انجمن کامپیوتر ایران

استخراج ویژگی های ضمنی یکی از مراحل دشوار در تحلیل احساسات مبتنی بر ویژگی است. از آن جایی که تحقیقات زیادی در این زمینه برای متون زبان فارسی صورت نگرفته است، لزوم انجام تحقیقات بیش تر احساس می شود. روش های ارائه شده، تمام جنبه های زبان فارسی را پوشش نمی دهند و از دقت کافی برخوردار نیستند. در این مقاله از قواعد نحوی زبان فارسی و گراف وابستگی جهت پوشش جنبه های مختلفی از نحو زبان فارسی استفاده شده است. ارزیابی های انجام شده، نشان می دهند روش ارائه شده از دقت و بازخوانی بیشتری نسبت به کارهای قبلی برخوردار است.

با افزایش روز افزون حجم اطلاعات ذخیره ‌شده در شبکه هاي جهانی وب و زیرمجموعه هاي آن همانند شبکه‌های اجتماعی، فرآیند بازیابی و استخراج اطلاعات اهمیت ویژه اي یافته است. سیستم‌های پرسش و پاسخ شکل پیچیده‌تری از سیستم‌های بازیابی اطلاعات هستند که نتایج بازیابی شده را در قالب پاسخی مستقیم و اجمالی به کاربر ارائه می‌دهند. سیستم ارائه شده در این مقاله یک سیستم پرسش و پاسخ دامنه باز مبتنی وب است. در بخش طبقه بندی پرسش، جهت بهبود کارایی طبقه بندی از ویژگی های مختلف لغوی، نحوی و معنای استفاده‌ شده است. در بخش استخراج پاسخ، ویژگی های مختلف آماری، نحوی و معنایی استخراج می شود. در بخش طبقه بندی پاسخ، برای افزایش کارایی از یک طبقه بند ترکیبی استفاده ‌شده است. میزان معیار دقت بر روی مجموعه ای با تعداد 200 پرسش شامل پرسش های دستی و پرسش های حقایق TREC-10 برابر با 78 درصد به دست آمده است که نشان ‌دهنده قابل ‌قبول بودن عملکرد سیستم است.

یکی از مهم‌ترین چالش‌های مطرح در توسعه سیستم‌های سرویس‌گرا، نحوه شناسایی سرویس‌های همسو با نیازمندی‌های کسب‌و‌کار است. در این پژوهش روشی مدل‌محور برای شناسایی سرویس‌ها از بستر کسب‌و‌کار ارائه شده است که در آن، ابتدا در فاز مدل‌ سازی کسب‌و‌کار به مدل‌ سازی فرآیندها، داده‌ها و اهداف کسب‌و‌کار پرداخته می‌شود؛ سپس در فاز شناسایی ابتدا نیازمندی‌های سیستمی و فرآیندهای To-Be از روی مولفه‌های متناظر خود در مدل کسب‌و‌کار بدست می‌آیند و با استفاده تومان از فرآیندهای To-Be، داده‌ها ونیازمندی‌های سیستمی، سرویس‌ها شناسایی می‌شوند. هم چنین اصول طراحی سرویس از جمله چسبندگی، اتصال سست، دانه‌بندی مناسب و قابلیت استفاده مجدد مورد بررسی و نحوه دستیابی به آن‌ها مشخص می‌شود. روش پیشنهادی از نقطه نظر مدل ‌محور بودن، نیمه‌خودکار بودن، سطح کاربردپذیری سرویس‌های شناسایی شده و رعایت اصول طراحی سرویس نسبت به روش‌های موجود برتری دارد.

