انجمن کامپیوتر ایران

شبکه‌های بین خودرویی موردی، نسل جدیدی از شبکه‌های موردی سیار هستند که در آن خودروهای در حال حرکت نقش گره‌های متحرک را دارند و به دلیل تحرک بالای خودروها، توپولوژی شبکه دائما در حال تغییر است. یکی از شناخته شده ترین پروتکل‌های مسیریابی در این شبکه‌ها، پروتکل (Ad hoc On-demand Distance Vector) AODV است که معیار کمترین تعداد گام را برای انتخاب مسیر بکار میبرد. این معیار به تنهایی در بسیاری از سناریوها موجب کاهش کارایی شبکه میشود. در این مقاله، برای برطرف کردن چالش مطرح شده، پروتکل AODV با استفاده از منطق فازی، بهبود داده شده است. روش پیشنهادی، با نرم افزار شبیهساز NS-2.35 شبیهسازی و با دو روش AODV و (Practicable Fuzzy constrait Q- Learning-AODV) PFQ-AODV مقایسه شده است. نتایج شبیهسازی نشان میدهد که روش پیشنهادی، دارای میانگین تأخیر انتها به انتها و نرخ از دست رفتن بسته‌ی کمتر و نرخ تحویل بسته‌ی بیشتری نسبت به دو روش دیگر است، خصوصا زمانی که تعداد گره‌ها افزایش پیدا می‌کند.

تقلب در کارت‌های اعتباری هرساله خسارت‌های مالی سنگینی، در سراسر جهان به همراه دارد؛ بنابراین، مؤسسات مالی به ‌طور مداوم مجبور به بهبود سیستم‌های تشخیص تقلب می‌باشند. رویکردهای متفاوتي به ‌منظور کشف تقلب کارت‌های اعتباری معرفي شده‌اند. بااین‌حال بسیاری از مطالعه‌ها، به هزینه‌های مالی در ارتباط با روند تشخیص تقلب توجه نکرده‌اند. علاوه بر این، در هنگام ساخت یک مدل تشخیص تقلب کارت اعتباری، چگونگی استخراج ویژگی‌ها از داده‌های تراکنشی بسیار مهم است. در این مقاله، یک مجموعه‌ از ویژگی‌ها بر اساس تحلیل رفتار خرید دارندگان کارت و یک مجموعه‌ از ویژگی‌ها بر اساس تحلیل رفتار دوره‌ای از زمان با استفاده از توزیع فون‌میزس به دست می‌آیند. هم‌چنین در الگوریتم k-نزدیک‌ترین همسایه معیاری جدید به‌ منظور محاسبه شباهت بر اساس زمان انجام تراکنش‌ها بیان می‌گردد. سپس روشی حساس به هزینه با ترکیب الگوریتم‌های k-نزدیک‌ترین همسایه و الگوریتم تطبیق دنباله SSAHA پیشنهاد می‌گردد. در نهایت، با استفاده از مجموعه داده واقعی بانکی به ارزیابی روش پیشنهادی می‌پردازیم. آزمایش‌های انجام‌شده، تأثیر استفاده از مجموعه‌های مختلف از ویژگی‌ها را بر نتایج نشان می‌دهند. هم‌چنین نتایج آزمایش‌های صورت گرفته برتری روش پیشنهادی را هم از منظر سرعت انجام کاوش‌ها و هم از منظر معیار صرفه‌جویی در هزینه با بهبودی حدود 20% نمایش میدهند.

در الگوریتم‌های ضدبرخورد مبتنی بر الوها تخمین دقیق تعداد برچسب‌ها یکی از چالش‌های مهم و اساسی است. تاکنون الگوریتم‌های متعددی برای حل این مشکل مطرح‌ شده‌اند که هیچ‌کدام از آن‌ها نتوانسته‌اند مشکل تخمین دقیق تعداد برچسب‌ها را حل‌کنند. در این مقاله، یک الگوریتم ضدبرخورد جدید مبتنی بر الوها پیشنهاد می‌گردد که سعی در شناسایی برچسب‌ها در اسلات برخورد دارد. درواقع قرائت‌گر در مواجهه با اسلات برخورد از برچسب‌ها می‌خواهد یک عدد تصادفی 6بیتی (RN6) تولید کرده و با استفاده از کد منچستر و به‌صورت رشته پالس دودویی برای قرائت‌گر ارسال‌کنند. قرائت‌گر از این رشته پالس دودویی برای شناسایی برچسب‌های موجود در اسلات برخورد استفاده‌ می‌کند. با توجه به شناسایی برچسب‌ها در اسلات برخورد، نیازی به تخمین دقیق تعداد برچسب‌ها برای تعیین طول فریم بهینه نیست و طول فریم براساس اطلاعات اسلات برخورد تعیین می‌شود. بر اساس شبیه‌سازی‌های انجام شده در الگوریتم ضدبرخورد پیشنهادی، میانگین کارایی سیستم برای شناسایی 100 تا 1000 برچسب برابر با 0.7619 است.

