمونه¬های جمع¬آوری شده مربوط به38 کودک در محدوده سنی 5 تا 9 سال استفاده شده است که داده¬های آموزش 1300 جمله و داده¬های آزمون 2500 واژه می-باشد. تمام مراحل آموزش و آزمون سیستم بازشناسی با استفاده از ابزار HTK انجام شده و دقت بازشناسی سیستم ایجاد شده 56/71% است.

پیشرفت سریع ارتباطات اینترنتی و استفاده¬ی نادرست از ناشناس بودن متون آنلاین، باعث به وجود آمدن مسائل امنیتی شده است. هویت ناشناس ابزارهای اینترنتی مانند ایمیل¬ها، وبلاگ¬ها و وب¬سایت¬ها به روش¬های ارتباط مورد علاقه¬ای برای کاربردهای جنایی تبدیل شده است. روابط سیاسی و اجتماعی جهان موجب توجه زیادی به زبان فارسی شده است که خود موجب فراوانی متون فارسی در اینترنت گردیده است. در این مقاله یک تکنیک هوشمندwriteprintکه برایکمک به شناسایی یک نویسندهفارسی زبان بر اساس سبک نوشتاری او معرفی شده است. در این تحقیق از ویژگی¬های واژگانی، نحوی، معنایی و وابسته به کاربرد،برای شناسایی هویت استفاده شده و کارایی انواع مختلفاین ویژگی¬ها و همچنین اثرات روش¬های دسته¬بندی KNN وDeltaبه همراه ترکیب این روش¬ها با الگوریتم ژنتیک روی دوپایگاه داده¬ی جمع¬آوری شده بررسی شدهاست.برای پیاده سازی تکنیک پیشنهادی یک pos tagger طراحی شده است که از ساختار کلمات برای تشخیص اسم، صفت و قید استفاده می¬نماید.در نهایت ترکیب روش KNN و الگوریتم ژنتیک دقت بالاتری را در بین روش¬های بررسی شده، تولید کرد.

مسئله مسیریابی وسیله نقلیه یکی از مهمترین مسائل بهینه¬سازی ترکیبیاتی است. با وجود تلاش¬های زیادی که برای حل کردن این مسئله با روش¬های مختلف صورت گرفته است، متاسفانه تابحال هیچ روشی برای حل این مسئله ارائه نشده است که بتواند راه¬حل بهینه هر نمونه از این مسئله را در بدترین حالت در زمان چندجمله¬ای پیدا کرده و این بهینگی را نیز ضمانت کند.از اینرو، با توجه به اینکه کامپیوترهای امروزی در حل دقیق نمونه¬های بزرگ مسائل با پیچیدگی زمانی بزرگتر از چندجمله¬ای با مشکل مواجه هستند، ناچارا برای حل نمونه¬های بزرگ مسئله مسیریابی وسیله نقلیه باید از روش¬های حل تقریبی مانند روش¬های فرا ابتکاری استفاده کرد. در این مقاله، مسئله مسیریابی وسیله نقلیه با استفاده از الگوریتم جستجوی گرانشی ترکیبیاتی که نسخه تعمیم¬یافته الگوریتم جستجوی گرانشی پیوسته برای حل مسائل بهینه¬سازی ترکیبیاتی است، حل شده است. نتایج پیاده¬سازی الگوریتم و مقایسات، کاراییتقریبا مناسب روش پیشنهادیرا در حل مسئله مسیریابی وسیله نقلیه نشان می¬دهد.

