انجمن کامپیوتر ایران

در فراوانـی هـای کـاربرد مصـنوعی عصـبی هـای شـبکه
از یکـی دارنـد. ماشـینی یـادگیری و پـذیری انطباق ها، دادهجداسازی باشـد. مـی ٓان ٓاموزش مسئله عصبی های شبکه در موجود هایچالش هـایش اندوختـه اساس بر سپس و ببیند ٓاموزش ابتدا بایست میشبکه (Back خطـا انتشار پس همچون ٓاماری ٓاموزش های روش نماید.عمل مـی محلـی بهینه نقاط در توقف و پایین سرعت دارایPropagation) سـرمایش بـا ذرات تـوده سـازی بهینـه الگـوریتم دیگـر سـوی ازباشد. سـرمایش ایـده دو ترکیـب بـا کـه اسـت قـادر(SAPSO) تـدریجی (Particle ذرات تـوده سازی بهینه و(Simulated Anealing)تدریجی هـا، جـواب فضـای در قطعی غیر روش یک،Swarm Optimization) بـا نمایـد. پیـدا بـاال دقتی و سرعت با را جواب بهترین به نزدیکجوابی برای برایSAPSO از که است بار اولین برای نگارندگان، دانش بهتوجه مقاله این در ٓان گزارشات که شود می استفاده عصبی های شبکهتعلیم طور به الگوریتم این که دهد می نشان سازی شبیه نتایج شود. میارائه %20 متوسـط طـور بـه و خطـا انتشار پس روش از سریع %30متوسط دارد. خطا انتشار پس روش از بهتریصحت

طرح های سنتی ایران شامل مجموعه ای از نقش های اصیل و هندسی پایه است که از حیث تعداد و تکرار قابل تغییر می باشند. خلق یک اثر هنری توسط هنرمند عموما بر اساس بکارگیری یک یا چند نقش پایه و سپس استفاده از ذوق هنری در نحوه چینش و تکرارآنها است که از این طریق قادر به خلق نقوشی با تنوع و گستردگی فراوان خواهند بود. به دلیل کثرت و گستردگی نقوش و همچنین به دلیل ظرافت بالای نقش های خلق شده، فرآیند ارزیابی و رتبه بندی نقوش سنتی ایران مستلزم دقت بالا در کنار صرف زمان بسیار زیاد می باشد. لذا ارائه یک روش خودکار و کارآمد جهت رتبه بندی زیبایی نقوش خلق شده از اهمیت بسزایی برخوردار است. در این مقاله از مهمترین ویژگی زیبایی شناسی نقوش سنتی ایران یعنی تقارن برای تدوین یک روش کارآمد جهت ارزیابی کمّی آنها استفاده شده است. صحت عملکرد روش تدوین شده با استفاده از رتبه کیفی شخص خبره (استاد نگارگری) جهت امتیاز دهی به مجموعه ای از نقوش و مقایسه نتایج حاصله با نتایج حاصل از روش ارائه شده مورد بررسی قرار گرفته است. بررسی نتایج و مقایسه آنها نشان دهنده قابلیت اطمینان روش ارائه شده می باشد.

در جامعه کنونی به کارگیری کامپیوتر جهت آموزش امری ضروری است و در این میان سیستم¬های آموزشی هوشمند توجه محققان را به خود جلب کرده است. مدلسازی دانشجو نقطه تمرکز اصلی و یکی از اجزاء سیستم آموزشی هوشمند و نمایشی از رفتار و وضعیت دانشجو است. در هنگام استفاده دانشجو از سیستم، دنباله¬ای از اعمال انجام شده او ثبت می¬شود و سیستم تلاش می¬کند تا بر اساس آن، مدل یادگیری دانشجو را تعیین کند. این مقاله یک دیدگاه جدید برای مدل کردن رفتار دانشجو در سیستم شبه¬آموزشی با استفاده از ترکیب آتوماتای یادگیر و یادگیری تقویتی بیان می¬کند. در مدل پیشنهادی، مدل دانشجو توسط عامل تعیین¬کننده¬سطح به نام LDA -QLA که مدل یادگیری دانشجو را مشخص می¬کند، تعیین می¬شود. LDA-QLA در حقیقت الگوریتم یادگیری Qرا به عنوان مکانیزم یادگیری برای تعیین اینکه دانشجو یادگیرنده کند، نرمال یا سریع می¬باشد، بکار می¬¬گیرد و نشان داده شد با بکارگیری الگوریتم یادگیری Q سرعت تعیین مدل یادگیری دانشجو افزایش یافته است.