کاهش انرژی مصرفی مراکز داده از موضوعاتی است که در سال‌های اخیر مورد توجه بسیاری قرار گرفته است. به این منظور ارائه‌کنندگان ساختار به عنوان سرویس در محیط ابر سعی می‌کنند تا حد امکان در مصرف انرژی صرفه‌جویی و سرورها را به حالت خواب ببرند. با استفاده از الگوریتم‌های مبتنی بر بسته‌بندی بسته‌ها می‌توان منابع ابر را به گونه‌ای بهینه، اختصاص و از این طریق مصرف انرژی را کاهش داد. تقسیم منابع مرکز داده با ایجاد ماشین‌های مجازی روی سرورها و اختصاص آنها به کاربران مختلف ابر ممکن می‌شود. در این پژوهش، با کمک الگوریتم بدترین انطباق کاهشی، ماشین‌های مجازی روی تعداد کمتری از سرورهای فیزیکی قرار می‌گیرند. به این ترتیب تعداد بیشتری از سرورها می‌توانند بیکار و خوابیده شوند و انرژی کمتری مصرف کنند. با شبیه‌سازی شبکه‌ی ابر و استفاده از نشانگرهای استاندارد، ارزیابی عملکرد روش پیشنهادی انجام گرفته و نشان داده شده است که با این شیوه انرژی مصرفی به میزان قابل توجهی کاهش می‌یابد.

جرم‌یابی شبکه زیرشاخه‌ای از جرم‌یابی دیجیتالی و علم ضبط، جمع‌آوری و تحلیل ترافیک جهت کسب اطلاعات و تحلیل درباره‌ی‌منبع حمله است. جهت تحلیل ترافیک و شناخت منابع حمله از سیستم‌های پایش و نظارت بر شبکه استفاده می‌شود که اهداف متفاوتی از جمله کنترل و نظارت بر عملکرد سرویس‌دهنده‌ها، کاربران و تجهیزات شبکه و SLAرا دنبال می‌کنند. این سیستم‌ها علاوه بر بحث نظارت، وظیفه‌‌ی مدیریت متمرکز را نیز انجام می‌دهند. سیستم‌های سنتی از پروتکلی مانند SNMP استفاده می‌کنند که در تشخیص صحیح جرم و منابع حمله، پاسخگوی نیاز‌های نظارتی مانند جرم‌یابی شبکه‌ نمی‌باشند. سیستم‌های تشخیص نفوذ و دیواره‌های آتش، وظیفه‌ی تشخیص حمله و تهدیدات را بر عهده دارند، لذا در فرآیند جرم‌یابی خود جزئی از این سیستم می‌باشند و به عنوان یک حسگر امنیتی به فرآیند جرم‌یابی کمک می‌کنند. در سیستم‌های پایش لازم است تا تمام مراحل مدل جرم‌یابی گام به گام انجام‌ شده و از پروتکل مناسب با توانایی تحلیل بالا مانند پروتکل Netflow استفاده شود. پروتکل NetFlow به پنج سؤال رایج در ترافیک شبکه پاسخ می‌دهد، چه فرستنده‌ای به کدام گیرنده در زمان مشخص چه داده‌ای را در چه حجمی ارسال می‌کند. این تحقیق نشان می‌دهد که با استفاده از پروتکل NetFlow می‌توان ساختار پایش شبکه‌ها را اصلاح‌ کرده و یک زیرساخت بهینه جهت جرم‌یابی شبکه‌ها و سیستم‌ها ایجاد نموده و همچنین تحلیلی دقیق و سریع روی جرایم ارائه نمود.

امروزه برقراری سرویس اینترنت با کیفیت بالا در کنار افزایش امنیت در جاده‌ها مورد توجه فراهم کنندگان سرویس‌های شبکه قرار گرفته است. از این رو زیرساخت شبکه متحرک بی‌سیم برای وسایل نقلیه (VANET) در سال‌های اخیر توسعه یافته است. شبکه سلولی LTE از نسل چهارم شبکه موبایل تکنولوژی مناسبی جهت فراهم سازی زیرساخت موردنیاز VANET است. اما برقراری سرویس اینترنت در سناریوهایی با سرعت بالا از قطع سرویس در اثر پدیده هنداور رنج می‌برد. هنداورهای مکرر در سرعت‌های بالاتر منجر به قطع کامل سرویس داده موبایل می‌شوند. ما در این مقاله برای حل مشکل قطع سرویس از مکانیزم توازن بار توزیع شده بین وسایل نقلیه در حال حرکت استفاده می‌کنیم. این مکانیزم با برقراری یک همکاری توزیع شده بین وسایل نقلیه مجاور سرویس اینترنت یکپارچه (بدون قطعی) را برای مسافران جاده‌ای در سناریوهای سرعت بالا فراهم می‌کند. ما به کمک شبیه سازی عددی براساس پارامترهای واقعی LTE الگوریتم ارائه شده را مورد ارزیابی قرار می‌دهیم.