با مطرح شدن شبکه‌های حسگر بی‌سیم و افزایش کاربردهای بی‌درنگ و حیاتی بر روی آنها، مباحث پیشرفته بر روی این شبکه‌ها مانند مسئله زمانبندی، تأخیر انتها به انتها، تضمین امنیت و سایر آن، به سرعت رشد پیدا کرده است. از طرفی، محدودیت‌های انرژی و محاسباتی و حافظه‌ای این شبکه‌ها و همین طور محیط معمولاً بی‌دفاع و متخاصمانه‌ای که ممکن است در آن بکار گرفته شوند، امکان و احتمال انواع حملاتی که با توجه به این شرایط برای آنها متصور است را بیشتر می‌کند. بنابراین روش‌های امنیتی در قالب سرویس‌های امنیتی مانند احراز هویت، بررسی یکپارچگی و محرمانگی، برای خنثی کردن این تهدیدات بر روی شبکه‌های حسگر بی‌سیم بکارگرفته می¬شوند. پرواضح است که استفاده از سرویس‌های امنیتی برای تأمین نیازمندی‌های امنیتی کاربردها، باعث تحمیل سربار امنیتی در قالب زمان و انرژی می‌شود که ممکن است موعد کاربردها را تهدید یا با خطر از دست رفتن روبرو کند. متأسفانه مدل‌های تخصیص منابع و زمانبندی موجود در زمینه‌های مختلف اکثراً جمیع ملاحظات مطرح شده در بالا را پوشش نداده‌اند. در این مقاله با بهره¬گیری از یک مدل برای سربار امنیتی، روش پیشنهادی جهت زمانبندی امنیتی کاربردهای بی¬درنگ بر پایه الگوریتم EDF و پروتکل TDMA و با اجتناب از تداخل، مختص شبکه¬های حسگر بی¬سیم با نام CFSRTS ارائه شده است. بستر و مدل شبکه را نیز نزدیک به استاندارد WirelessHART که یک استاندارد باز برای شبکه¬های حسگر بی¬سیم برای کاربردهای بی¬درنگ است، تعریف کرده¬ایم. در آخر به ارزیابی کارایی این روش و تحلیل میزان افت کارایی در مقابل امکانات بدست آمده می¬پردازیم.

در سال‌هاي اخير استفاده از سيستم‌هاي فوق سريع براساس شبكه مانند سيستم‌هاي خوشه‌اي و گريد به طور چشمگيري افزايش يافته است. يكي از مفاهيم مهم در اين سيستم‌ها توازن بار است. توازن بار با هدف كاهش زمان اتمام فرايند و افزايش بكارگيري منابع انجام مي‌گيرد. در اين مقاله الگوريتمي جهت توازن بار در سيستم‌هاي گريد پيشنهاد شده است كه بر مبناي الگوريتم‌ جستجوي هارموني مي‌باشد. اين الگوريتم كه جستجوي هارموني تطبيق‌پذير و پويا (DAHS) ناميده شده است به طور متمركز و پويا به توزيع بار بين منابع مي‌پردازد. مشخصه‌هاي DAHS به صورت تطبيق‌پذير تعريف شده‌اند تا مشكلات ناشي از انتخاب مقدار اوليه برطرف گردد. براي ايجاد توازن بار بهتر بعد از ايجاد هر هارموني ميزان بار موجود در هر منبع بررسي مي‌گردد به طوری که اگر منبعی دارای اضافه بار است وظیفه جدیدی به آن اختصاص نیابد. جهت بررسی کارایی این روش شبیه‌سازی‌های لازم در شبيه‌ساز Gridsim صورت گرفته و نشان داده شده است که بهره‌برداري از منابع در روش DAHS بيشتر از 92% َو انحراف معيار بار كمتر از 06/0% است. همچنين Makespan روش پیشنهادی به طور ميانگين 10% كمتر از روش ژنتيك مورد مقايسه است.

