انجمن کامپیوتر ایران

مسئله طبقه‌بندي اشياء بدنبال تشخيص اشياء در تصاوير و تعيين طبقه آن‌ها مي‌باشد. اين مسئله يکي از چالش-برانگيزترين مسائل بينايي ماشين محسوب مي‌شود. با توجه به شباهت‌هاي بين کدگذاري تنک و عملکرد بيولوژيکي مغز انسان و همچنين توانايي کدگذاري تنک در يادگيري مؤلفه‌هاي پايه مشابه با مؤلفه‌هايي که کورتکس بينايي پستانداران استخراج مي‌نمايد، در اين نوشتار بر آنيم تا از قابليت‌هاي کدگذاري تنک در حل مسئله طبقه‌بندي بهره ببريم. لذا رويکرد سلسله‌مراتبي پيشنهاد شده است که هسته اصلي آن را کدگذاري تنک تشکيل مي‌دهد و در آن با بهره‌گيري از ادغام بيشينه‌گير وزن‌دار، نقشه برجستگي و گروه‌بندي محلي هرچه بيشتر کدهاي تنک را نسبت به عمليات هندسي نظير جابه-جايي مکاني مقاوم مي‌نماييم. معماري سه لايه پيشنهاد شده بر روي پايگاه‌داده Caltech101 مورد ارزيابي قرار گرفته‌اند که نتايج (%78.6) نشان از عملکرد موفق رويکرد سلسله‌مراتبي پيشنهاد شده نسبت به ساير الگوريتم‌هاي ارائه شده تا به امروز دارد.

حس بینایی به عنوان یکی از حواس اصلی انسان، بیشترین تاثیر را در یادگیری و زندگی روزمره‌ دارد. بسیاری از افراد جهت انجام کارهای روزمره مجبور به استفاده از عینک یا لنز می باشند. اخیرا با توسعه وسایل دیجیتال، محققان به دنبال راه حلی جهت رفع نیاز به استفاده از عینک یا لنز برای رفع عیوب انکساری چشم جهت تشخیص صحیح تصویر می باشند. در این خصوص با فرض دانستن مشخصات چشم شخص، تصویر قبل از نمایش در نمایشگر به کمک این مشخصات جبران‌سازی می‌گردد. در نتیجه پس از مشاهده توسط شخص به صورت تصویر اولیه دیده می‌شود. در این مقاله ابتدا به بیان روش مدلسازی تصویر تشکیل شده در شبکیه می‌پردازیم. سپس با استفاده از چند الگوریتم دکانولوشن اقدام به جبران سازی تصویر بر اساس مشخصات چشم شخص می‌کنیم. در نهایت با استفاده از معیارهای PSNR، SSIM، IWSSIM و همچنین از لحاظ ظاهری تصاویر بدست آمده از هر روش را با هم مقایسه می‌کنیم. در عمل کنتراست تصاویر جبران‌سازی شده‌ی بدست آمده بسیار پایین است. در نتیجه برای افزایش کنتراست، اصلاحی روی مقادیر تصاویر بدست آمده از الگوریتم‌های دکانولوشن انجام می‌شود.

در این مقاله، یک روش جدید کاهش بعد بانظارت با نام کاهش بعد چند هسته‌ای با فرم بسته برای مسئله شناسایی ارقام دست‌نویس ارائه شده است. ابتدا ویژگی‌ها به کمک روش هیستوگرام گرادیان جهت‌دار (HOG) از تصاویر استخراج می‌شوند. پس از آن روش کاهش بعد چند هسته‌ای با فرم بسته سعی در پیدا کردن منیفولد کم بعدی می‌کند که دقت دسته‌بندی در آن بیشتر است. این روش از چند تابع هسته استفاده می‌کند و سعی می‌کند ارزش (وزن) هر تابع را محاسبه کند و بر اساس ترکیب خطی هسته‌ها به وسیله این ارزش‌ها کاهش بعد را انجام دهد. نوآوری اصلی مدل پیشنهادی ارائه یک فرمولاسیون یادگیری چند هسته‌ای برای کاهش بعد بانظارت است، که بجای روش‌های تکرارشونده، پاسخ را به صورت تحلیلی و به فرم بسته بدست می‌آورد. در فضای کاهش بعد یافته از روش ساده‌ی نزدیک‌ترین همسایگی، برای دسته‌بندی استفاده شده است. به منظور ارزیابی روش پیشنهادی، چند روش کاهش بعد بانظارت دیگر نیز برای شناسایی ارقام دست‌نویس به کار گرفته شده است. نتایج آزمایشات بیانگر دقت بالای روش پیشنهادی است.