در اين مقاله، یک پروتکل ارتباطی چندعامل در یک سیستم نظارت ویدئویی ترافیک شهری به منظورره گیری غیرمتمرکز وسایل نقلیه ارائه شده است. نظارت خودکار ترافیک شهری یکی از حوزه های تحقیقاتی پراهمیت در سیستم های حمل و نقل هوشمند است. تطبیق مشخصه های وسایل نقلیه از منظر چندعامل نظارتی مختلف، یک پارامتر اساسی برای افزایش دقت ره گیری سیستم نظارتی خواهد بود. یک سیستم نظارتی تک عامل شامل محدودیت های ذاتی چون محدود بودن ناحیه دید عامل و انباشتگی خطا در الگوریتم های تفاضل زمینه است. در راهکار پیشنهادی، در نواحی دید مشترک، دو عامل نظارتی مختلف بطور همزمان، یک وسیله نقلیه را ره گیری می کنند و این ساختار نظارتی چندعامل با ناحیه دید مشترک می تواند مشکلات ناشی از همپوشانی وسایل نقلیه در ناحیه دید هر یک از عامل ها را از طریق دیگری مرتفع نماید و لذا سطح بالایی از خطاپذیری را ایجاد کند. لذا با ارائه یک پروتکل ارتباطی بر پایه تبادل پیغام، به ارزیابی دقت ره گیری سیستم نظارتی چندعامل می پردازیم. هدف اصلی از یک سیستم نظارت توزیع شده، کاهش کارآمد نرخ انتقال و همچنین آنالیز صحنه ترافیک بصورتی غیرمتمرکز و ارسال داده های مورد نیاز به دیگر عامل های سیستم نظارتی است. در این ساختار ناحیه دید سیستم نظارتی وسیع تر شده و با ادغام داده های چندعامل، یک وسیله نقلیه می تواند در کل ناحیه دید سیستم نظارت ترافیک شهری بطور یکنواخت ره گیری شود.

ترمیم تصاویر دیجیتال، یکی از حوزه های پردازش تصویر است که امروزه مورد توجه محققان بسیاری قرار گرفته است. این رشته به خصوص در بازیابی تصاویر، حذف نویز و حذف اشیای نامطلوب از تصویر کاربرد فراوانی دارد. در میان الگوریتم های مختلفی که تا کنون معرفی شده اند، الگوریتم های مبتنی بر نمونه ترمیم تصویر به دلیل سرعت و دقت بالا، مبنای بسیاری از پژوهش های این حوزه قرار گرفته اند. این الگوریتم ها اگر چه ساده، سریع و کارآمد هستند، اما در ترمیم تصاویر با ساختارهای خطی پیچیده، با مشکل مواجه و دچار خطاهای جدی می شوند. محدودیت این الگوریتم ها در ترمیم ساختارهای خطی، موضوعی است که تا کنون به آن کم تر پرداخته شده است. در این مقاله، با استفاده از همسان سازی تصویر به روش Anisotropic Diffusion الگوریتم جدیدی ارائه می شود که ضمن افزایش دقت و کیفیت ترمیم تصویر، بر مشکل فوق نیز غلبه می کند. نتایج حاصل از ارزیابی الگوریتم پیشنهادی این مقاله و مقایسه آن با الگوریتم های موفق در حوزه ترمیم تصویر، نشان می دهد الگوریتم ارائه شده، در دقت و کیفیت ترمیم تصویر، پیشرفت چشمگیری ایجاد کرده است.