اخيراً، تحقيقات در زمينه بازشناسي چهره روي نمايشی از چهره متمركز شده است كه قادر باشد اطلاعات مناسب را كه نسبت به تغيير روشنايي و حالت چهره ثابت باشد، بدست آورد. كه سبب ايجاد يك توصيفگر قدرتمند بافتي كه الگوي باينري محلي (LBP) ناميده مي¬شود شده است. ما در اين مقاله روش کارآمد جديدی مبتنی بر توصيفگر الگوی باينری محلی، برای تشخيص چهره معرفی کرديم. در اين روش ابتدا انواع عملگرهای LBP با مقياس¬های مختلف (تعداد پيکسلهای همسايه مرکزی، شعاع همسايگی) را بر روی تصوير نرمال شده چهره اعمال می¬کنيم. سپس با توجه به عملکرد کلي سيستم بازشناسی، بر مبنای الگوريتم ژنتيک ضريبی برای هر LBP بدست مي¬آيدکه بر اساس آن ضرايب از نتايج LBPها در عمل بازشناسي استفاده مي¬کنيم. روش جديد MLBP GA based ناميده می¬شود. روش پيشنهادی بر روی پايگاه داده ESSEX و ORLبا روش¬های LBP, Gabor, KPCA, PCA وHierarchical Multi-scale LBP موردمقايسه قرار گرفت. نتايج بدست آمده برتری الگوريتم پيشنهادی را نسبت به الگوريتم¬های ديگر نشان داد. بخصوص هنگامی که فقط يک نمونه از هر فرد برای آموزش استفاده شد، روش ما عملکرد شناسايی چهره بهتری را نسبت به ساير روشهای موجود نشان داد.

رشد سريع فناوري اطلاعات و همه گير شدن استفاده از اينترنت، كشورها را بر آن مي‌دارد تا از اين فناوري ها در جهت كسب مزاياي انكارناپذير آن استفاده كنند. برخي از اين مزايا عبارتند از: دقت، سرعت، كاهش هزينه‌‌هاي زماني-مالي و غيره. انتخابات الكترونيكي يكي از اموري است كه در سال‌هاي اخير رغبت براي تبديل آن به حالت الكترونيكي افزايش يافته است. با اين روش افراد مي‌توانند بدون متحمل شدن سختي و هزينه‌‌هاي حمل و نقل براي حضور در محل راي دادن، راي خود را ارسال كنند. مجريان انتخابات نيز مي‌توانند مراحل مختلف انتخابات را اعم از آماده سازي، جمع آوري و شمارش آرا، با دقت و سرعت زياد و هزينه كمتر انجام دهند. آمارها نشان مي‌دهد كه انتخابات اينترنتي تا حد زيادي، شركت افراد را در انتخابات افزايش مي‌دهد.از طرف ديگر سرويس‌‌هاي وب بعنوان جديد ترين رويكرد در برنامه نويسي توزيع شده هستند. در اين مقاله يك معماري در بر دارنده مفاهيم اتكاپذير براي راي گيري اينترنتي ارائه مي‌كنيم كه تامين كننده تمام نيازمندي‌هاي راي گيري الكترونيكي است. اين سيستم را با استفاده RBD مدل كرده و قابليت اطيمنان و دسترسي آن ارزيابي مي كينم.

