انجمن کامپیوتر ایران

مهندسي هوش يکي از کمبودهاي موجود براي توسعه عاملهاي هوشمند با استفاده از روشهاي مهندسي است. منظور از مهندسي هوش، پيروي از روشي سيستماتيک براي توليد هوش عاملهاست. يکي از مسايل موجود در اين زمينه، وجود تعاريف مختلف (بر اساس ديدگاههاي متفاوت) براي هوش است. درنتيجه، مجموعه مشخصي از ويژگيهاي هوش محاسباتي ارائه نشدهاندکه بتوانند مبناي تعيين نيازمنديهاي نرم‌افزار هوشمند قرار گيرند. در اين مقاله, يک ديدگاه مهندسي نرم افزاري از قابليت هوشمندي عاملهاي نرم افزاري ارائه شده است. بدين منظور با بررسي و تحليل بيش از 70 تعريف مختلف براي هوش (تعاريف عام، تعاريف در روانشناسي و هوش مصنوعي) 33 ويژگي مشترک آنها استخراج و با حذف ويژگيهاي غيرمحاسباتي، مجموعه اي از ويژگيهاي هوش محاسباتي ارائه شده است. بدين منظور،در اين مقاله براي مهندسي نمودن فرآيند تعيين ويژگيهاي هوش محاسباتي، روشي کمي براي رتبه بندي آنها ارائه شده است. بدين ترتيب که با درنظر گرفتن تکرار ويژگيهاي مشترک در تعاريف مختلف و وزن دهي بر اساس اهميت هر دسته در هوش محاسباتي، مجموعه ويژگيها رتبه‌بندي شده اند. در اين مجموعه، ويژگيهاي يادگيري، قابليت انطباق با محيط يا شرايط جديد، هدف گرايي، قابليت حل مساله، اکتساب و ذخيره سازي دانش و استدلال، به ترتيب داراي بالاترين رتبه هستند.

زبان مدلسازی يکپارچه (UML) جهت رسیدگی به نیازهای وظیفه مندی در مهندسی نرم افزار مورد استفاده قرار می گیرد. هرچند انجمن مدیریت شیئ (OMG )زیر نمایه کارائی را جهت پشتیبانی از نیازهای غیروظیفه مندی در سال 2002 مطرح نمود، لیکن جهت ارزیابی کارائی نیاز به یک مدل رسمی ضروری می باشد. شبکه پتری با بهره گیری از پشتوانه ریاضی جهت مدلسازی رفتار در این زمینه مفید می باشد. از سوی دیگر با توجه به ماهیت غیرقطعی اطلاعات در سیستمهای اطلاعاتی ، استفاده از متغیرهای زبانی و منطق فازی دقت بالاتری را در محاسبات مربوط به ارزیابی کارائی سیستم به همراه خواهد داشت. در این مقاله با تبدیل مدل واقعی به مدل رسمی(F_CPN) امکان ارزیابی کارائی سیستم را بر روی مدل رسمی فراهم می نمائیم. با استفاده از منطق فازی و تحلیل بازخورد قبل از مرحله پیاده سازی می توان کارائی سیستم را بهبود بخشید. با بررسی نتایج ملاحظه می نماییم رویکرد فازی موجب بهبود کارائی می گردد

الگوریتم رمز PRESENT توسط A.Bogdanov و همکاران در سال 2005 به عنوان الگوریتم رمز قطعه¬ای سبک وزن مطرح شد. در این مقاله با استفاده از الگوریتم جمعیت مورچگان بهترین مشخصه تفاضلی برای r دور (5 ≤ r ≤12) از الگوریتم رمز PRESENT بدست آمده است. یافتن بهترین مشخصه مطابق با بدست آوردن کوتاهترین مسیر در گراف عملکرد تفاضلی الگوریتم رمز PRESENT می‌باشد. با اعمال الگوریتم جمعیت مورچگان کم وزن ترین مسیر در گراف بدست می¬آید که معادل بهترین مشخصه در تحلیل تفاضلی می¬باشد. با این روش دیگر ملزم به استفاده از جستجوی کلی برای یافتن بهترین مشخصه نمی¬باشیم و پیچیدگی زمانی و حافظه¬ای بهتری حاصل می¬شود.

هدف اصلی این مقاله ارائه سیستمی خودکار برای شناسایی، ردیابی و تعیین مسیر هر بازیکن و نیز تعیین تیم آندر تصاویر ویدیویی مسابقات فوتبال می‌باشد. تجزیه و تحلیل سیستم ابتدا شامل جداسازی چمن از دیگر اشیاء میدان بازی مبتنی بر هیستوگرام اصلاح شده و شناسایی بازیکنان با اعمال فیلتر میانه و عملگر مورفولوژی باز کردن است. پس از جداسازی ناحیه چمن، مشخص نمودن تیم بازیکنان بر اساس هیستوگرام باز تصویر شده انجام شده است. ردیابی بازیکنان نیز با استفاده از روش کلیشه همبستگی تطبیقی انجام شده است. در نهایت موقعیت و مسیر هر بازیکن با روش تبدیل هندسی آفین بر روی نشانه‌های خطی استخراج شده از میدان بازی محاسبه شده است. نتایج آزمایش‌ها نشان می‌دهند سیستم ارائه شده روشی مناسب را برای تجزیه و تحلیل تصاویر ویدیویی مسابقات فوتبال ارائه می‌دهد.