سامانه‌های توصیه‌گر به‌عنوان بخش مهم اینترنت، به سه دسته پالایش اطلاعات جمعیت شناختی، مبتنی بر محتوا و مشارکتی تقسیم میگردند. پالایش مشارکتی مبتنی بر همسایگان به‌عنوان مهم‌ترین کلاس‌های پالایش مشارکتی، کاربرد گسترده‌ای در حوزه تجاری را داراست. کلید این رویکرد در یافتن کاربران (کالا‌ها) مشابه براساس ماتریس امتیازات کاربر-کالا بوده تا بتواند توصیه‌های مناسبی را برای کاربران فراهم نماید. اکثر رویکردهای سامانه‌های توصیه‌گر براساس الگوریتم‌های شباهت مانند کسینوس، ضریب همبستگی پیرسون و ... می‌باشد که تنها از کالا‌های دارای امتیاز مشترک مابین کاربران به‌منظور محاسبه شباهت میان دو کاربر استفاده می‌نمایند. از همینرو این معیارها مناسب ماتریس امتیازات پراکنده نمی‌باشند. در این مقاله به‌منظور محاسبه شباهت، معیار مشابهت جدیدی را براساس همسایگان کاربران ارائه داده‌ایم تا عملکرد توصیه‌ها را زمانی که تعداد امتیازات کمی در دسترس باشد، نیز بهبود بخشد. ازاین‌رو از رویکرد احتمالاتی برای مدل‌سازی معیار مشابهت پیشنهادی میان دو کاربر استفاده کرده‌ایم. به‌منظور بیان اثربخشی معیار پیشنهادی، عملکرد معیارهای مشابهت سنتی و بروز را با معیار مشابهت پیشنهادی مقایسه کرده‌ایم. نتایج توصیه‌های صورت گرفته براساس معیارهای ارزیابی مختلف نشان‌دهنده این است که معیار مشابهت پیشنهادی عملکرد بهتری در مقایسه با دیگر معیارهای مشابهت در داده‌های پراکنده را داراست.

‌ حسگر بیسیم شبکه‌های با منابع محدود از نظر حافظه، منبع انرژی، قدرت پردازشی و شعاع حسی هستند. بر اساس محدودیت‌های جدی در این شبکه‌ها، پوشش به یک مسئله اساسی و چالش ‌برانگیز تبدیل‌شده است که بر این مسئله تأکید دارد که حسگرها تا چه اندازه می‌توانند منطقه نظارتی را به‌ خوبی پوشش دهند. این مقاله، با استفاده از تئوری بازی‌ها سعی بر ارائه راهکاری برای کاهش حفره پوششی در کل شبکه را دارد. الگوریتم ارائه ‌شده بر اساس ناهمگن کردن شعاع حسی در حسگرهای ثابت با توزیع تصادفی پایه‌ریزی شده است. برای تحقق این امر، از الگوریتم ژنتیک به‌عنوان ابزار بهینه‌سازی استفاده می‌شود. روش پیشنهادی ابتدا با استفاده از ساختار مثلثی دیاگرام HSTT، جمعیت اولیه را تشکیل می‌دهد. سپس برای هر حسگر در شبکه، شعاع حسی به ‌صورت تصادفی اختصاص داده می‌شود. با استفاده از تابع برازندگی الگوریتم ژنتیک، نسلی که کمترین حفره را در شبکه دارد به‌عنوان نسل نهایی انتخاب شود. نتایج شبیه‌سازی نشان می‌دهد این راهکار در مقایسه با روش‌های همگن در این زمینه به شکل مؤثرتری توانسته است پوشش را در شبکه افزایش دهد.

