انجمن کامپیوتر ایران

هدف این مقاله طراجی و پیاده سازی پردازنده ای ویژه الگوریتم های رمز قطعه ای کلید خصوصی است.بدین منظور ابتدا با آنالیز رفتاری پنج الگوریتم های رمز کلید خصوصی فینالیست مسابقه AES،عملیات اصلی و مورد تأکید آنها و عوامل موثر در بازدهی اجرایشان شناسایی شده است.نیز نقاط قوت و ضعف یکسری از پردازنده های RISC همه منظوره در پیاده سازی عملیات اصلی الگوریتم های رمزنگاری و واحدهای عملیاتی خاص طراحی و پیادهسازی شده که می تواند در مورد الگوریتم Rijndael برنده ی مسابقه AES،با کاهش تعداد دستورات تا بیش از 50% به Speedup ی برابر 2 برسد.

از جمله سیستم‌های حافظه انجمنی مبتنی بر پویایی غیر تعادلی، مدل S-GCM است. این مدل نسبت به شبکه هاپفیلد از توانایی بالاتر ذخیره‌سازی و نرخ موفق تشخیص برخوردار است، ولی هنوز، به عنوان یک سیستم حافظه انجمنی دارای نقاط ضعفی است وآن نرخ ذخیره‌سازی و سرعت همگرایی پایین آن می‌باشد. در این مقاله، برای رفع مشکل S-GCM فرایند آموزش این شبکه را مورد توجه قرار داده‌ایم . از این رو بر اساس روش آموزش اسپارس و با در نظر گرفتن نحوه‌ی یادگیری انسان که امکان فراموشی آنچه که تکرار می‌گردد کم میشود، یک روش آموزش جدید در مدل S-GCM ارائه کرده و همگرایی آن را اثبات نموده‌ایم. نشان داده‌ایم که روش ما، جهت سنتز شبکهS-GCM در مقایسه با قانون یادگیری هب از گنجایش بیشتر ذخیره‌سازی اطلاعات و سرعت همگرایی بالاتری برخوردار می‌باشد.

يکي از عوارض خطرناک بيماري ديابت نوع يک افزايش و يا کاهش ناگهاني سطح غلظت قند خون مي‌باشد که باعث بروز خطراتي چون اغما و بيهوشي خواهد شد. بنابراين استفاده از روشي مناسب به منظور پيش بيني و در نهايت پيشگيري از اين عوارض گام مهمي درجهت کنترل بهينه بيماري محسوب مي‌شود. به همين منظور در اين مقاله سعي شده است تا به مقايسه شبکه‌هاي عصبي خود بازگشتي و شبكه عصبي پرسپترون سه لايه در فرايند پيش‌بيني نوسانات سطح غلظت قند خون بيماران مبتلا به ديابت نوع ۱ پرداخته شود. داده‌هاي پزشکي مورد استفاده در اين مقاله مربوط به ۳ بيمار زن ايراني مبتلا به ديابت نوع يک است که شامل الگوهايي چون نوع و دز انسولين تزريقي، فاصله زماني بين ساعات ثبت سطح غلظت قند خون و نيز سطح غلظت قند خون در ابتداي بازه زماني مي‌باشد. در پايان تحقيق با توجه به نتايج به دست آمده مشخص شد که شبکه‌هاي عصبي خود بازگشتي با کاهش تقريباً ۲۰ درصدي خطاي پيش بيني نسبت به ديگر روش‌هاي متداول و از جمله شبكه عصبي پرسپترون سه لايه، مي‌توانند به عنوان مدلي مناسب به منظور پيش‌بيني نوسانات سطح غلظت قند خون در بيماران مبتلا به ديابت نوع يک تلقي گردد.

در این مقاله کاربرد برنامه‌ای تکاملی در پارامتری کردن و بهینه‌سازی یک جامعه مصنوعی شبیه‌سازی شده، بررسی می‌گردد. جامعه مصنوعی که مورد استفاده قرار گرفته است، مد ل "فضای قندی" است که شامل یک فضای سلولی از منابع (قند یا دانه) و یک جمعیتی از عامل‌ها است که برای بقائشان به آن منابع نیازمندند و برای دست‌یابی به آن‌ها جستجو و حرکت می‌کنند. مقدار دانه‌ای که هر عامل جمع‌آوری می‌کند دارایی یا ثروتش به حساب می‌آید. این مدل با یک تساوی نا‌هموار از ثروت در جامعه شروع می‌شود و سپس عامل‌ها سرگرم جمع آوری هر مقدار دانه‌ای که می توانند، می‌شوند. در شبیه سازی‌ها، جمعیت با توجه به دارایی‌شان دسته‌بندی شده است و سپس درصدی از جمعیت که مالک درصدی از دارایی است، در نمودارها مشخص شده است. در " این مدل‌سازی از قانون "پارتو " استفاده شده و مشاهده تساوی یا عدم تساوی توزیع ثروت به کمک استفاده از "منحنی لورنز " صورت پذیرفته و همچنین ضریب جینی مورد بررسی قرار گرفته است. بدین ترتیب مدلی (مدل رفاه اجتماعی ) عرضه شده است که چگونگی توزیع ثروت را در جامعه شبیه سازی، بررسی و بهینه سازی می نماید.

