انجمن کامپیوتر ایران

اتوماتاي يادگير سلولي(CLA ) مدلي براي سيستم‌هايي است كه از اجزاء ساده‌اي به نام سلول تشكيل شده‌اند و رفتار هر جزء بر اساس رفتار همسايگانش و نيز تجربيات گذشته‌اش تعيين و اصلاح مي‌شود. مدلCLA-EC كه اخيرا پيشنهاد شده است يك الگوريتم تكاملي است كه از تركيب CLA و مفاهيم در محاسبات تكاملي (EC) بدست آمده است. نشان داده شده است كه CLA-EC همگام در حل مسائل بهينه‌سازي در مقايسه باCLA و يا الگوريتم‌هاي ژنتيكي از كارايي بالاتري برخوردار مي‌باشد. سرعت همگرايي و يا دقت اين مدل در حل مسائل بهينه‌سازي بستگي زيادي به انتخاب مناسب پارامترهاي اين مدل دارد. انتخاب مقادير نامناسب براي اين پارامترها ممكن است منجر به سرعت همگرايي پايين و يا به دام افتادن در بهينه‌هاي محلي گردد. براي حل اين مشكل در اين مقاله CLA-EC همكارانه پيشنهاد مي‌شود. در CLA-EC همكارانه، چندين CLA-EC كه هركدام داراي مقادير متفاوت براي پارامترهاي خود مي‌باشند درحل مساله همكاري مي‌كنند. از اين طريق ميتوان نه تنها سرعت همگرايي به راه حل بهينه را افزايش داد بلكه از به دام افتادن در بهينه‌هاي محلي جلوگيري نمود. براي نشان دادن برتري مدل CLA-EC همكارانه بر مدل CLA-EC مسائل بهينه‌سازي توابع استاندارد دوجونگ،P-Peaks ، كوله پشتي 1/0 با استفاده از هر دو مدل حل گرديده است.

توسعه و رشد وب معنایی مشوق اصلی تولید آنتولوژی در دامنه‌های متفاوت می‌باشد. تولید آنتولوژی معمولا وقت‌گیر، خسته كننده، خطادار و وابسته به دانش مهندس دامنه است. یكی از مشكلات اصلی در این زمینه، دسترسی به مجموعه واژگان معتبر و كامل برای تولید آنتولوژی است. در این تحقیق با استفاده از یك روش نمونه برداری صفحات اولیه در مقیاس بزرگ و استفاده از الگوریتم های پردازش زبان طبیعی، تحلیل‌های آماری و تکنیک‌های بازیابی اطلاعات، یك روش اتوماتیك برای تولید شبه-آنتولوژی برای دامنه پژوهش در علوم كامپیوتر پیشنهاد شده است. هدف اصلی ما تهیه اتوماتیك مجموعه بزرگی از واژگان و مفاهیم اصلی دامنه است كه كار تولید آنتولوژی را سریع‌تر و راحت‌تر كند. بدین منظور صفحات مرتبط در این دامنه با استفاده از یک خزشگر تاکیدی مبتنی بر واژگان مورد استفاده قرار گرفته و با استفاده از تكنیك‌های مذكور لیست كاملی از واژگان دامنه استخراج شده است. برای استفاده مجدد این روش در دامنه‌های دیگر، فرآیند ساخت آنتولوژی نیز تا حدودی مستقل از دامنه پیاده‌سازی شده است.

کارآیی شبکه‌های مستقیم با سوئیچینگPCS تحت الگوی ترافیک یکنواخت در سال‌های اخیر بررسی شده است. اما فرض یکنواخت بودن ترافیک همیشه برقرار نیست؛ زیرا در عمل بسیاری از کاربردهای موازی وجود دارند که رفتاری غیر یکنواخت را از خویش به نمایش می‌گذارند. در این مقاله ما، در شبکه‌های توری مدور، تعداد بهینه‌ی کانال‌های مجازی را تحت الگوهای توزیع ترافیکی یکنواخت و غیر یکنواخت آدرس مقصد پیام‌های تولیدی بررسی کرده‌ایم. این بررسی از آن رو سودمند است که می‌تواند به برآورد مناسبی از عوامل هزینه کارآیی برای تعداد مختلفی از کانال‌های مجازی در هر کانال فیزیکی منجر گردد. نتایج حاصل از شبیه سازی‌ها نشان می‌دهند که گزینش بهترین تعداد کانال‌های مجازی، وابستگی زیادی به چندین پارامتر، به ویژه الگوی ترافیکی به‌کار رفته در شبکه دارد.

کنترلرهای پیش‌بین مدل (MPC) اخیراً در سیستم‌های کنترلی گوناگونی استفاده شده‌اند. این در حالی است که حجم فوق العاده بالای محاسبات موردنیاز، باعث کندی آن‌ها شده و از این رو، کاربرد این کنترلرها به سیستم‌های کند محدود شده است. این مقاله در حقیقت تلاشی در جهت استفاده از کنترلرهای (MPC) در کاربردهای سریع با استفاده از پیاده‌سازی سخت‌ افزاری است. در این مقاله یک الگوریتم شبه بهینه برای استفاده از کنترلرهای(MPC) در شبکه‌های کامپیوتری پیشنهاد شده است. بعلاوه به منظور افزایش سرعت پردازش، یک معماری کارآمد برای پیاده‌سازی سخت افزاری آن‌ها ارائه شده است. نتایج آزمایشات نشان می‌دهد که با استفاده از معماری ارائه شده می توان از کنترلرهای (MPC) در کاربردهای با سرعت‌های بالا نظیر کنترل زمان‌بندی صف‌ها در شبکه‌های کامپیوتری استفاده نمود.