مدلسازی سه‌بعدی شکل و آناليز ساختارهای آناتوميک با بکارگيری پارامترهای کمتر در حوزه تصويربرداری پزشکی دارای اهميت بسيار است و در شبيه‌سازی جراحی، تشخيص بکمک کامپيوتر و مصورسازی می‌تواند مورد استفاده قرار گيرد. هارمونيک‌های کروی يک ابزار رياضی قوی برای بازنمايی و آناليز سطوح بسته است. در اين روش که يک توصيف‌گر چندمقياسی، عمومی و سلسله‌مراتبی است، بازنمايی سطوح بکمک توابع پايه‌ی هارمونيک کروی انجام می‌شود. در اين مقاله از هارمونيک‌های کروی برای بازنمايی سه‌بعدی و مدلسازی سطح فک استفاده شده و دقت اين روش مورد بررسی قرار گرفته است. چالش اصلی در بکارگيری هارمونيک کروی مرحله انطباق تصاوير است که بايد با دقت کافی انجام شود. اين مرحله با استفاده از دو رويکرد مبتنی بر انطباق در حوزه پارامتر انجام شده است و بی‌نياز از نشانگذاری است. سرعت روش انطباق با بيضی درجه اول بسيار بالاتر از روش SHREC است اما دقت انطباق روش SHREC برای تصاوير فک بسيار مطلوب‌تر است.

امروزه معماری سازمانی یکی از مهم‌ترین و پرکاربردترین راهکارهای سازمانی برای همراستایی استراتژیک فن‌آوری اطلاعات با کسب و کار سازمان می‌باشد. در این پژوهش سعی شده است تا با تحلیل و بررسی تحقیقات علمی صورت گرفته در حوزه معماری سازمانی و حوزه‌های وابسته وضعیت موجود کشور در این رشته مشخص شود. در این مقاله هر یک از پژوهش‌های مورد بررسی بر طبق معیارهای توزیع مقالات در طول زمان، موضوع مقاله، رشته نویسنده و موسسه منتشر کننده تحلیل و ارزیابی می‌شوند. پژوهش حاضر با شناسایی وضعیت فعلی تحقیقات و انتشارات معماری سازمانی ایران، تصویر روشنی از پژوهش‌ها و پژوهشگران این حوزه مهیا می‌سازد. این تحقیق می تواند به عنوان مرجع، تسهیل کننده راه پژوهشگران و فعالان این عرصه برای شناسائی منابع و انتخاب موضوعات مناسبتر در تحقیقات معماری سازمانی کشور باشد. نتایج این تحقیق نشانگر آن است که معماری سازمانی در ایران رشد چشمگیری داشته است و هر روزه علاقه‌مندان بیشتری در این حوزه وارد می‌شوند. همچنین پژوهشگران رشته‌های مهندسی کامپیوتر و فناوری اطلاعات بیشترین سهم را در تولید پژوهش‌های علمی در این زمینه داشته‌اند. علاوه بر اینها مباحث ارزیابی، ارائه مدل، کاربردها و چارچوب‌های معماری سازمانی از موضوعات جذاب نزد پژوهشگران ایرانی می‌باشند.