ترسیم نقشه دانش سازمان می‌تواند به مدیران و تصمیم‌گیرندگان سازمان‌ها در درک بهتر جریان دانش در سازمان کمک کند. در این مقاله فرایند و روشی برای توسعه نقشه‌های دانش سازمانی با استفاده از داده‌های موجود و بر اساس روش‌های کمی ارائه گردیده است. جهت ترسیم نقشه‌ دانش نهان سازمان، رفتار اطلاع‌جویی افراد مبنا قرار گرفت. برای رسیدن به این هدف پایگاه اطلاعات کتابخانه به عنوان منبع شناسایی دانش نهان سازمان انتخاب شد. نقشه دانش آشکار سازمان نیز با استفاده از داده‌های مربوط به تولیدات دانشی سازمان اعم از مقالات و طرح‌های پژوهشی ترسیم گردید. همچنین الگویی جدیدی برای ترسیم نقشه دانش بر اساس داده‌های سازمانی ارائه شد که در نهایت مبنای ترسیم نقشه دانش پژوهشگاه علوم و فناوری اطلاعات ایران قرار گرفت. نقشه‌های ترسیم شده مورد تجزیه و تحلیل قرار گرفتند و با یکدیگر مقایسه شدند. همچنین با توجه به نتایج حاصل از تحلیل نقشه‌ها راهبردهایی برای توسعه دانش در پژوهشگاه ارائه گردید.

کلید چابکی درکسب و کار، در دست داشتن اطلاعات ضروری به شکل بدون تاخیر و البته درست است تا بتوان بر اساس آن بی‌درنگ عمل نمود. با استفاده از سامانه اعلان هشدار هوشمند در سیستم¬های ERP می‌توان به این مهم دست یافت. در کار پیشین، یک معماری نرم¬افزاری مبتنی بر چندین عامل مستقل و همکار ارائه شد که به پیاده‌سازی سامانه اعلان هشدار در سیستم¬های ERP کمک می¬کند. در این مقاله، کار قبلی از چند جهت توسعه می‌یابد. اول این‌که، توصیف صوری معماری پیشنهاد شده به منظور افزایش دقت و رفع ابهام ارائه می‌شود. در این توصیف از زبان مدل‌سازی صوری Z استفاده شده است. همچنین معماری قبل تغییر کرده تا بتواند پاسخ‌گوی ناهمگونی و توزیع‌شدگی بخش‌های مختلف سازمان باشد. در پایان، جهت ارزیابی معماری، یک مطالعه موردی از اجرای آن در سیستم کنترل موجودی انبار کالا ارائه می‌شود. هم‌چنین این معماری از نظر دارا بودن مهم‌ترین شاخص‌های هوش محاسباتی بررسی می‌شود.

در اين مقاله، راه‌کاری جهت تخمین تعداد مسیرهای اجرایی برنامه‌های نرم‌افزاری جهت آزمون نرم‌افزار، ارایه شده است. ابزار ارایه شده در این راه‌کار پیشنهادی، قابلیت تحلیل ایستا و پویای برنامه‌های به زبان Cرا دارا می‌باشد. راه‌کار پیشنهادی، با دریافت کد برنامه و کاوش کد اسمبلی آن، بلاکهای اولیه برنامه شناسایی کرده و براساس آنها گراف جریان کنترلی برنامه را می‌سازد. برای استخراج مسیرهای گراف جریان کنترلی پیش‌پردازش‌شده، از یک ساختار ذخیره‌سازی درختی و الگوریتم تغییریافته جستجوی سطحی بهره می‌گیرد. استفاده از این ساختار درختی موجب مقیاس‌پذیری بالای راه‌کار پیشنهادیمی‌شود. سایر معیارهای اندازه‌گیری پوشش کد برنامه نظیر پوشش جملات، انشعابات، بلاکهای اولیه، توابع و کلاسها، برای آزمون کننده نرم- افزار این امکان را فراهم نمی‌کنند که از صحت عملکرد نرم‌افزار اطمینان حاصل نماید. به عبارت دیگر، تا زمانی که آزمون‌کننده نرم‌افزار، اطلاع کافی از کلیه مسیرهای برنامه نداشته باشد، قادر نخواهد بود تمامی خطاهای موجود در برنامه را شناسایی و رفع نماید. اما راه‌کار پیشنهادی با استخراج مسیرهای ایستا در برنامه و اعلام آنها، این توانایی را برای آزمون‌کننده نرم‌افزار ایجاد می‌کند. از جمله قابلیت‌های راه‌کار پیشنهادی، تحلیل پویای برنامه در کنار تحلیل ایستا است که با مستندگذاری خودکار برنامه در سطح کد اسمبلی، میزان پوشش مسیرهای مختلف برنامه را براساس روشهای مختلف تولید موارد آزمون در زمان اجرا مشخص می-کند. مجموعه آزمایشات انجام شده برروی تعدادی برنامه استاندارد، دقت و کارآمدی راه‌کار پیشنهادی را آشکار می‌سازد.