مسأله تشخیص جنسیت نویسنده متن، یکی از مسائل مورد استفاده در حوزه داده کاوی و متن کاوی است که جهت شناسایی هویت مجهول و یا غیر واقعی تعدادی از کاربران اینترنتی و کاربران شبکه‌های اجتماعی بکار رفته است. هدف از ارائه این مسأله این است که با استفاده از یک یا چند روش بهینه در زمینه تجزیه و تحلیل متون، بتوان مدلی را استخراج کرد که با استفاده از آن، ضریب احتمال تشخیص صحیح برای تعیین جنسیت نویسندگان متون مورد نظر (مرد یا زن بودن نویسنده) را بالا ببریم. یکی از دلایل اصلی ضرورت پرداختن به این موضوع، جلوگیری از سوء استفاده‌های احتمالی از دیگر کاربران، توسط افراد ناشناس یا افراد با هویت جعلی است. راهکارهایی که در این مقاله، برای حل مسأله تشخیص جنسیت نویسنده متن استفاده شده است، شامل دو بخش است، بخش اول شامل یک شیوه جدید وزن دهی به نام معکوس فراوانی سند وابسته به جنسیت (GIDF) است که مبنای آن روش معکوس فراوانی سند (idf) می‌باشد. بخش دوم استفاده از یک روش فراابتکاری ترکیبی مبتنی بر روش خفاش‌ها به نام روش ترکیبی خفاش‌ها – زنبورهای مصنوعی (BABC) است که با الگوریتم طبقه بندی ماشین بردار پشتیبان ترکیب شده و وظیفه آن بهبود نتایج حاصل از طبقه بندی SVM بوسیله انتخاب بهترین ویژگی‌ها جهت ساخت مدل پیشنهادی است. مجموعه داده مورد استفاده جهت ساخت مدل، شامل 3000 نمونه جمع آوری شده از متون نگاشته شده توسط مرد و زن در سایت بلاگفا است که 50 درصد از کل نمونه مربوط به متون مربوط به زن و 50 درصد دیگر مربوط به متون مربوط به زن است. نتایج بدست آمده توسط الگوریتم‌های پیشنهادی نشان می‌دهد که دقت کلاس‌بندی برابر با 85.5 درصد است.

زبان طبیعی ابزاری موثر و آسان برای توصیف ایده‎های بصری و تصاویر ذهنی است و می‎توان تصاویر را مستقیما از طریق توصیفات زبان طبیعی تولید کرد. در بسیاری موارد توصیف زبانی یک صحنه ممکن است از رسم تصویری آن برای کاربر ساده تر باشد. لذا وجود یک سیستم تبدیل خودکار متن به تصویر صحنه به کاربر این اجازه را می‌دهد بدون نیاز به یادگیری نرم‌افزار تخصصی، تصاویر خود را ایجاد نماید. سه پیمانه پردازش زبان طبیعی، استخراج دانش و ترسیم کننده وظایف اصلی سیستم را برعهده دارند. وظیفه پیمانه پردازش زبان طبیعی، استخراج اجزای تصویر (شامل اشیاء، ویژگی های بصری آنها و روابط مکانی میان آنها) از متن ورودی می باشد. پیمانه استخراج دانش عرفی، اجزائی که در متن وجود ندارند اما توسط انسان به صورت پیشفرض تصور می‎شوند به تصویر اضافه می‎شود. در نهایت پیمانه ترسیم کننده، با توجه به اطلاعات استخراج شده، صحنه را ترسیم می‎کند. لذا در این مقاله به ارائه یک سیستم پایه تبدیل متن فارسی به تصویر صحنه می‎پردازیم. سیستم پیشنهادی از تکنیک های مبتنی بر دانش و مبتنی بر قاعده بهره می‎برد و از ابزارهای پردازش زبان طبیعی، مدل‎های 3بعدی و منابع زبانی در حین پردازش استفاده می‎کند.

شناسایی و مکان‌یابی لینک‌های معیوب برای مدیران شبکه اهمیت ویژهای دارد. توموگرافی شبکه میتواند با استفاده از اندازه‌گیری‌های انتها به انتها اطلاعات مفیدی را در ارتباط با ابر شبکه که اندازه‌گیری مستقیم در آن پرهزینه و یا غیرممکن است ارائه دهد. این مقاله، به بررسی مسأله مکان‌یابی لینک‌های معیوب در سطح اینترنت با استفاده از توموگرافی شبکه می‌پردازد و یک چارچوب مبتنی بر نمونه‌برداری فشرده برای ساخت ماتریس اندازه‌گیری تصادفی معرفی می‌کند. به منظور بازیابی سریع لینک‌های معیوب در شبکه، الگوریتم قدم‌زنی تصادفی باتوجه به ویژگی ساختاری توزیع درجه گره‌های شبکه، تغییر یافته است. دقت الگوریتم پیشنهادی با انجام شبیه‌سازی برروی گراف‌ها با توزیع درجه توانی که مدل کننده‌ی اینترنت هستند، مورد ارزیابی قرار گرفته است. نتایج شبیه‌سازیها نشان میدهد که استفاده از روش پیشنهادی باعث بهبود نرخ شناسایی و مکان‌یابی لینک‌های معیوب با استفاده از تعداد کمتری اندازه‌گیری می‌شود.