استاندارد IEEE 802.11p/1609.4 بر پایه‌ی یک سیستم چندکانالی متشکل از چند کانال سرویس (SCH) و یک کانال کنترل (CCH) بنا نهاده شده است. اکثر پیام‌هایی که در کانال کنترل ارسال ( پخش فراگیر) می‌شوند، متعلق به کاربردهای ایمنی بوده و باید با احتمال بالایی در همه خودروهای تحت پوشش دریافت گردند. از آنجا که احتمال دریافت فریم‌ها تابعی از اندازه پنجره رقابت، تعداد خودروها و طول بازه است، در این مقاله روشی جدید پیشنهاد می‌شود که بر اساس آن، اندازه پنجره رقابت و مدت زمان بازه کانال کنترل(CCH) با توجه به ترافیک و بار کانال، به صورت تطبیقی تنظیم می‌گردد. در روش پیشنهادی، با استفاده از پیام‌های دوره‌ای بیکن هر خودرو می‌تواند از تعداد خودروهای در محدوده پوشش خود آگاهی پیدا کرده و بر اساس آن پارامترهای انتقال را به‌صورت پویا تنطیم نماید. الگوریتم پیشنهادی، با استفاده از شبیه‌ساز Veins شبیه‌سازی شده که نتایج حاکی از این است که بر خلاف استاندارد موجود، با افزایش چگالی خودروها، احتمال دریافت بسته‌ها در حد قابل قبولی باقی می‌ماند. باتوجه به پیچیدگی زمانی ناچیز الگوریتم پیشنهادی و در نتیجه سرعت بالای آن، می‌توان انتظار داشت که در شرایط بلادرنگ تنظیم طول بازه انجام شده و بدین ترتیب نقطه ضعف اصلی روشهای دیگر را برطرف کرده است.

در این مقاله، قبل از هر چیز، یک پروتکل ساده در قالب مراحل قابل اجرا توسط هر یک از سیستم‌های توزیع شده معرفی و Trace می‌شود. سپس پروتکل‌های توافق خطی و غیرخطی را برای شبکه‌های عامل پویا معرفی می‌کنیم. این پروتکل به عامل‌ها این امکان را می‌دهد تا به‌صورت توزیع شده و با همکاری یکدیگری به توافق برسند. مواردی از قبیل شبکه‌های دارای تاخیر زمانی در ارتباطات و یا کانال‌هایی که داری اثر فیلترینگ هستند نیز در نظر گرفته می‌شوند. کران بالای مناسبی برای حداکثر تاخیر زمانی قابل تحمل در شبکه شناسایی شده است. نشان داده می‌شود که ارتباطات شبکه کلید اصلی در دستیبای به توافق مورد نظر است. همچنین تابع لیاپانُف به منظور تعیین یک کمیت قابل اندازه‌گیری برای عدم توافق کلی، معرفی می‌شود. در نهایت نیز نتایج شبیه‌سازی‌های انجام شده برای پروتکل‌های توافقی در این مقاله معرفی می‌شوند، نشان داده می‌شود.

مهندسی نرم افزار مبتنی بر عامل در سالهای اخیر به یکی از موضوعات مورد بحث در مهندسی نرم افزار تبدیل شده است. نیاز به معماری های باز دلیلی است که سبب تولید و استفاده برنامه های عاملگرا می شود. علت این امر تغییر و تکامل پیوسته این گونه معماری ها است، یعنی با هر بار اجرای جدید برنامه نیاز مندی های جدیدی تولید می شود. هدف از ساخت نرم افزار های عاملگرا ساخت متدولوژی و ابزارهایی است که توسعه و نگهداری نرم افزارهای عاملگرا را به صورت ارزان، انعطاف پذیرتر و دارای کار کردی ساده و راحت امکان پذیر نماید. بیشتر این نرم افزارها بسیار قوی، مستقل و فعال می باشند. همچنین برنامه های عاملگرا باید توانایی تشخیص پیچیدگی ها را در مراحل اولیه را دارا باشند. لذا تولید نرم افزاری بدون خطا هدفی مهم، در پیشروی مهندسین نرم افزار است. در این مقاله به بیان راهکاریی در جهت رسم نمودارهای موجود در یکی از متدولوژی های عاملگرا به نام تروپوس می پردازیم. ما برای رسیدن به این هدف از سیستم های انتقال گراف و ابزار AGG استفاده می نماییم. سرانجام در پایان کار به بحث راستی آزمایی متامدل تعریف شده توسط یک مثال می پردازیم.