سرويس پيوستگي تماس صوتي (VCC) توسط 3GPPتعريف و استاندارد شده است. با استفاده از اين سرويس، يک تماس صوتي مي¬تواند در صورت نياز ميان يک دامنه سوئيچ مداري و يک دامنه سوئيچ بسته¬اي جابجا شود. در اين مقاله، تأخير سيگنالينگ سرويس پيوستگي تماس صوتي براي انتقال از دامنه سوئيچ بسته¬اي به دامنه سوئيچ مداري مورد بررسي قرار مي¬گيرد.در تحليل خود، تأخير سيگنالينگ¬هاي سوئيچ مداري و تأخير سيگنالينگ¬هاي سوئيچ بسته¬اي را در نظر مي¬گيريم.نتايج نشان مي¬دهند تأخيـر سيگنالينگVCC، با افزايش نرخ کانال شبکه¬اي که گيرنده تماس در آن قرار دارد، کاهش مي¬يابد و با افزايش احتمال خطاي فريم، اين تأخيربه آهستگي افزايش مي¬يابد. با افزايش نرخ ورود پيام¬هايSIPبراي عناصر مياني IMS، تأخير سيگنالينگ VCCافزايش مي¬يابـد. همچنين، با زياد شدن تعداد STPها در يک ارتبـاط SS7، تأخير سيگنالينگ VCCبه ميزان قابل توجـهي افزايش مي¬يابد.

يکي از روش¬هاي حل مسايل بهينه سازي استفاده از الگوريتم تکاملي است. بسياري از اين الگوريتم¬ها در جستجوي عمومي موفق عمل مي¬کنند اما نمي¬توانند جواب دقيقي را پيدا نمايند. استفاده از يک يا چند جستجوي محلي، به عنوان يادگيري محلي، براي پيدا کردن جواب بهتر، معروف¬ترين راه حل براي اين مساله است. اين روش، الگوريتم ممتيک ناميده مي¬شود. اتوماتاييادگير يک روش يادگيري تقويتي است که در مسائل مختلفي مورد استفاده قرار گرفته است. در اين مقاله يک مدل جديد ترکيبي مبتني بر اتوماتاييادگير و الگوريتم ممتيک با نام LA-MA ارائه شده است. اين مدل از دو بخش ژنتيک و ممتيک تشکيل شده است. فرآيندهاي تکامل و يادگيري محلي به ترتيب در بخش¬هاي ژنتيک و ممتيک انجام مي¬شوند. بخش ژنتيکي، مشابه الگوريتم ژنتيکي سنتي است. در بخش ممتيکي جمعيتي از مم¬ها قرار دارد که با اتوماتاييادگير بازنمايي شده¬اند. هر مم متشکل از چند اتوماتاييادگير است، که وظيفه يادگيري محلي را بر عهده دارند. جهت نمايش کارايي مدل ارائه شده، اين مدل با ساير روش¬ها مقايسه شده است. نتايج بدست آمده، برتري اين مدل را در مقايسه با ساير الگوريتم¬ها نشان مي¬دهد.

