دستگاه‌های حسگر پوشیدنی برای بسیاری از برنامه‌های کاربردی در بهداشت و درمان استفاده می‌شود. ویژگی‌های آماری استخراج شده از سیگنال‌های فیزیولوژیکی توسط افراد، ممکن است منجر به تخلیه باتری شود که در این صورت باید ویژگی‌های بهینه انتخاب شوند. در این مقاله مفهوم انتخاب ویژگی با هدف به حداقل رساندن مصرف انرژی برنامه های کاربردی طبقه بندی شده معرفی می‌شود. مسئله با استفاده از الگوریتم ژنتیک برای انتخاب ویژگی به شیوه‌ای توان کارآمد و استفاده از دو معیار ارتباط و افزونگی به عنوان معیار ارزش‌گذاری ویژگی‌ها ارائه شده است. نتایج آزمایشی بر روی سی کانال داده فعالیت جمع‌آوری شده از افراد واقعی نشان می‌دهد که روش پیشنهادی به طور قابل توجهی می‌تواند باعث کاهش مصرف انرژی سنسورها گردد، در نتیجه باعث ذخیره بیش از 30% انرژی شود در حالی که دقت طبقه‌بندی به 95% می‌رسد.

محدودیت انرژی و ازدحام بالای گره‌ها بر سر تصاحب کانال فرکانسی، دو مشکل عمده شبکه‌های حسگر بی‌سیم است. محدودیت طیف بدون مجوز باعث گردیده تا فناوری رادیوی شناختگر به منظور استفاده از طیف مجوزدار در شبکه‌های حسگر بی‌سیم مطرح شود. از سوی دیگر مسیریابی فرصت‌طلبانه در شبکه‌های حسگر بی‌سیم مورد توجه قرار گرفته است تا با استفاده از ذات همه‌پخشی رسانه‌های بی‌سیم، گذردهی بالاتر با مصرف انرژی کمتر را به ارمغان آورد. در این مقاله با ترکیب دو تکنولوژی مسیریابی فرصت‌طلبانه و رادیو شناختگر تلاش شده است تا یک پروتکل مسیریابی آگاه از انرژی با هدف بهبود نرخ تحویل و تعدیل مصرف انرژی در شبکه‌های حسگر بی‌سیم ارائه شود. عملکرد پروتکل پیشنهادی با یک پروتکل پیشین مقایسه شده و نتایج آن در محیط شبیه‌سازی شده، حاکی از کاهش متوسط و واریانس مصرف انرژی شبکه در عین بهبود نرخ هدایت بسته‌ها نسبت به راهکار پیشین است.

هدف از انجام این تحقیق ارائه راهکاری جهت مقابله با مشکل انفجار فضای حالت در وارسی مدل سیستم‌های مدل‌شده توسط سیستم تبدیل گراف است. سیستم تبدیل گراف یکی از روش‌های پرکاربرد فرمال و مبتنی بر پایه ریاضی برای مدلسازی سیستم‌ها است که از گراف‌ها برای تشریح و مدل‌کردن ساختار سیستم‌های پیچیده استفاده می‌کند. در روش ارائه‌شده از الگوریتم‌های فرامکاشفه‌ای استفاده کرده‌ایم تا به‌جای تولید کامل فضای حالت، بخشی از آن را ساخته و مورد بررسی قرار دهیم و در‌این راستا از تکنیک تکذیب برای بررسی نقض یک ویژگی به‌جای اثبات آن استفاده کرده‌ایم؛ ما به بررسی ویژگی ایمنی پرداخته‌ایم و به‌دنبال کشف‌کردن مسیر‌های منتهی به بن‌بست به‌عنوان مثال نقض ویژگی ایمنی هستیم. راهکار ارائه‌شده را در Groove که ابزاری متن‌باز و مبتنی‌بر گراف، برای ویرایش، تولید فضای حالت و وارسی مدل مبتنی‌بر گراف می‌باشد، پیاده‌سازی کرده‌ایم. در این تحقیق از ترکیب الگوریتم کلونی زنبور‌عسل مصنوعی و تبرید شبیه‌سازی‌شده، الگوریتم جدیدی به‌نام ABC-SA را پیاده‌سازی کردیم.