دنیای نرم‌افزار در سال‌های اخیر با چالشی به نام امنیت روبرو شده است. رویکرد جدیدی که امروزه در امنیت نرم‌افزار مورد توجه قرار گرفته تفکر امنیتی در فرآیند تولید نرم‌افزار می‌باشد. از آن جا که تحلیل نیازمندی‌ها، زیربنای یک نرم‌افزار را در فرآیند تولید آن شکل می‌دهد، نیازمندی‌های امنیتی نرم‌افزار می‌تواند، بنیان توسعه‌ی امن نرم‌افزار محسوب شود. این مقاله با دسته‌بندی فعالیت‌های انجام شده در حوزه‌ی نیازمندی‌های امنیتی نرم‌افزار به رده‌های روش‌های استخراج نیازمندی‌های امنیتی، مدل‌سازی نیازمندی‌های امنیتی، جایگاه نیازمندی‌های امنیتی در مدل‌های توسعه‌ی نرم‌افزار و مدل‌سازی تهدیدات به عنوان زیربنای استخراج نیازمندی‌ها، وضعیت جاری تحقیقات را مرور کرده است سپس با ارائه‌ی چالش‌ها و مسائل حل نشده‌ی فعلی در هر رده، چشم اندازهای تحقیقاتی و جهت‌گیری‌های آتی را برای محققان این حوزه نمایان ساخته است.

در اين مقاله يک الگوريتم جديد براي قطع هبندي تصاوير راديوگرافي قفسه سينه با هدف جداسازي محد وده ريهها از ساير آناتومي- هاي موجود در اين تصاوير پيشنهاد شده است . در اين الگوريتم براي اولين بار از طبق هبنديکنندههاي ي ک-کلاس در مسأله قطعه- بندي محدوده ري هها در راديوگرافي قفسه سينه استفاده ميشود. طبقهبندي يک-کلاس, يک نوع طبقهبندي بدون ناظر اس ت; ب ه اين معنا که تنها مجموعه آموزش از يک کلاس موجود است و مرز بين دو کلاس تنها از طريق دادههاي کلاس هدف تخمين زده ميشود. درضمن در اين تحقيق كارايي پنج طبقهبنديكننده يك-كلاس، "مدل گوسين"، "تركيب گوسينها"، "تخمين چگالي پارزن"، "متدk -مركز" و "توصيفگر نزدي كترين همسايگ ي" در مسأله قطع هبندي تصا وير را ديوگرافي قفسه سينه با استفاده از منحني ROC با هم مقايسه شده و سپس به كمك قانون ترکيب ميانگين برخي از اين طبقهبنديكنندهها را تركيب کرده و نشان داده ميشود که غالبا" اين طبقهبنديکنندههاي ترکيب شده کارايي بهتري دارند.

مکان يابي گوينده با استفاده از آرايه ميکروف ن در سا لهاي اخير مورد توجه خاص قرار گرفته است. الگوريتمهاي متعددي در اي ن زمينه ارائه شدهاند ولي کارايي اغلب آنها با داد ههاي کوتاه زماني و در حضور نويز و انعکاس محيط به شدت پايين محاسبه شده است. مکا نيابي مبتني بر توان پاسخ جه ت دهي شد ه در شرايط عملي و داد ههاي کوتاه زماني پايداري بيشتري نسبت به ساير روش هاي مط رح شده نشان مي دهد. در الگوريتم SRP-PHAT با اعمال فيلتر مبتني بر تب ديل فا ز، عملکرد اين روش در حضور تاثيرات انعکاسي محيط بهبود يافته اس ت. اما تاکنون بهبود اند کي در مقاو مسازي اين روش نسبت به هر دو عامل نويزجمعي و انعکاس بدست آمده است. در اين مقاله فيلتري نو ين و موثر در الگوريتم مکا ن يابي مبتني بر توان پاسخ جهت دهي شده ارائه شده اس ت. طراحي فيلتر پيشنهاد شد ه بر اساس سنجش ميزان پريوديک بودن طيف سيگنال گفتار در هر کانال ميکروفن انجام شده و در الگوريتم جهت دهي پرتو فيلتر و جمع مورد استفاده قرار مي گيرد. شبي هسازي هاي انجام شده در شرايط محيطي مختل ف، (مقادير مختلف SNR و پارامتر انعکاس) برتري و پايداري تخمين مکان با الگوريتم پيشنهادي را نسبت به روش هاي گذشته نشان م يدهد.

در اين مقاله موضوع تركيب تماماً نامتمركز داده براي رهگيري هدف با مدل غيرخطي حركت بيان ميشو د. در حل مسأله از روش تخمين نامتمركز بر مبناي فيلتر اطلاعات توسعه يافته استفاده م يشو د. دراين راستا آلگوريتم Neighbor-Information- Selection جهت ا نتخاب حسگرها پيشنهاد شده است كه در آن انتخاب حسگرها بر اساس نزديكي آنها به هدف و ميزان اطلاعاتشان م يباشد. نتايج شبي هسازي آلگوريتم مذكور در مقايسه با آلگوريتم اخير DEIF نشان ميدهد كه بازاي محاسبات و مصرف انرژي كمتر پاسخ قابل مقايسه حاصل ميشود.