در سال های اخیر، تشخیص چهره با استفاده از تصاویر ویدئویی مورد توجه قرار گرفته است. از تصاویر ویدئویی به عنوان داده‌های مکانی-زمانی برای تشخیص چهره استفاده می‌شود. تصاویر ویدئویی این امکان را فراهم می‌آورد که اطلاعات بیشتری از تصویر استخراج کنیم، به گونه‌ای که تشخیص چهره در شرایط نور کم و وضوح پایین تصاویر بهبود پیدا کند. استفاده از الگوهای محلی باینری حجمی (VLBP) یکی از روش‌های مورد استفاده در تصاویر ویدئویی و الگوهای پویا است. این روش با در نظر گرفتن نقاط همسایگی در فریم‌های پیشین و پسین در محاسبه کدهای باینری تصویر کاربرد دارد. در این مقاله، با استفاده از شبکه‌های عصبی خودسازمانده، یک همسایگی نامتقارن ایجاد و در این همسایگی، بردار ویژگی الگوهای محلی باینری حجمی OVLBP محاسبه می‌شود. به این ترتیب ویژگی‌های کلیدی در تصاویر چهره بررسی و سبب بهبود کارایی خواهد شد. نتایج آزمایشات بر روی پایگاه داده‌های MoBo، Honda/UCSD و Essex به ترتیب برابر 96.9، 85.8 و 98.4 است که نشان دهندۀ کارایی الگوریتم OVLBP است.

مترجم ماشینی آماری، يک نمونه از ماشین‌های ترجمه است که ترجمه در آن بر اساس مدل‌های آماری انجام می‌شود. در این روش پارامترها توسط تحلیل پیکره موازی به دست می‌آیند و اگر یادگیری ترجمه‌ی واژه‌ها بهتر انجام شود، کیفیت ترجمه بالا می‌رود. با استفاده از تقطیع تکواژه‌ها، واژه‌های خارج از واژگان موجود و همچنین اندازه‌ی واژه‌نامه به طور چشمگیری کاهش می‌یابد. وقتی با زبان‌های با ساختار صرفی غنی نظیر فارسی سروکار داریم، نیاز به این تقطیع‌کننده‌ی تکواژه‌ها پر‌اهمیت‌تر می‌شود. تعیین دانه‌بندی مشابه برای واژه‌ها در هر دو زبان مبدأ و مقصد، می‌تواند کیفیت ترازبندی در پيکره‌ی موازی را افزایش دهد. در این مقاله با ارایه طرح‌های مختلف و ترکیبی برای تقطیع تکواژه‌ها، متن فارسی به انگلیسی ترجمه می‌شود که بهترین طرح به عنوان طرح شبه انگلیسی نامگذاری شده است. با استفاده از طرح مذکور کیفیت ترجمه با معیارBLEU، 3 امتیاز نسبت به ماشین مترجم آماری مبتنی بر عبارت پایه بهبود یافته است. همچنین خروجی‌ها به خوبی نشان می‌دهند که کیفیت ترجمه برتر از کیفیت ترجمه‌ی مترجم Google Translator است. واژه‌های خارج از واژگان موجود نیز به شدت کاهش یافته‌اند.

ماشین¬ بردار پشتیبان یکی از دسته¬بندهای شناخته شده است که برای دسته¬بندی الگوهای جدایی پذیر خطی و نیز برای الگوهایی که به صورت خطی جدایی پذیر نیستند، به کار می¬رود. در جداسازی الگوهای جدا ناپذیر به صورت خطی، از تابع هسته در ماشین بردار پشتیبان استفاده می¬شود که انتخاب مناسب نوع و پارامترهای تابع هسته تاثیر زیادی در دقت دسته¬بندی دارد. در این مقاله، تابع هسته به صورت یک ترکیب خطی از توابع هسته استاندارد و با استفاده از الگوریتم بهینه¬سازی ازدحام ذرات تخمین زده می¬شود. تابع برازندگی این الگوریتم در ایتجا خطای دسته¬بندی ماشین بردار پشتیبان است که باید کمینه شود. آزمایش¬ها بر روی دادگان انتخابی UCI، بیانگر کارایی تابع هسته پیشنهادی در مقایسه با توابع هسته استاندارد و نیز تابع هسته ترکیبی به دست آمده با استفاده از الگوریتم ژنتیک است.