امروزه یکی از روش‌های مطرح جهت تولید سیستم‌های پیچیده، مهندسی مدل‌رانده است. در این روش، تبدیل مدل یکی از ارکان مهم است که مدل را به‌صورت خودکار به کد تبدیل می‌کند. اما با پیچیده‌شدن سیستم‌های نرم‌افزاری، تبدیل مدل‌ها نیز بزرگ و پیچیده شده‌اند. در نتیجه کیفیت تبدیل‎‌ها و فهم آن‌ها با مشکل روبه‌رو شده است. یک روش برای بهبود کیفیت‌ تبدیل‌ها و غلبه بر این پیچیدگی‌ها، استفاده به‌جا و مناسب از الگوهای تبدیل است، ولی استفاده از الگوها برای افراد مبتدی آسان نیست. هدف از این تحقیق، ارائه راهکاری جهت تسهیل و بهبود به‌کارگیری الگوهای تبدیل به‌منظور افزایش کیفیت تبدیل‌های نوشته شده است. به‌همین منظور از یک فرایند جهت اعمال الگوهای مهم در تبدیل مدل استفاده می‌شود. به‌منظور ارزیابی روش پیشنهادی، کد تبدیل قبل از اعمال الگو و بعد از اعمال الگو بر اساس پارامترهای کیفی مانند کارایی، پیچیدگی و میزان خاصیت پیمانه‌ایی سنجیده می‌شود. نتایج نشان می‌دهد که استفاده از الگوها باعث افزایش خاصیت پیمانهایی، کیفیت، کارایی، چسبندگی و سادگی کد تبدیل خواهد شد. همچنین سودمندی استفاده از الگوهای تبدیل بر روی تبدیل‌های واقعی به‌صورت کمی ارزیابی می‌شود.

قابلیت استفاده، یکی از ویژگی‌های مهم کیفیت در نرم افزارهای تلفن همراه است. با توجه به اینکه این ویژگی، اغلب با تجربیات کاربری و نظرات استفاده کنندگان مرتبط است، ارزیابی آن یکی از چالش‌های متداول سیستم‌های نرم افزاری است. برای حل این مساله، در این مقاله رویکردی کمّی برای اندازه‌گیری قابلیت استفاده نرم افزارهای تلفن همراه ارائه شده‌است. بدین منظور، معیارهای دقیق و قابل اندازه‌گیری برای قابلیت استفاده تعریف شده است. به طوری که این معیارها، با ثبت وقایع و تاریخچه فعالیت‌های کاربر در نرم‌افزار تلفن همراه قابل محاسبه و اندازه¬گیری هستند. همچنین، در این مقاله قابلیت استفاده یک نرم افزار متن باز تلفن همراه بر اساس این روش ارزیابی شده است. در این ارزیابی، معیارهای قابلیت پیدا کردن کارکرد در نرم افزار، قابلیت انجام کار به صورت درست، زمان اجرای وظیفه، زمان مکث، خطا‌های مسیر، زمان جستجوی مسیر درست عملکرد، تعداد خطا‌ها و زمان واکنش به خطا به عنوان معیارهای منتخب قابلیت استفاده درنظر گرفته شده اند. سپس قابلیت ثبت وقایع مورد نیاز و تاریخچه فعالیت‌های کاربر به نرم افزار منتخب اضافه شده است. همچنین، برای اندازه گیری این معیارها، یک ارزیابی تجربی طراحی و اجرا شده است. در اجرای این ارزیابی، تعداد 30 کاربر شرکت داشته اند و از آن‌ها خواسته شده است که لیست فعالیت‌های مشخصی را در نرم افزار انجام دهند. بر اساس وقایع ثبت شده، هر یک از معیارهای ارزیابی اندازه گیری و محاسبه شده است. نتایج این ارزیابی نشان می‌دهد که برای یک کارکرد مورد ارزیابی، تنها 23% از کاربران موفق به اجرای آن به صورت صحیح شده اند. همچنین، متوسط زمان جستجوی مسیر صحیح برای رسیدن به این کارکرد 78 ثانیه و متوسط خطاهای کاربران14.33 بوده است. این نتایج نشان می‌دهد که برای این کارکرد مشخص از نرم افزار منتخب، قابلیت استفاده نرم افزار بسیار ضعیف است و نیاز به بازبینی و اصلاح دارد. بر اساس رویکرد این مقاله، اندازه گیری قابلیت استفاده به یک فعالیت دقیق و مهندسی تبدیل شده است که تولیدکنندگان نرم‌افزار را از روش‌های غیردقیق و کیفی برای ارزیابی قابلیت استفاده، مانند تکمیل پرسشنامه توسط کاربران، بی‌نیاز می‌کند و مبنایی دقیق برای تشخیص بهبودهای موردنیاز در نرم افزار فراهم می‌آورد.