مسأله‎ي زمانبندي وظيفه‏هاي مستقل در گريدهای محاسباتي يک مسأله‎ي NP-Complete است. بنابراين، براي رسيدن به راه‏حل‎هاي نزديک به بهينه در اين مسأله از روش‏هاي ابتکاري استفاده مي‎شود. الگوريتم رقابت استعماري (ICA) يک روش‏ جديد بهينه‎سازي تکاملي مي‏باشد که تاکنون براي حل مسأله زمانبندي گريد بررسي نشده است. در اين مقاله، ما با ترکيب ICA و جستجوي محلي، الگوريتم جديدي‎ برای کاهش makespan همزمان با افزايش بهره‏وري منابع و توازن بار معرفي کرده‎ايم. براي ارزيابي ‎الگوريتم پيشنهادي، آن را بر روي نمونه‎هاي محک براون و سايرين بررسي کرديم؛ اين نمونه‏ها سخت‏ترين محک براي مسأله زمانبندي در حالت ايستا هستند. نتايج ارزيابي نشان داد که الگوريتم ترکيبي براي زمانبندي در مقايسه با الگوريتم‎هاي قطعي، الگوريتم ژنتيک و ICA خالص، کارايي بهتري از نظر معيار makespan داشته و نگاشت‎هاي بسيار متوازني را توليد مي‎کند. همچنين، سرعت همگرايي اين الگوريتم به جواب‏هاي بهينه، نسبت به الگوريتم‏هاي تکاملي بررسي شده، بيشتر است.

امروزه دو گروه برجسته از سرويس¬هاي وب وجود دارد که يکي بر پايه¬ي معماري SOAP و ديگري بر پايه¬ي معماري REST مي-باشد. اين دو گروه از سرويس¬هاي وب، زبان توصيف خاص خود را دارند كه به زبان توصيف سرويس¬هاي وب مبتني بر SOAP، WSDL و به زبان توصيف سرويس¬هاي وب مبتني بر REST، WADL گفته مي¬شود. از طرف ديگر روش¬هاي صوري، روش¬هايي مبتني بر رياضيات هستند. مهمترين مشخصه¬ي يک روش صوري، اتکا به يک زبان توصيف صوري است که يکي از معروف¬ترين آن¬ها زبان توصيف Z نام دارد. در منابع قبلی ترجمه¬ی WSDL 2.0 به Z ارائه شده است. در این مقاله هدف ما ارائه¬ی ترجمه¬ای از WADL به Z می¬باشد. با داشتن اين دو ترجمه مي¬توان به دستاوردهايي از قبيل: بررسی ترکیب¬پذیری سرویس¬هاي وب به شکل صوری، اعتبارسنجيسرويس¬هاي وب به شکل صوری (با ابزاري مانند JAZA يا ابزاري مشابه)، بررسی صوری تطابق بین سرويس¬هاي وب یا ترکیب آن¬ها با فرآیندهای حرفه و ایجاد زمینه¬ای برای تولید صوری سرويس¬هاي وب رسيد. از طرف ديگر مي¬توان انواع ناهماهنگی¬ها در سطح عناصر، قبل از ترکیب سرویس¬ها را به شکل صوری بررسی نمود.

بسیاری از مسائل در دنیای واقعی می¬توانند بصورت مجموعه¬ای از نقاط مدل شوند. کاوش مجموعه نقاط مکرر بسته و مجموعه نقاط مکرر وزن¬دار، دو مطالعه مهمی هستند که برای کاهش زمان جستجوی الگوهای مکرر می¬توان از آن¬ها استفاده کرده و با ترکیب آنها، الگوهای جالب¬تر و پراهمیت¬تری را استخراج نمود. در اين مقاله الگوریتم کاوش CWPFP-Miner را براساس رشد الگو، بهبود می¬دهیم. سپس نشان می¬دهیم که چگونه می¬توان بدون ازدست¬دادن اطلاعات، کاوش الگوهای بسته را با کاوش الگوهای وزن¬دار یکی کرد. همچنین راه¬حلی پیشنهاد می¬د¬هیم که بتوان مشکل پادیکنوایی را در حالتی که وزن بکار می¬رود، حل کرد. تاکنون در پایگاه¬داده¬های مجموعه¬نقطه، هیچ الگوریتم کاوشی پیشنهاد نشده که هر دو محدودیت بسته بودن و وزن-دارکردن نقطه¬ها را با هم بکار ببرد. بررسی عملکرد الگوریتم CWPFP-Miner و مقایسه آن با الگوریتم¬های AcGM و gfsg نشان می¬دهد که این الگوریتم بهتر از دو الگوریتم دیگر عمل کرده و زمان اجرای بهتری دارد.