برای کاهش اثرات نامطلوب بلوکی در فریم های ویدئو، استاندارد فشرده سازی H.264/AVCاز یک فیلتر بلوک زدایی استفاده می کند. این واحد دارای بار محاسباتی بسیار بالاییمی باشد.]1[ لذا برای افزایش سرعت و بالا بردن کارایی فیلتر بلوک زدایینیاز به پیاده سازی سخت افزاری این واحد میباشد. در این مقاله ما یک معماری سخت افزاری مناسب برای پیاده سازی الگوریتم فیلتر بلوک زدایی ارائه می دهیم.در این معماری، از یک ترتیب جدید برای فیلتر کردن لبه های یک ماکروبلوک استفاده می شود که نه تنها نسبت به روش های دیگر حجم حافظه موردنیاز را کاهشمی دهد، بلکه به دلیل قابلیت پیاده سازی به صورت خط لوله، تعداد کل کلاک مورد نیاز برای فیلتر کردن لبه های یک ماکروبلوک را به کمترین مقدار آن کاهش می دهد. در طرح هایی که قبلا برای فیلتر کردن لبه های یک ماکروبلوک با استفاده از یک واحد فیلتر ارائه داده شده است، در حالت بهینه تعداد کل عملیات لازم برای فیلتر کردن (با در نظر گرفتن کلاک های لازم برای بارگذاری بلوک ها از حافظه خارجی) برابر با 448 سیکل کلاک است. در صورتیکه روشی که ما ارائه می دهیم دارای 416 کلاک مصرفی برای فیلتر کردن می باشد. بنابراین این طرح نسبت به حالت بهینه 32 سیکل کاهش سیکل دارد. از دیگر ویژگی های این معماری نسبت به روش های قبلی، کاهش حجم حافظه مورد نیاز جهت نگه داری داده های میانی، کاهش تعداد گیت ها و سخت افزار مورد نیاز جهت پیاده سازی واحد فیلتر بلوک زدایی است.

در اين مقاله یک الگوریتم کاملاً توزیعی، پویا، سبک وزن و هوشمند مبتنی بر اتوماتای یادگیر در جهت مقابله با حمله ارسال انتخابی در شبکه¬های حسگر بی¬سیم پیشنهاد شده است. در این الگوریتم از مکانیزم شنود به همراه مدل اتوماتای یادگیر جهت انتخاب مسیر ایمن ارسال بسته¬ها در پروتکل¬های مسیریابی چندگامه استفاده می¬شود. هر گره مجهز به يك اتوماتاي يادگير است كه وظيفه آن انتخاب گره بعدي(گره بالادستي) براي ارسال داده‏ها به سمت ایستگاه پایه و نظارت بر عملكرد آن است. شبیه¬سازی الگوریتم پیشنهادی توسط شبیه¬ساز J-SIM صورت گرفته و نتایج شبیه¬سازی¬ها، در قالب معیارهای نرخ تحویل بسته¬ها، نرخ ساقط شدن بسته‏ها توسط گره¬های بدخواه و متوسط انرژی باقی¬مانده گره¬ها، حاکی از برتر بودن روش پیشنهادی نسبت به الگوریتم پايه كه فاقد هرگونه الگوریتم¬ امنیتی مقابله با حمله ارسال انتخابی است، الگوریتم مبتنی بر تصدیق چندگامه، الگوریتم مبتنی بر چند جریان داده¬ای و الگوریتم چند مسیره می¬باشد.

اعداد تصادفی دارای کاربردهای متنوعی در زمینه¬های آزمون مدار، رمزنگاری، کدهای تصحیح خطا، شبیه¬سازی سیستم‌ها و تحلیل مونت-کارلو هستند. در گذشته تولید اعداد تصادفی غالباً بصورت نرم¬افزاری صورت می¬گرفت. اما با پیشرفت مقیاس تکنولوژی به حوزه VLSI وافزایش سرعت سیستم¬های دیجیتال، نیاز مبرمی به پیاده¬سازی این مولدها بصورت سخت¬افزاری احساس می‌گردد. در این مقاله، ابتدا اصول کلی کار و مبانی طراحی یک مولد اعداد تصادفی از نوع شبه‌تصادفی را بیان می‌کنیم. اجزاء مختلف آن را مورد بررسی قرار می‌دهیم و فلیپ فلاپ مناسب را انتخاب می‌کنیم. در نهایت، مولد اعداد تصادفی در سطح ترانزیستوری طراحی شده و شبیه‌سازی روی آن انجام می‌گردد.