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.

استفاده از پردازش ابری در فناوری اینترنت اشیا، سهم به‌سزایی در گسترش این فناوری داشته است. در حال حاضر کاربردهایی نظیر واقعیت مجازی و افزوده وجود دارند که تاخیر پردازش به واسطه استفاده از ابر مرکزی، حداقل نیازمندی‌های آنها را در برخی شرایط ارضا نمی‌کند. پردازش لبه رویکرد جدیدی در اینترنت اشیا است که در سال‌های اخیر برای کم کردن بار پردازشی ابر مرکزی، کاهش تاخیر زمان پاسخ، کاهش ازدحام شبکه گسترده، کاهش توان مصرفی و در برخی از کاربردها برای کاهش هزینه‌های اقتصادی ارائه شده است. در این مقاله برآنیم برخی رویکردهای مختلف برای پیاده‌سازی پردازش لبه اعم از تکه‌ابر، پردازش مه و پردازش لبه‌ای متحرک را بررسی نماییم. همچنین معماری، مزایا، چالش‌ها و مسائل امنیتی در پژوهش‌های اخیر در حیطه پردازش لبه بررسی می‌شود.

پیشرفت‌های اخیر در فنآوری اطلاعات منجر به ایجاد تکنولوژی جدیدی به نام اینترنت اشیاء شده است. همچنین افزایش قیمت بهداشت و درمان در سراسر جهان خواستار تحول در مراقبت‌های سلامت افراد شده که با توجه به نیازهای جدید، سیستم بهداشت و درمان مبتنی بر اینترنت اشیاء به‌وجود آمده است. در این کاربرد بیشترین نگرانی مربوط به امنیت و حفظ حریم خصوصی افراد می‌باشد که در جهت رفع این نگرانی‌ها از پروتکل امنیتی DTLS استفاده می‌شود. در این مقاله یک روش جدید سبک وزن مبتنی‌بر پروتکل DTLS پیشنهاد شده است که با استفاده از مکانیزم‌های کم‌حجم‌سازی در بخش دست‌تکانی و سرآیند این پروتکل از طریق کاهش اندازه پیام ارسالی به میزان 28 درصد، توانسته است مشکلات مراحل زمانبر این پروتکل را حل کند. شبیه‌سازی و ارزیابی روش پیشنهادی نشان از کاهش زمان پردازش و ارسال پیام، مصرف انرژی و حافظه می‌باشد.

Delta debugging یک روش تقسیم و حل است که عمل debugging متداول را توسط کمینه کردن ورودی، ساده می‌سازد. بنابراین debugging بر روی کدی ساده‌تر، اعمال می‌شود. در واقع Delta debugging روش علمی اشکال زدایی را خودکار می‌کند. ایده اساسی روش علمی مذکور، بنا نهادن فرضیه‌ای بر روی این موضوع است که چرا برنامه بدرستی کار نمی‌کند. در روال debugging این فرضیه، تست‌شده و بسته به خروجی تست، قبول یا رد می‌شود که البته تمامی این کارها را در روال debugging افراد بصورت کاملاً دستی انجام می‌دهند. حال Delta debugging این فرآیند را بصورت خودکار در می آورد. تاکنون تنها یک روش موازی‌سازی الگوریتم مذکور برای بهبود زمان اجرای آن معرفی شده‌است. در این مقاله با استفاده از ویژگی‌های زبان برنامه‌نویسی Chapel یک نسخه‌ی موازی جدید از این الگوریتم ارائه شده‌است که نسبت به روش قبلی تا % ۴۶/۳۶ زمان اجرای الگوریتم را بهبود بخشیده‌است.