چارچوب‌های نرم‌افزاری شیءگرا به دلیل داشتن مزایایی چون ایجاد یک بستر استاندارد برای طراحی و پیاده‌سازی سامانه‌های نرم‌افزاری، کاهش هزینه‌ها، کاهش زمان توسعه‌ی سیستم، استفاده مجدد از کد، و افزایش قابلیت مراقبت و نگهداری به صورت گسترده توسط برنامه‌نویسان مورد استفاده قرار می‌گیرند. ولی این چارچوب‌های نرم‌افزاری مشابه هر نرم‌افزار دیگر به دلیل مطرح شدن نیازمندی‌های جدید و یا رفع‌ کردن خطاها در طول زمان دچار تغییر و تحول می‌شوند. این تغییرات موجب می‌شوند برنامههایی که با استفاده از این چارچوب‌های نرم‌افزاری نوشته شده‌اند دچار مشکل شده و به درستی کار خود را انجام ندهند. بنابراین همراه با به‌روزرسانی و تکامل چارچوب‌های نرم‌افزاری، این برنامه‌ها نیز نیازمند به‌روزرسانی و تکامل می‌باشند. در این مقاله روشی ارائه شده است که تکامل یک چارچوب نرم‌افزاری شیءگرا را با استفاده از تحلیل تکامل مفاهیم یا وظیفه‌مندی‌های عرضه شده توسط آن چارچوب در بین نسخه‌های مختلف آن می-سنجد، و قوانین تغییری برای فرآیند تکامل مفاهیم چارچوب‌های نرم‌افزاری شیءگرا استخراج می‌کند که برنامه‌نویسان با استفاده از این قوانین تغییر می‌توانند برنامه‌های خود را به‌روزرسانی کنند. دستاورد این مقاله، روشی نیمه‌خودکار و با دقت و قابلیت‌بازیابی قابل قبول جهت کشف قوانین تغییر مورد نیاز برای به‌روزرسانی برنامه‌ها می‌باشد. برای بررسی و شفاف-سازی این روش نمونه‌ی عملی از آن نیز پیاده‌سازی شده است. در نهایت برای سنجش کارایی روش پیشنهادی، تکامل تعدادی چارچوب نرم‌افزاری با استفاده از این روش تحلیل شده و نتایج بدست آمده با نتایج روش‌های پیشین مقایسه گردیده است.

نامه الکترونیک جعلی یکی از مسائل اصلی در دنیای اینترنت است که منجر به خسارت مالی زیادی برای سازمانها و کاربران شده است. در این مقاله، تحقیق وسیعی درباره روشهایی که در حال حاضر برای شناسایی نامه های الکترونیک جعلی بکار می رود، صورت گرفته است ؛ سپس یک مدل شناسایی نامه الکترونیک جعلی مطابق با روشهای داده کاوی ارائه می گردد. در این مدل، با توجه به ویژگیهای موثر استخراج شده و مجموعه داده موجود، روش داده کاوی دسته بندی برای تفکیک نامه های الکترونیک جعلی و غیر جعلی معرفی می شود . نتایج تحقیق نشان داد که روشهای دسته بندی داده کاوی، روشی موثر در امر تشخیصنامه های الکترونیکجعلی است. نرخ بالای صحت و نرخ تشخیص غلط پایین ((FP و مقایسه معیارهای مرسوم داده کاوی سایر دسته بندها نظیر TP–Recall–F--measure و منحنی های ROC و تحلیل انها، از دیگر یافته های این تحقیق است.