با توجه به اهمیت و نیاز روزافزون به بهبود شبکه‌های بی‌سیم، به‌ویژه از جهت فراهم‌آوری کیفیت خدمات (QoS)، تلاش‌های بسیاری به‌منظور ارتقاء کارایی این نوع از شبکه‌ها انجام گرفته است. یکی از کلیدی‌ترین عوامل استفاده‌شده، تجمیع فریم در لایه کنترل دسترسی است. روش‌های متعددی برای تنظیم و کنترل تجمیع فریم معرفی شده‌اند که اغلب آن‌ها در محیط‌های شبیه‌سازی مورد ارزیابی قرار‌گرفته‌اند. حال آن که به علت ماهیت رسانه بی‌سیم در شرایط واقعی به‌ویژه نوسان‌های موجود، تجمیع فریم می‌تواند تأثیرات کاملاً متفاوتی در بر داشته باشد. در این مقاله، روش جدید تجمیع‌فریم PID Control به همراه دو روش EDF و Deadline برای اولین بار بر روی هسته لینوکس پیاده‌سازی شده‌ و در یک بستر آزمایشی و با شرایط واقعی مورد ارزیابی قرار می‌گیرند. نتایج ارزیابی بیان‌گر آن است که روش PID، نه‌تنها توانسته تا حدود 15 درصد از ظرفیت کانال را کمتر اشغال کند بلکه متوسط تأخیر در حدود یک‌چهارم مقدار حداکثر، ثابت مانده است. علاوه بر این، در حالت وجود ترافیک سنگین، مثل قبل و با احتمال تخطی تأخیر (DVP) کاملاً صفر عمل کرده درحالی که دو روش دیگر با شکست مواجه شده‌اند.

بحرانهاي ناشي از بلایای طبیعی و غيرطبيعي سالانه سبب خسارتهاي قابل ملاحظه جاني و مالي در شهرهای بزرگ و کوچک مي گردند. مدیریت بحران‌، موضوع مهمی است که به وسیله مشاهده سیستماتیک، تجزیه و تحلیل‌ بحران‌ می تواند در خصوص کاهش آثار، آمادگی لازم، امداد رسانی‌ سریع و بهبودی آن اقدام نماید. در حین یک بحران، واکنش سریع و موثر، نیازمند اطلاعات مربوط به وضعیت، محل دقیق، نوع و افراد درگیر در حادثه می‌ باشد. یکی از بزرگترین مشکلات پس از حوادث کمبود اطلاعات و همچنین نیاز به داده های آنی و به هنگام از شرایط بحرانی می باشد. مشارکت داوطلبانه شهروندان در فراهم نمودن اطلاعات مکاني بحران، می تواند راه حل موثری برای مشکلات فوق باشد. شهروندان می توانند به عنوان حسگرهای پویا، تحلیل گر، هوشمند، مسئولیت پذیر، محیط–آگاه، سیار، توزیع یافته و تعامل پذیر شرایط بحرانی پیرامون خود را رصد نموده و اطلاعات مختلف از قبیل محل آسیب دیدگی ها، میزان تلفات، محل مناسب برای اسکان افراد، درخواست امداد، ایستگاه¬های مناسب امداد رسانی و غیره را از طریق یک سامانه مدیریت بحران مبتنی بر وب GIS گزارش نموده و امکان استخراج اطلاعات مفید و انجام تحلیل های پیچیده مکانی را برای مدیران بحران فراهم نمایند.