با افزایش تعداد و حجم سندهایXML اهمیت پردازش بهینه پرس و جوهایXML بیشتر به چشم می‌خورد. پرس و جوهایXML شامل مجموعه‌ای از المان‌هایی هستند كه تحت یك ساختار درختی به هم مربوط می‌باشند. در نتیجه مسأله انطباق شاخه ای مابین پرس و جو و سند، به عنوان هسته مركزی پردازش پرس و جو مورد توجه است. روش‌های زیادی برای انطباق پرس و جوهای شاخه ای ارائه شده است ولی در تمامی این روش‌ها گره‌هائی كه در نتیجه نهایی نیز شركت ندارند، پردازش می‌شوند. این مسأله باعث پردازش بی ثمر گره‌ها و درنتیجه افزایش زمان پاسخگوئی به پرس و جو می‌شود. در این مقاله با ارائه ایده راهنمای تطبیق الگو، روش جدیدی برای پردازش پرس و جویXML مطرح شده است. در این روش تنها گره‌هائی پردازش می‌شوند كه حتما در جواب نهایی شركت دارند. راهنمای تطبیق الگو، رابطی مابین شما و محتوای سند است. راهنمای تطبیق الگو بر خلاف برخی از روش‌های انطباق شاخه‌ای می‌تواند با بسیاری از شاخص‌های فعلی به خوبی كار كند و به انواع پرس و جوها به طور كارا پاسخ دهد. كارایی این روش با استفاده از محكDBLP در مقایسه با روش‌های مطرح در این زمینه نشان داده شده است.

یادگیری بازی‌ها از جمله مسائل مورد توجه و پرکاربرد در هوش مصنوعی است. تا کنون روش‌های مختلفی برای یادگیری بسیاری از بازی‌ها ارائه شده است. این روش‌ها بر اساس ویژگی‌های مختلفی مورد بررسی قرار می‌گیرند. یکی از این ویژگی‌ها میزان استفاده از دانش فرد خبره در زمینه بازی مورد نظر است. یکی از روش‌های موفق یادگیری بازی که از هیچ دانش بشری در زمینه بازی مورد نظر استفاده نمی‌کند روش هم تکاملی است. در این روش بازیکنان در ضمن تکامل برای یادگیری بازی از هیچ تابع ارزیابی شایستگی خارجی استفاده نمی‌کنند و صرفاً نتایج بازی‌های انجام شده در مقابل یکدیگر برای ارزیابی بازیکنان استفاده می‌شود. این روش تا کنون در یادگیری بازی‌های بسیاری همچون چکرز، اتلو و امثال آن با موفقیت مورد استفاده قرار گرفته است. الگوریتم هم تکاملی مورد استفاده در یادگیری این بازی‌ها دارای معایبی است که باعث می‌شود این الگوریتم قادر به یادگیری بازی ساده‌ای همانند با زیOX نباشد. این مشکلات در این مقاله به طور دقیق مورد بررسی قرار گرفته و چارچوب هم تکاملی رقابتی جدیدی برای رفع آن‌ها ارائه می‌شود. در چارچوب پیشنهادی برای یادگیری نقش دو بازیکن متفاوت دو جمعیت مجزا در نظر گرفته شده و برای ارزیابی هر جمعیت، جمعیت ارزیابی متشکل از تعداد ی از افراد جمعیت مقابل تشکیل می‌شود. نتایج تجربی بدست آمده نشان دهنده آن است که الگوریتم جدید به خوبی قادر به رفع مشکلات برشمرده شده می‌باشد.

آخرین مدل از فروش کالا در تجارت الکترونیک، مدلهاي نسل سوم هستند که امکان خرید مقایسهاي را در اختیار کاربران قرار میدهند به نحوي که اطلاعات مربوط به کالاهاي فروشندگان مختلف را از پایگاه داده آنان جمعآوري نموده و بصورت مقایسهاي به کاربران ارایه میدهند. هر چند که این سناریو، کار را براي کاربران ساده تر نموده است اما هنوز در واسطهاي کاربر مدلهاي نسل سوم نقصهایی وجود دارد. از جمله اینکه این امکان وجود ندارد که کاربر پرسش خود را به زبان ساده و طبیعی مطرح ساخته و پاسخ آن را بگیرد و باید از کلمات کلیدي منطبق بر منطق از پیش ساخته واسط کاربر این سیستمها استفاده نماید. در این مقاله، ما سیستمی را در حوزه فروش کالا طراحی و پیشنهاد مینماییم که قابلیت برقراري ارتباط با کاربران به زبان ساده و طبیعی را داراست.

در اين مقاله، يك مدل بازار الكترونيكي مبتني بر اعتبار و يادگيري براي عاملهاي خريدار و فرو ش نده پيشنهاد مي شود. در مدل ارائه شده عاملهاي فروشنده ياد م ي گيرند كه با استفاده از يادگيري نزديكترين همسايگي و تخمين ميزان مشابهت خريدار جديد با خريداران قبلي خود، اولين پيشنهاد فروش را براي خريدار مورد نظر تنظيم كنند همچنين عاملهاي فروشنده با استفاده از ر وش يادگيري تقويتي ياد م ي گيرند كه چگونه قيمت، كيفيت و زمان تحويل كالا را براي خريداران به منظور بيشينه كردن سود تنظيم كنند و همچنين با استفاده از مدل اعتباردهي ارائ ه شده، تخفيف كالا را براي خريداران معتبر در نظر بگيرن د . عاملهاي خريدار نيز با استفاده از ر وش يادگيري تقويتي ياد م ي گيرند كه فروشندگان را بر اساس كيفيت، قيمت و زمان تحويل كالا اعتباردهي نموده و انجام امور تجاري خود را روي عاملهاي فروشندة معتبر، متمركز كنن د . مدل ارائه شده با استفاده از اجلت كه يك محيط ايجاد عامل مي باشد پياده سازي شده و آزمايشات انجام شده نشان مي دهد، عاملهايي كه از مدل ارائه شده استفاده م ي كنند نتايج بهتري را نسبت به ديگر عاملها به دست مي آورند.