در شبکه‌های حسگر بی‌سیم آن دسته از گره‌های حسگر که در نزدیکی چاهک هستند، بیشتر در کار ارسال اطلاعات شرکت کرده و درنتیجه سریع‌تر انرژی خود را تخلیه می‌کنند. ایده‌ی چاهک متحرک برای موازنه انرژی گره‌های حسگر به‌کار می‌رود. با این حال تحرک چاهک، چالش‌هایی را بوجود می‌آورد که پروتکل‌های مسیریابی موجود برای شبکه‌های حسگر بی‌سیم با چاهک ثابت قادر نخواهند بود به‌صورت کارا عمل‌ کنند. در این مقاله ابتدا به بررسی چالش‌های الگوریتم‌های مسیریابی شبکه‌های حسگر بی‌سیم با چاهک سیار می‌پردازیم. سپس با درنظر داشتن برخی از معیارهای بهینگی شبکه‌های حسگر بی‌سیم نظیر بهره‌وری انرژی، تأخیر، سربار پیغام‌های کنترلی، توان عملیاتی و کاربردی بودن می‌پردازیم. در نهایت تأثیر این چالش‌ها بر معیارهای بهینگی در الگوریتم‌های مسیریابی بررسی شده و یک نتیجه گیری کلی جهت بهینه‌سازی شبکه‌های حسگر بی‌سیم با چاهک سیار با توجه به تاثیر چالش‌ها بر معیارهای بهینگی، انجام می‌شود.

وجود تغییرات الکتریکی در فاز رپلاریزاسیون سیکل قلبی با افزایش خطر آریتمی‌های بطنی و مرگ قلبی ناگهانی ارتباط مستقیمی دارد، بنابراین تشخیص و ارزیابی این تغییرات، که تغییرات موج T (TWA) نامگذاری شده‌اند، می‌تواند امکانات جدیدی را در اختیار پزشکان قرار دهد. با این حال تشخیص صحیح TWAبه دلیل دامنه‌ی بسیار کوچک آن (گاهی کوچکتر از سطح نویز) و ادغام شدن با نویزهای بیولوژیکی نظیر حرکت الکترودها، فعالیت ماهیچه‌ها و تنفس همواره با مشکلاتی مواجه است. ما در این مقاله برای تشخیص تغییرات موج T بر خلاف روش‌های موجود، از یک روش چندلیدی استفاده نموده‌ایم. روش پیشنهادی ابتدا یک تبدیل PCA را به سیگنال‌های پیش‌پردازش شده اعمال می‌کند، سپس با اعمال روش همبستگی به داده‌های تبدیل‌یافته تغییرات موج T را تشخیص و تخمین می‌زند. این روش علاوه بر تشخیص صحیح تغییرات موج T، برخلاف سایر روش‌های موجود مکان وقوع تغییرات را نیز تشخیص می‌دهد.

تکنولوژي مبتني بر نانولوله‌هاي کربني يکي از پراميدترين کانديداي جايگزين تکنولوژي سی‌ماس مي‌باشد. در اين تکنولوژي، رشد نانولوله‌هاي کربني مبتني بر سنتز شيميايي مي‌باشد که اين مورد باعث تغييرات زيادي در پارامترهاي فيزيکي نانولوله‌هاي کربني مي‌شود. تغييرات در تراکم و خواص نيمه‌هادي بودن نانولوله‌ها، منجر به بالا رفتن نرخ اشکال در مدارهای مبتني بر نانولوله‌هاي کربني شده است. در نتيجه قابليت اطمينان مدارهای مبتني بر نانولوله‌هاي کربني به شدت تحت تاثير قرار گرفته است. لذا هدف این مقاله، بهبود قابليت اطمينان مدارهاي مبتني بر نانولوله‌های کربنی با در نظر گرفتن عوامل اشکال در این مدارها می‌باشد. ایده‌ی اصلی جهت بهبود قابلیت اطمینان مدار، تغییر ساختار آن‌ها با استفاده از تکنیک مبتنی بر سیم‌بندی دوباره می‌باشد. تغيير ساختار در يک چارچوب بهينه‌سازي و به صورت تدریجی صورت مي‌گيرد. یکی از ویژگی‌های مهم این روش، بهینه‌سازی بر اساس اطلاعات فرآیند ساخت می‌باشد به گونه‌ای که ساختار بهینه با توجه به تکنولوژی ساخت ارائه‌می‌شود. همچنین سربارهاي مساحت و تاخير نيز در بهبود قابليت اطمينان حاصل از اين روش لحاظ شده‌اند. نتایج حاصل نشان می‌دهند که با استفاده از این روش، قابلیت اطمینان به طور میانگین %20 بهبود می‌یابد. این در حالی است که سربار مساحت و تاخیر به ترتیب % 3/0 و %10 است.