پیدا کردن دو مسیر ساده از دو مجموعه نقطه مجزا اولین بار توسط جف اریکسون مطرح شد. این مسئله می‌تواند در مسیریابی حرکت ربات‌ها، تولید چندضلعی‌های تصادفی، طراحی مدارهای VLSI و غیره کاربرد داشته باشد. در این مقاله اثبات می‌کنیم که حالت عمومی این مسئله یعنی رسم r زنجیره قرمز ساده و b زنجیره آبی ساده از دو مجموعه نقطه مجزای داده‌شده به‌طوری‌که تمام نقاط را پوشش دهند ان پی‌کامل است. برای اثبات ان پی-کامل بودن، از مسئله «پیدا کردن مسیر همیلتونی در گراف‌های مسطح که با یال‌های خط مستقیم رسم شده‌اند» که خود یک مسئله ان پی-کامل است استفاده می‌کنیم و آن را به مسئله مطرح‌شده کاهش می‌دهیم.

هدف توصیف ویدئو تولید یک جمله به زبان طبیعی است که بتواند محتوای ویدئو را توصیف کند. این موضوع باعث بهبود در جست‌وجو و بازیابی ویدئو می‌شود. به طور کلی در اغلب روش‌های موجود، تولید متن برای توصیف ویدئو در دو مرحله انجام میشود، ابتدا یک سری ویژگی‌های بصری با استفاده از شبکه‌های کانولوشنی از فریم‌های ویدئو استخراج می‌شوند، سپس یک جمله با استفاده از حافظه طولانی-کوتاه مدت (LSTM) بر اساس این ویژگی‌ها تولید خواهد شد. علی‌رغم اینکه این روش‌ها از ویژگی‌های بصری استفاده می‌کنند ولی این ویژگی‌های توانایی استخراج اطلاعات معنایی مرتبط با ویدئو را ندارند، به همین دلیل پیشنهاد شده است که علاوه بر ویژگی‌های بصری، برای هر ویدئو ویژگی‌های معنایی مانند <فاعل، فعل، مفعول> با استفاده از الگوریتم‌های دسته‌بندی‌کننده استخراج شوند و ترکیب ویژگی‌های بصری و معنایی به عنوان ورودی به حافظه طولانی-کوتاه مدت داده شود. در این مقاله از الگوریتم‌های تشخیص فعالیت برای تشخیص فعل در ویدئو استفاده شده و با نگاشت افعال، اشیاء و مفاهیم استخراج شده از ویدئو به فضای بردارهای جاسازی کلمات برای بهبود فرآیند استخراج اطلاعات معنایی استفاده شده است. بررسی‌های انجام شده بر روی مجموعه داده youtube2text نشان‌دهنده برتری روش پیشنهادی بر روش‌های موجود است.

با توجه به گسترش استفاده از دوربین‌های مداربسته در محیط‌های مختلف، ردیابی افراد در چنین محیط‌هایی کاربردهای فراوانی پیدا کرده است. از جمله این کاربردها می‌توان به موارد امنیتی و نظارتی اشاره کرد. یکی از رویکردهای قابل قبول برای ردیابی افراد در محیط‌های چند دوربینی استفاده از مدل‌های احتمالاتی است. به دلیل کیفیت پایین تصاویر ضبط شده توسط دوربین‌ها، در مدل‌های احتمالاتی از زمان ورود و خروج بین دوربین‌ها به عنوان ویژگی اولیه برای ربط دادن افراد استفاده می‌شود. کیفیت پایین تصاویر باعث می‌شود که ویژگی‌های ظاهری افراد در یک دوربین با اختلال زیادی همراه باشد. همچنین بین ویژگی‌های ظاهری یک فرد در دو دوربین تفاوت وجود دارد. در این مقاله سعی شده است راهکاری برای استفاده از این ویژگی‌ها در چنین محیط‌هایی ارائه شود. ارزیابی روش ارائه شده در یک سامانه ی نظارتی شامل سیزده دوربین انجام شده است. ویدئوهای ضبط شده مربوط به شلوغ‌ترین بازه‌های زمانی عبور و مرور می‌باشند. نتایج نشان می‌دهند که اضافه شدن ویژگی‌های ظاهری به روش‌های موجود باعث بهبود و ارتقای کیفیت ردیابی افراد در محیط‌های چند دوربینی شده است.