شناسایی سرویس اولین و اصلی‌ترین گام در توسعه سرویس‌گرا می‌باشد. در این مقاله به معرفی روشی برای شناسایی سرویس‌ها با استفاده از مدل اهداف و مدل فرآیندهای کسب و کار پرداخته شده است. بر این اساس، ابتدا مدل فرآیندهای کسب و کار وضعیت موجود سازمان با استاندارد BPMN2.0 و همچنین مدل اهداف با روش GBRAM ایجاد می‌گردد. در ادامه با تحلیل سازمان و در نظر گرفتن ملاحظات نرم‌افزاری، مدل فرآیندهای کسب و کارِ سیستمِ مطلوب ترسیم می‌شود. با مدل کردن ارتباط اهدافِ موجود در مدل اهداف و استفاده از ارتباط وظایف موجود در مدل فرآیندهای کسب و کار، پس از طی چند گام ماتریس وظیفه-وظیفه استخراج می‌گردد که با اعمال خوشه بندی بر آن با استفاده از ابزار Bunch و تابع هدف Turbo-MQ سرویس‌های فناوری شناسایی می‌گردند. توجه به معیار استفاده مجدد، استفاده از اهداف و فرآیندهای کسب و کار به صورت توامان، شناسایی خودکار سرویس‌ها و توجه به سرویس‌های فناوری به جای سرویس‌های کسب و کار، برتری‌های این روش نسبت به روش‌های مشابه می‌باشد که نتیجه حاصل از این روش در یک مورد مطالعه واقعی بیان‌گر این برتری‌ها می‌باشد.

باتوجه به فزونی متون و اسناد الکترونیکی در دسترس و روند رو به رشد آن¬ها، نیاز به سیستم¬های خلاصه¬سازی متن محسوس¬تر شده است، به همین خاطر در سال¬های اخیر سیستم¬های خلاصه¬ساز زیادی ارائه ¬شده¬اند. این سیستم¬ها بر اساس نوع خروجی به دو دسته گزینشی و چکیده ای تقسیم می گردند. در سیستم¬های خلاصه ساز گزینشی، انتخاب جملات خلاصه با توجه به برخی از ویژگی¬های آن جمله صورت می گیرد. سیستم خلاصه¬سازی که در این مقاله معرفی می¬شود، امتیاز محاسبه شده مبتنی بر پاراگراف و جملات را به عنوان ورودی شبکه عصبی RBF (Radial basis function network) درنظر می¬گیرد. جملات برگزیده خروجی شبکه عصبی، جمعیت اولیه الگوریتم ژنتیک را تشکیل داده و جهت تولید نسل¬های بهتر و خلاصه دقیق¬تر مورد استفاده قرار می¬گیرند. در نهایت ارزیابی انجام شده نشان می¬دهد که استفاده از این رویکرد ترکیبی جدید در سیستم¬های خلاصه¬سازی متون فارسی، علاوه بر افزایش پیوستگی جملات خلاصه، دقت خلاصه نهایی را نیز بهبود می¬بخشد.

Scale Invariant Feature Transform (SIFT) is a popular image feature extraction algorithm. SIFT’s features are invariant to many image related variables including scale and change in viewpoint. Despite its broad capabilities, it is computationally expensive. This characteristic makes it hard for researchers to use SIFT in their works especially in real time application. This is a common problem with many image-processing related algorithm. Utilizing graphical processing unit (GPU) through parallel programming is an affordable solution for this issue. In this paper we present a GPU-based implementation of SIFT using Compute Unified Device Architecture (CUDA) programming framework. We compare our CUDA-based implementation, namely siftCU, with CPU-based serial implementations of SIFT both in feature matching accuracy and time consumption. Results show our implementation can gain 4x speed up over serial CPU implementation even though we have used a low end graphic card while using a powerful CPU for test platform