در این مقاله، الگوریتم جستجوی گرانشی باینری برای انتخاب ویژگی و بهینه‌سازی پارامترهای ماشین بردار پشتیبان جهت طبقه‌بندی افراد سالم و بیماران مبتلا به صرع استفاده شده است. انتخاب صحیح ویژگی‌ها و پارامترهای این طبقه‌بند بر نتیجه تشخیص تا حد زیادی تاثیر می‌گذارد. همچنین، کاهش ابعاد ویژگی‌ها از منظر فضای لازم برای ذخیره و زمان مورد نیاز جهت اجرای الگوریتم‌های طبقه‌بندی نیز حائز اهمیت می‌باشد. در این تحقیق از داده EEG افراد سالم و بیماران مبتلا به صرع استفاده شده است. انتخاب ویژگی و بهینه سازی پارامترهای ماشین بردار پشتیبان بصورت همزمان و گام‌به‌گام پیاده سازی شده است. نتایج نهایی نشان داده‌اند که انجام این مراحل بصورت همزمان نسبت به گام‌به‌گام به نتایج بهتری از نظر دقت، حساسیت، خصوصیت و زمان اجرا می‌انجامد.

با توجه به هزینه‌بر بودن تولید مدل‌های سه بعدی با استفاده از تجهیزات سخت‌افزاری و هم‌چنین محدودیت‌هایی که این تجهیزات ایجاد می‌نمایند، امروزه از روش‌های نرم‌افزاری برای تولید این مدل‌ها استفاده می‌شود. یکی از چالش‌های موجود در تبدیل داده‌های دو بعدی به سه بعدی، تخمین عمق و یافتن بعد سوم از روی یک نمونه تصویر است. در این مقاله به یک روش مؤثر برای بازسازی مدل سه بعدی چهره با استفاده از تصویر دو بعدی ارائه شده است. با استفاده از این روش و با داشتن تنها یک نمونه تصویر از چهره فرد و مشخص بودن نقاط اصلی چهره، می‌توان مدلی سه بعدی از آن به دست آورد. این روش مبتنی بر دسته‌بند تحلیل اجزای اصلی (PCA) است. در این روش برای آموزش داده‌ها از تصویر "نقشه عمق" (Depth Map) و تحلیل اجزای اصلی استفاده شده است. نتایج به دست آمده نشان دهنده بهبود مدل بازسازی شده نسبت به روش مبتنی بر تحلیل اجزای اصلی با استفاده از تصویر بافت (Texture) است.

شناسایی ناهنجاری‌های کروموزومی بخش ضروری از تشخیص و درمان اختلالات ژنتیکی و تعدادی از انواع سرطان‌هاست. سیتوژنتیک ابزار ارجح در تشخیص بیماری‌های ژنتیکی است. در سیتوژنتیک، کاریوتایپ که آرایه نظام‌مندی از کروموزوم‌های یک انسان است، توسط عکس‌برداری از هسته یک سلول با استفاده از میکروسکوپ‌های نوری به دست میاید و مورد تجزیه‌ و تحلیل قرارمی گیرد که در آن کروموزوم‌ها بر اساس ویژگی‌های مورفولوژیکی جفت و مرتب می‌شوند. در حال حاضر این تجزیه‌وتحلیل به‌صورت چشمی توسط تکنسین‌های آزمایشگاهی انجام می‌شود که این فرایند وقت‌گیر و دارای خطاهای انسانی است. هدف اصلی در این مقاله تشخیص خودکار وجود ناهنجاری‌های کروموزومی در کاریوتایپ های انسانی است. گام اصلی در خودکار سازی این روش تعریف برخی ویژگی‌های مورفولوژیکی برای هر کروموزوم است. در این روش به‌صورت خودکار با محاسبه طول و نسبت بازوهای کوتاه و بلند هر کروموزوم و مقایسه آن با کاریوتایپ های نرمال متوجه تغییرات کروموزومی و وجود یا عدم وجود ناهنجاری‌ها در آن‌ها می‌شوند. این روش بر روی 22 تصویر کاریوتایپ بیمار تست شد و همه انواع ناهنجاری در کاریوتایپ های انسانی قابل ‌تشخیص بود، به‌جز در مواردی که ناهنجاری جابجایی بین دو قطعه از کروموزوم که دارای اندازه کاملاً مشابه در دو بازوی نظیر هم (p یا q) هستند.