در این مقاله جدول‌های چندی سازی جدید برای بهبود فشرده سازی تصاویر چهره با استفاده از روش JPEG با هدف حفظ یا بهبود دقت بازشناسی پیشنهاد شده است. این جدولها با استفاده از سه الگوریتم فرا مکاشفه‌ای تبرید تدریجی، ژنتیک و ازدحام ذرات بدست آمده اند. بهبود نسبت فشرده سازی با توجه به حفظ و در برخی مواقع افزایش نرخ بازشناسی چهره در مقایسه با جدول چندی سازی استاندارد حاصل شده است. آزمایشات در بازه مناسبی از نرخ بیت‌ها بروی تصاویر تست از پایگاه داده FERET با استفاده از الگوریتم مبتنی بر ظاهر انجام شده که نشان می دهد افزایش نسبت فشرده‌سازی نه تنها کارایی بازشناسی چهره را تقلیل نمی‌دهد بلکه در بعضی مواقع بهبود کمی هم به همراه دارد. بهترین افزایش ها نسبت به حالت استاندارد در نرخ 0.2 بیت بر پیکسل در مجموعه تست dup2 با استفاده از الگوریتم ژنتیک بدست آمده است، نرخ بازشناسی از 16.2 به 17.9درصد و در همان زمان نسبت فشرده‌سازی از 28.7 به 34.2 افزایش داشته است.

بازشناسی احساس و حالت چهره یکی از زمینه‌های تحقیقاتی مورد توجه در سال‌های اخیر بوده است که در کاربردهایی چون شبیه‌سازی حالت چهره در ارتباط انسان با ماشین و پویانمایی مبتنی بر داده‌ها مورد استفاده قرار گرفته است. با پیدایش و گسترش یادگیری عمیق هم این شاخه بیشتر مورد توجه قرار گرفته است. در اين مقاله، دو روش برای بهبود استخراج ویژگی استخراجی از چهره برای بازشناسی حالت آن مبتنی بر شبکه‌های عصبی عمیق ارائه شده است. در روش اول با استفاده از شبکه‌های خود رمزگذار فشرده‌سازی و کاهش بعد ویژگی بر روی مجموعه ویژگی‌های الگوی دودویی محلی و هیستوگرام جهت دار اعمال شده است تا به این ترتیب بردار ویژگی به دست آید که علیرغم کاهش بعد اطلاعات این ویژگی ها را به همراه داشته باشد. بردار حاصل برای دسته‌بندی در اختیار دو دسته‌بند ماشین بردارپشتیبان و پرسپترون چند لایه قرار داده شده است. در روش دوم ساختاری جدید برای معماری شبکه‌های درهم‌پیچش با در نظر گرفتن حذف تصادفی نورون‌ها در حین آموزش پیشنهاد شده است که به نوعی به وزن‌دهی ویژگی‌های استخراجی از لایه‌های درهم‌پیچش و بهبود وزنهای شبکه در حین آموزش می‌پردازد. نتایج ارزیابی روش‌ها بر روی دادگان CK+ نشان می‌دهد که روشهای پیشنهادی به ویژه روش پیشنهادی دوم نسبت به دیگر روش‌های ارائه شده نتیجه بهتری ارائه کرده‌اند و در بهترین حالت، روش دوم به درصد بازشناسی 97.4% دست یافته است.

یکی از مهمترین شئ‏‌های متحرک موجود در ویدئوی فوتبال، توپ است. ردیابی توپ نقش بسزایی در کشف رویدادها و همچنین بالا بردن کیفیت سیستم‌‏های تحلیل بازی فوتبال دارد. ردیابی، عمل تخمین حركت سوژه متحرک در بین فریم‏‌های متوالی است. ولی در هر فریم برخورد توپ با بازیکنان باعث هم‌پوشانی توپ در بعضی از فریم‏‌های ویدئویی می‏‌شود. در این مقاله از روش لوکاس-کاناده برای پیش‏بینی مکان توپ در فریم جاری با توجه به حرکت‏‌های قبلی توپ در فریم‏‌های گذشته استفاده می‏‌شود تا از دست دادن توپ در بعضی از فریم ها باعث شکست ردیابی نشود و محدوده جستجو کاهش یابد. همچنین سرعت پردازش با حفظ دقت در مسائل ردیابی دارای اهمیت فراوان می‏‌باشد، که در الگوریتم پیشنهادی برای بالا بردن سرعت از روش تشخیص الگوی فرن جهت تولید شئ‏‌های کاندیدای توپ استفاده نمودیم. نتایج بر روی 2250 فریم ویدئوی فوتبال نشان می‌دهد که تخمین موقعیت توپ، تشخیص اشتباه ناشی از هم‌پوشانی را کاهش می‏‌دهد و روش تشخیص الگوی فرن می‌تواند با سرعت مناسبی شئ‌‏های کاندیدای توپ را با حفظ صحت و دقت آشکار نماید.