با توجه به افزایش تعداد سرویس¬هائی که عملکرد یکسانی را ارائه می¬کنند، انتخاب وب¬سرویس مناسب برای یک هدف خاص کار دشواری شده است. هنگامی که قرار است عمل ترکیب وب¬سرویس¬ها برای بدست آوردن یک هدف انجام شود، با محدودیت¬هائی مواجه خواهیم شد. در این مقاله، برای سادگی، از عبارت "محدودیت" هم به عنوان محدودیت و هم به عنوان ترجیحات استفاده می¬شود. برخی از این محدودیت¬های ترکیب از نوع عملکردی و برخی از نوع کیفی می¬باشد. تعدادی نیز در هیچ¬کدام از این دو دسته قرار ندارند. تاکنون این محدودیت¬ها به صورت پراکنده و بدون ساختار بوده و هر ترکیب¬کننده¬ی سرویس بنابر سلیقه خود آن¬ها را در نظر گرفته و ارضا نموده است. به این ترتیب به برخی از محدودیت¬ها پرداخته شده و به بسیاری از آن¬ها توجهی نشده است. در این مقاله یک طبقه¬بندی از کلیه محدودیت¬های شناخته شده تا جای ممکن برای عمل ترکیب ارائه می¬شود. این طبقه¬بندی یک ساختار خوش تعریف از کلیه محدودیت¬های ترکیب وب¬سرویس می¬باشد. در واقع نقش این مقاله، یک گام قبل از فاز انتخاب عمل ترکیب می¬باشد. ساختار این طبقه¬بندی به صورت درختی بوده و هر کدام از محدودیت¬ها قابل الویت¬دهی می¬باشد. برگ¬های درخت حاوی متریک¬های موجود برای ارضای محدودیت پدر می¬باشد. ساختار درختی این طبقه¬بندی، ارائه آن در قالب XML به عمل ترکیب را تسهیل می¬نماید. ارزیابی طبقه¬بندی ارائه شده با مقایسه نقشه¬های ترکیب که هدف یکسانی را دنبال می¬کنند، انجام می¬گیرد. این نقشه¬ها از لحاظ ارضای محدودیت¬ها و ویژگی¬ها مقایسه شده و به کمک درخت طبقه¬بندی و نظر متقاضی وب¬سرویس مرکب، وزن¬دهی می¬گردد. وزن نهائی هر نقشه، میزان موفقیت در ارضای محدودیت¬ها را نشان می¬دهد. به این ترتیب، این خروجی به عمل انتخاب کمک می¬نماید. از طرف دیگر با انجام مقایسه¬ای بین کار انجام شده و دیگر کارها جامعیت نسبی این طبقه¬بندی نشان داده می¬شود.

تکنولوژی رادیوی شناختی راه حلی کلیدی برای بهبود کارایی طیف فرکانسی است. در این تکنیک به کاربران بدون مجوز (کاربران ثانویه) اجازه داده می¬شود به شیوه¬ای فرصت¬طلبانه از طیف بهره ببرند. در این راستا مسئله انتخاب کانال برای کابران ثانویه یک موضوع مهم در این نوع شبکه¬ها است، که روی بسیاری از پارامترهای کیفیت سرویس مانند سطح تداخل با PU ها و SU های همسایه، تأخیر، تعداد سوییچینگ¬های کانال، زمان سرویس¬دهی و تعداد برخوردهای SU ها و PU ها تأثیر می¬گذارد. یکی از چالش¬های پیش روی مسئله انتخاب طیف این است که باندهای فرکانسی زیادی ممکن است برای یک کاربر ثانویه موجود باشند. بنابراین الگوریتم انتخاب کانال باید بر اساس ویژگی¬های طیف موجود و الزامات QOS کاربر ثانویه، بهترین کانال در دسترس را انتخاب کند. در این مقاله ما با استفاده از اتاماتای یادگیر به شکل توزیع شده به رادیوی شناختی این قابلیت را می¬دهیم که با توجه به رفتاری که یک کانال در گذشته انجام داده، میزان سودمندی آن برای کاربر ثانویه را اندازه بگیرد و بر این اساس یک کانال را از بین مجموعه¬ای از کانال¬های موجود انتخاب کند.