پيشرفت‌هاي اخير در فن‌آوري نانو و بطور خاص در نانوالکترونيک، مسير پيشرفت ساخت ماشين مولکولي را فراهم مي‌کند که شامل ابزار يکپارچه‌اي است که اين ابزار بايد قادر باشند حواس اصلي، اتصال به سيستم‌هاي منبع نيرو، بارگزاري کنترل از راه دور، انتقال اطلاعات و عمل کردن را در بر بگيرند. ازطرفی مجموعه‌ی این وظایف، طراحی ماشین‌های مولکولی را پیچیده می‌سازد و از طرف دیگر همگام نبودن پیشرفت‌های فن‌آوری نانو با ماشین‌های مولکولی طراحی شده، آن‌ها را دور از دسترس ساخته است. در این مقاله به منظور افزایش امکان تولید نانوذرات و با توجه به محدودیت‌های فن‌آوری نانوی امروزی، پیچیدگی سخت افزاری نانوذرات به حداقل رسانده شده و پیشنهاد می شود از فن‌آوری محاسبات DNA، که اخیرا به صورت تجربی در مقالات گزارش شده است، با استفاده از مفهوم انتزاعی اتوماتا برای انجام محاسبات درون نانوذره، استفاده شود. همچنین برای از دست ندادن قابلیت اجرایی نانوذرات، از ازدحامي از نانو ذرات مبتني بر DNA برای پیاده سازی توابع استفاده شده است. درپایان، شبیه‌سازی برای تخمین چندین تابع غیرخطی با دقت قابل ملاحظه‌ای آورده شده است. همچنین نشان داده شده است که در صورت افزایش پیچیدگی تابع، با افزایش تعداد نانوذرات، باز می‌توان با دقت بالایی تابع را تخمین زد.

یک رویکرد برای جداسازی موسیقی از گفتار به عنوان یک مساله جداسازی منابع تک کاناله، روش عامل بندی نامنفی ماتریس (NMF) می‌باشد. در این روش، طی روندی تکراری، طیف نگار سیگنال مخلوط به طیف نگار سیگنال‌های سازنده‌اش (منبع) تجزیه می‌شود. در این راستا، در مرحله آموزش NMF استاندارد، طیف نگار هر سیگنال منبع، به صورت ضرب دو ماتریس با درایه‌های نامنفی، موسوم به ماتریس‌های وزن و پایه عامل‌بندی می‌شود. این ماتریس‌ها طی روندی تکراری مبتنی بر یک تابع هزینه تخمین زده می‌شوند. یک مشکل روشNMF، مستقل در نظر گرفتن عناصر ماتریس پایه در تابع هزینه است. یک روش حل این مشکل در نظر گرفتن پیوستگی زمانی طیف با افزودن عبارتی تنظیم کننده به تابع هزینه است. در این مقاله پیشنهاد می‌شود علاوه بر افزودن عبارت تنظیم کننده، ماسک وینر به عنوان پس پردازش بر سیگنال جدا شده گفتار درخروجی NMF اعمال شود تا کیفیت سیگنال جدا شده بهبود یابد. نتایج آزمایش‌ها، نشانگر موفقیت به‌کار‌گیری روش پیشنهادی در بهبود کیفیت جداسازی برای دو تابع هزینه Kullback-Leibler و Itakura-Saitoدر NMF است. بهترین نتیجه با اعمال این روش در NMF مبتنی بر تابع هزینه Kullback-Leibler به دست آمده است که سبب بهبود نرخ سیگنال به تداخل(SIR) به میزان 2 دسی بل شده است.