گفتار یک سیگنال مناسب برای تشخیص هویت است که علاوه بر کاربرپسند بودن، دارای پیچیدگی محاسباتی کم و هزینه پیاده‌سازی پایین است. همچنین به دلیل برخورداری از ویژگی‌هایی نظیر طبیعی بودن و امکان دسترسی به آن از راه دور، همواره مورد توجه محققان حوزه تشخیص هویت بوده است. تصدیق هویت گوینده بر مبنای تحلیل عامل و در فضای i-vector بهبود چشمگیری در عملکرد این سیستم‌ها در سال‌های اخیر ایجاد کرده است. در این مقاله روشی برای وزن‌دهی به بردارهای مدل و تست، با استفاده از ویژگی‌های آماری بردارهای آموزشی گویندگان هدف، ارائه شده است. تأثیر بهره‌گیری از بردارهای موزون بر دقت امتیازدهی و در نتیجه کل سیستم تصدیق هویت با استفاده از چهار بردار ویژگی MFCC، IMFCC، LFCC و PNCC و دو روش امتیازدهی فاصله كسینوسی و فاصله اقلیدسی وزن‌دار (ماهالانوبیس) مورد ارزیابی قرار گرفته است. در پیاده‌سازی آزمون‌ها از دادگان‌های TIMIT و NIST SRE 2008 استفاده شده است. نتایج آزمون‌ها مبین آن است که استفاده از بردارهای موزون پیشنهادی در این مقاله دقت سیستم تصدیق هویت گوینده را افزایش می‌دهد.

شناسایی حالت چهره یکی از مسائل جالب و چالش‌برانگیز در بینایی ماشین است. استخراج ویژگی نقش بسیار مهمی در دقت الگوریتم‌های شناسایی حالت چهره ایفا می‌کند. یکی از روش‌های استخراج ویژگی در بینایی ماشین، استفاده از فیلتر گابور است، که عملکرد آن شباهت زیادی به سلول‌های پیچیده در سیستم بینایی انسان دارد. نقطه ضعف فیلتر گابور، هزینه محاسباتی و طول بردار ویژگی زیاد آن است. در این مقاله، با الهام از سیستم بینایی انسان، ماتریس‌های حاصل از کانولوشن فیلترهای گابور با تصویر، به نحو مناسبی براساس بیشترین و کمترین پاسخ، کدگذاری می‌شوند. در ادامه، با محاسبه هیستوگرام این کدها در تصویر، بردار ویژگی بدست می‌آید. طول این هیستوگرام به ازای 16 و 8 فیلتر گابور به ترتیب برابر با 240 و 56 بوده که بسیار کمتر از حفظ تمام ضرایب گابور است. روش پیشنهادی که از سیستم بینایی انسان الهام گرفته شده است، بر روی سه پایگاه داده شناسایی حالت چهره CK+، SFEW و MMI (به‌صورت مستقل از شخص) ارزیابی شده است. نتایج بدست آمده از این آزمایش‌ها نشان می‌دهد که روش پیشنهادی در مقایسه با سایر روش‌های مشابه موجود از دقت بالاتری در شناسایی حالت چهره در تصاویر کنترل شده و همچنین کنترل نشده برخوردار است.