در حال حاضر شناسایی موقعیت و مکان‌یابی افراد در محیط‌های سقف‌دار- ساختمان ها از اهمیت زیادی برخوردار است. با ظهور و فراگیری سیستم¬های مکان¬یابی ماهواره¬ی (GPS)، مکان¬یابی در محیط¬های بدون سقف به شکل تقریبی قابل انجام است که به موجب آن مشکلات عمده¬ی موجود در این زمینه، همانند حمل و نقل مرتفع شده است. در همین راستا وجود سیستمی برای مکان¬یابی در محیط¬های سقف¬دار نیز اهمیت فوق¬العاده¬ی دارد. مکان¬یابی در محیط¬های سقف¬دار بوسیله¬ی GPS امکا¬پذیر نیست. به همین دلیل امروزه محققان به دنبال روش جایگزینی برای این مساله، یعنی مکان¬یابی در مکان¬های سقف¬دار هستند. در همین راستا روش ها و راهکارهای مختلفی مبتنی بر امواج رادیوی به منظور شناسایی و رهگیری موقعیت افراد معرفی شده¬اند. در مورد این مسائل یعنی مکان¬یابی در محیط¬های سقف دار، میزان دقت همیشه مهمترین چالش بوده است. در این مقاله روشی برای مکان¬یابی در محیط¬های سقف¬دار پیشنهاد شده است که یقیناً کاربرد وسیعی در حوزه و محورهای مختلف دارد. نجات افراد مصدوم و گرفتار در زیر آوار یک ساختمانِ وسیع (مثل پلاسکو)، بوسیله مکان¬یابی سریع موقعیت آن¬ها، از مهمترین انگیزه¬های معرفی این ایده بوده است. روش پیشنهادی در این مقاله مبتنی بر امواج رادایویی بوده است. ما در پیاده-سازی از تگ¬های RFID نسبتاً برد بلند (محدوده 100 متر) استفاده کرده¬ایم، به این صورت که هر یک از افراد آتش نشان یک تگ RFID خیلی کوچک (به اندازه¬ی یک جاسوئیچی یا مچ بند) را با خود حمل می¬کند و سپس با خواندن مقدار اندازه قدرت سیگنال (RSSI) امواج آن، بوسیله¬ی یک دستگاه Reader از چندین زاویه مختلف می توان موقعیت افراد را با دقت تقریباً 1-3 متر تشخیص داد. نتایج و ارزیابی¬های ما در یک آپارتمان 5 طبق بدست آمده است که بواسطه¬ای آن، مکان فرد، اینکه در چه طبقه¬ای و واحدی حضور دارد با 100% دقت قابل محاسبه است. نتایج و مستندات ما به واقع کامل است و از هر لحاظ آمادگی پیاده¬سازی و آزمایش عملی این رویکرد را برای مدیریت بهران و کمک¬رسانی به مصدومان را در یک محیط واقعی داریم. در واقع ما تاکید می کنیم که این رویکرد، قطعا می¬تواند زندگی افراد مصدوم گرفتار را در زیر آوار و مکان¬های زیرزمینی مثل ساختمان¬ها، تونل¬های مترو و معدن را نجات دهد. از مهم¬ترین ویژگی¬های سیستم¬ مکان¬یابی ارائه شده هزینه خیلی کم محصول نهایی است به این صورت که مثلا برای مدیریت بهران- آتش¬نشانی، هر یک از آتش¬نشانان برای ورود به محل حادثه باید یک مچ¬بند یا جاسویچی خیلی کوچک را با خود حمل کند. به این ترتیب با داشتن یک دستگاه Reader-RFID می¬توان موقعیت افراد را در داخل ساختمان یا محل حادثه رهگیری و به سرعت مکان¬یابی کرد.