در این مقاله، تخمین حالت سیستم در حضورِ دو گونه نویز غیرگاوسی (مخلوطِ گاوسی و پرت) مورد بررسی قرار گرفته است. فیلتر کالمن یکی از الگوریتم‌های تخمین حالت است که در حضور نویز گاوسی، جواب بهینه ارائه می‌دهد، ولی درصورتی‌که نویز غیرگاوسی باشد، بهینه نیست. برای حل این چالش، در یادگیری نظریه اطلاعاتی، معیاری با نام کورآنتروپی ارائه‌شده است که به دلیل استفاده از مُمان‌های مرتبه بالا در سیگنال، نسبت به نویز غیرگاوسی مقاوم است. فیلتر کالمن مبتنی بر معیار بیشینه کورآنتروپی، تنها در یک مقاله مورد بررسی قرارگرفته و یک رابطه غیر بازگشتی، ارائه نموده است که همواره پایدار نیست. در این مقاله، ابتدا روش غیر بازگشتی اخیر را بهبود داده و سپس روش بازگشتی جدیدی را ارائه خواهیم نمود که نسبت به نویز غیرگاوسی مقاوم است. روش ارائه‌شده دارای دو مزیتِ دقتِ تخمین بالا و زمان اجرای پایین، به‌طورهمزمان است. در انتها نیز الگوریتم پیشنهادی را در یک کاربرد رهگیری پیاده‌سازی می‌کنیم و برتری آن را در مقایسه با سایر روش‌های موجود، نشان می‌دهیم.

یکی از مسائل پایه‌ای و مطرح در زمینه پردازش تصویر و بینایی کامپیوتر، استخراج نقاط متناظر در دو تصویر می‌باشد. در واقع در دید استریو، به نقاطی نقاط متناظر گفته می‌شود که در هر دو تصویر قابل ثبت است اما به دلیل تغییر موقعیت دوربین نسبت به محیط، در مختصات مختلفی در دو تصویر قرار گرفته‌اند. هدف از استخراج نقاط متناظر شناسایی و ایجاد ارتباط بین این نقاط می‌باشد. استخراج نقاط متناظر کاربرد‌های زیادی در پردازش تصویر دارد و پایه و بنیاد بسیاری از الگوریتم‌های یادگیری هوشمند در پردازش تصویر می‌باشد. به عنوان مثال می‌توان به الگوریتم‌هایی مثل بازسازی سه بعدی، تشخیص یک جسم در تصویر، بازیابی تصاویر و آنالیز حرکت اشاره نمود که در اولین قدم نیاز به شناسایی نقاط متناظر در دو تصویر دارند. اخیرا، تحقیقات زیادی در استخراج نقاط متناظر در تصاویر شده است اما با این وجود این الگوریتم‌ها دارای خطا هستند و بسیاری از نقاطی که به عنوان نقاط نظیر هم، توسط این الگوریتم‌ها معرفی می‌شوند به اشتباه شناسایی شده‌اند که در اصطلاح به آنها نقاط پرت گفته می شود. در این مقاله یک روش جدید برای شناسایی نقاط پرت ارائه می‌شود که می‌تواند به عنوان یک فرایند تکمیلی با همه روش‌های موجود استخراج نقاط متناظر ترکیب شده و باعث افزایش دقت آنها شود. این روش بر اساس ویژگی‌های هندسی بدست آمده از نقاط کلیدی تصویر، یک ضریب اطمینان به نقاط متناظر اختصاص می‌دهد و نقاطی به عنوان نقاط متناظر استخراج می‌شوند که ضریب اطمینان بالاتری دارند. نتایج بدست آماده از الگوریتم پیشنهادی نشان می‌دهد که روش ارائه شده در مقایسه با الگوریتم‌های مرتبط دیگر بسیار کاراست.