رادارهای سار (SAR ) یكی از ابزارهای تصویربرداری در شرایط مختلف آب‌ و هوایی در كاربردهای نقشه‌برداری، نظامی، منابع زمینی و عمرانی می‌باشند. در سال‌های اخیر یک رادار جدید، جهت ثبت ویدئو اشیا در حالت حركت با توسعه رادارهای سار به نام ویدئوسار یا به‌اختصار ویسار (ViSAR ) ارائه‌شده است. یكی از چالش‌های اساسی تصاویر سار، وجود نویز ضربه در این تصاویر است. بدون شك با توجه به وجود این نویز در ویدئو سار نیاز است تا رفع نویز در این داد‌ها نیز انجام گیرد. در این مقاله چهار فیلتر مختلف رفع نویز در تصویر برای اعمال روی داده‌های ویدئویی ویسار ارزیابی شده‌اند. برای این منظور سه رویكرد رفع نویز فریم به فریم، میانگین‌گیری در بعٌد زمان و استفاده از بلاك‌های سه‌بعدی جهت اعمال بر روی داده‌های ویدئویی پیشنهاد شده‌است. جهت ارزیابی نتایج، از داده‌های واقعی رادار ویسار استفاده ‌شده و از شاخص‌های متداول بررسی كارایی روش‌‌های رفع نویز جهت مقایسه روش‌ها بهره گرفته‌شده است. نتایج به‌دست‌آمده نشان می‌دهد كه رویكرد میانگین‌گیری کارایی مناسبی نداشته و رویکرد سه‌بعدی نیز کارایی نزدیک به رویکرد فریم به فریم داشته است.

در این مقاله یک اسیلاتور کنترل شونده دیجیتالی (DCO) با فرکانس بالا و توان مصرفی کم پیشنهاد شده است. مدار DCO پیشنهادی هشت فاز مختلف دارد و برای سه و چهار بیت کنترلی شبیه‌سازی شده است. در این مدار از حلقه‌ای با چهار سلول تاخیر دیفرانسیلی و یک گیت XOR و سه معکوس‌کننده استفاده شده است. در هر طبقه تعدادی NMOS موازی با پهناهای متفاوت بر وزن باینری برای کنترل فرکانس خروجی DCO قرارداده شده است. شبیه سازی توسط نرم افزار Cadence در تکنولوژی 65 نانومتر و ولتاژ تغذیه 1.2 ولت انجام شده است. DCO با سه بیت کنترلی، رنج فرکانسی 16.26 - 12.74 گیگاهرتز و توان مصرفی 335.9 - 287.9 میکرو‌وات و DCO با چهاربیت کنترلی رنج فرکانسی 16.39 - 89 .12 گیگاهرتز و توان مصرفی 337.6 - 290 میکرو‌وات را نشان می‌دهد.

شبکه‌های روی تراشه به‌عنوان رهیافت جدید طراحی مدارات دودویی امروزی، همواره با چالش‌های زیادی چه در مرحله‌ی طراحی و چه در مرحله‌ٰی پیاده‌سازی روبه‌رو هستند. از جمله‌ی این چالش‌ها برقراری تعادل بین مشخصه‌های مختلف سامانه از قبیل قابلیت اطمینان و توان مصرفی است. استفاده از فناوری‌های در مقیاس نانو در ساخت سامانه‌ی روی تراشه، آسیب‌پذیری اجزای این سامانه‌ها را به منابع اشکال بیشتر کرده تا جایی که به جرأت می‌توان گفت که ساخت تراشه‌ها بدون درنظرگرفتن چالش‌های قابلیت اطمینان درآن امری غیرممکن است. اشکال همشنوایی به‌عنوان مهم‌ترین منبع تهدید‌کننده‌ی قابلیت اطمینان سامانه‌های روی تراشه است. باتوجه به اهمیت اشکال همشنوایی در شبکه‌های روی تراشه، اجتناب از همشنوایی در سطوح مختلف فیزیکی، ترانزیستوری و انتقال ثبات می‌تواند انجام شود. با این وجود همه روش‌ها تنها اثر تزویج خازنی را در نظر گرفته‌اند و از اثر تزویج سلف چشم پوشیدند. در این مقاله، یک روش کدگذاری مبتنی بر سیستم عددی، به نام کدگذاری بازتابی برای جلوگیری از اشکال‌های همشنوایی ارائه شده است. این روش الگوی بیتی ’11111‘ و ’00000 ‘که منبع اصلی اشکال همشنوایی با درنظر گرفتن اثر سلفی است را حذف می‌کند. شبیه سازی‌هایی برای اندازه گیری سربار توان مصرفی، مساحت اشغالی و تأخیر مسیر بحرانی کدک برای این روش انجام شده است. نتایج نشان داده است که این روش در مقایسه با روش کدینگ مبتنی بر فیبوناچی به طور میانگین 27.4 درصد انرژی مصرفی و 19.1 درصد مساحت اشغال شده کدک را بهبود می‌دهد.