امروزه استفاده اثربخش از فضای مجازی در راستای ارائه خدمات بهتر و بیشتر،‌ توسط دولت و سایر نهادها از جمله شهرداری‌‌ها یکی از ابزارهایی است که به شدت مورد توجه قراردارد. شهرداری تهران یکی از نهادهایی است که از سال 1386 در این حوزه فعالیت می‌نماید و خدمات الکترونیکی خود را در بستر ساب‌پرتال‌ها به مردم عرضه می‌نماید. به همین دلیل مقاله حاضر به ارائه راهکارهای ارتقاء اثربخشی ساب‌پرتال‌های شهرداری تهران پرداخته است. برای رسیدن به هدف اصلی مقاله، از تکنیک مصاحبه عمیق استفاده شده است. در این راستا، با انجام ده مصاحبه با راهبران ساب‌پرتال‌ها، داده‌های لازم گردآوری شده است. یافته‌های این پژوهش نشان می‌دهد که نبود سیاست‌گذاری‌ و برنامه‌ریزی‌های یکپارچه در حوزه ساب‌پرتال‌ها، محدودیت‌های آموزشی در استفاده از ابزارهای فنی، نبود آموزش‌های ضمن خدمت و محدود بودن اختیارات راهبران و نداشتن قدرت انجار کار متناسب با وظیفه اجرایی، مشخص نبودن جایگاه این ساب‌پرتال‌ها در بین مخاطبان، از جمله موانع رشد و اثربخشی این ساب‌پرتال‌ها بوده است و در صورت رفع این موانع، شاهد ارتقاء اثربخشی و خدمت‌رسانی بیشتر و بهتر این ساب‌پرتال‌ها به شهروندان خواهیم بود.

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.

حدود دویست میلیارد نورون در مغز وجود دارد که به وسیله سیناپس‌ها به یکدیگر متصل می‌‌باشند. سیناپس‌ها دو پارامتر اصلی دارند؛ یکی از این پارامترها قدرت سیناپس و پارامتر دیگر‏، تأخیر‎ در فرستادن اطلاعات به نورون بعدی می‌باشد‏ که اصلی‌ترین عامل در ایجاد این تأخیر طول آکسون می‌باشد. بر روی آکسون‌ها لایه‌های عایقی به نام میلین‎‎ وجود دارد که وظیفه اصلی آنها سرعت بخشیدن به انتقال اطلاعات است. تشخیص جهت و سرعت حرکت در مغز به وسیله تأخیرهای سیناپسی انجام می‌پذیرد، و باعث می‌شود که تغییر ولتاژ ناشی از فعال شدن نورون‌ها همزمان به نورون بعدی برسد و ولتاژ نورون بعدی را به حد آستانه برساند. از طرف دیگر با مکانیسم‌هایی همچون قانون یادگیری هم‌ایستایی می‌توان نرخ ضربه هر نورون در بازه زمانی مشخص را کنترل کرد. کنترل نرخ ضربه نورون‌ها باعث می‌شود تشخیص حرکات مختلف بین نورون‌های متفاوت تقسیم گردد و هیچ نورونی چند دسته حرکت ورودی را آموزش نبیند. در این مقاله با استفاده از نورون های ‎LIF،‎ تأخیرات سیناپسی، قانون یادگیری ‎STDP‎‏، قانون یادگیری هم‌ایستایی و یادگیری تقویتی مدل محاسباتی برای تشخیص حرکت ارائه ‎‏شده‌است تا فرآیند تشخیص حرکت در مغز را توصیف کند. همچنین عملکرد مدل پیشنهادی در مساله تشخیص امضای برخط مورد بررسی و ارزیابی قرار گرفته است.

پیش‌بینی لینک برای پیشنهاد افراد به یکدیگر در شبکه‌های اجتماعی مثل فیسبوک، گوگل پلاس، اینستاگرام و..، استفاده می‌شود و یکی از موضوعات چالش برانگیز و پر کاربرد است. تاکنون روش‌های مختلفی برای پیش‌بینی لینک ارائه شده است، اما مشکل عمده روش‌های ارائه شده، دقت پایین آنهاست. در این مقاله با استفاده از وزن‌دار کردن یال‌ها و تخصیص درجه‌ی همسایگی، بخاطر متفاوت بودن درصد دوستی‌ها در شبکه‌های اجتماعی، روشی برای تشخیص دوستان صمیمی ارائه کرده‌ایم. آزمایش روش پیشنهادی بر روی سه مجموعه داده Facebook و Hamster و Email در مقایسه با روش‌های جاری بر روی مجموعه داده فیسبوک 0.4 و بر روی مجموعه داده Hamster، 2.4 و بر روی مجموعه داده ایمیل 6.9 درصد بهبود دقت داشته‌ایم.