ورود به عصر اطلاعات انسان را به شدت محتاج و وابسطه به اطلاعات نموده است و تصمیم گیری بدون داشتن آگاهی کافی به مانند قدم زدن نابینا بر لبه پرتگاه است به گونه ای که هر گام کوچک امکان نابودی را فراهم خواهد نمود.از طرفی محیط پیرامون اغلب شرایطی را ایجاد میکند که انسان مجبور است به سرعت و با قاطعیت تصمیات تاثیرگذاری اتخاذ تماید و این تصمیم در بستر آگاهی به واسطه مهاراطلاعات ممکن است.دسترسی به اطلاعات اغلب به دلیل پیچیدگی و گستردگی آسان نخواهد بود و لازم است که تکنولوژی رسیدن به آن در اختیار تصمیم گیران باشد. امروزه فناوری اطلاعات با ایجاد زیرساختها و سیستم های اطلاعاتی شرایط مناسب برای هر گونه تصمیم گیری و مدیریتی را فراهم نموده است.مدیریت بحران نیز به دلیل ویژگی ها و ماهیت خاص در کنترل شرایط بحرانی نیازمند این زیر ساخت ها و سیستم هاست.این تحقیق تلاش دارد نگاهی به زیر ساخت ، سیستمهای اطلاعاتی و جایگاه آن در شکل گیری یک شبکه اطلاعاتی برای مدیریت بحران داشته باشد. چگونگی جمع آوری ، نگهداری و روشهای ارتباطی برای دست یافتن به اطلاعات نیز بحث دیگر از تحقیق بوده است. در این تحقیق ضمن استفاده از مطالعات کتابخانه ای و تطبیقی ، سعی شده است روشهایئ بهمراه نمونه¬های عملی از کاربرد ICT ارائه داده و در پایان پیشنهاداتی را برای دست اندرکاران مدیریت بحران طرح نماید.

یکی از روش های افزایش ایمنی و کاهش تصادفات، شناسایی نقاط حادثه‌خیز است. در سال‌های اخیر، با توجه به قابلیت نمایش مکانی، تهیه بانک اطلاعاتی و تجزیه و تحلیل آن، سیستم اطلاعات جغرافیاییGIS)) بسیار مورد توجه قرارگرفته است. بسیاری از کشورها با بهره گیری از این سیستم، گام های مؤثری در شناسایی نقاط حادثه‌خیز و برنامه ریزی جهت کاهش تصادفات برداشته اند. معاونت حمل‌ونقل و ترافیک شهرداری منطقه11 تهران با همکاری پلیس راهنمایی و رانندگی تهران در قالب پروژه مطالعاتی، اقدام به ثبت کلیه تصادفات(فوتی، جرحی و خسارتی) با دقت مکانی مناسب در نرم‌افزارArcGIS10.3نموده است. در این مقاله، به بررسی شش‌ماهه تصادفات در منطقه11 پرداخته شده است. از آن جا که در این روش اطلاعات تصادفات به‌صورت نقطه‌ای وارد می‌شود، امکان شناسایی نقاط حادثه‌خیز را فراهم می آورد که در گذشته به دلیل فقدان این گونه اطلاعات، آگاهی از آن بدرستی میسر نبود. نتایج این بررسی نرخ بالای تصادفات منجر به جرح و فوت را برای عابران و موتورسیکلت سواران و تصادفات منجر به خسارت را برای خودروهای سواری نشان می‌دهد. عدم رعایت حق تقدم، عدم توجه کافی به جلو و تغییر مسیر ناگهانی از مهمترین دلایل تصادفات در این منطقه می‌باشد.

انتقال چندرسانه‌ای در شبکه‌های حسگر چندرسانه‌ای بی‌سیم به ‌شدت به پروتکل‌های مسیریابی وابسته است تا علاوه بر ایجاد یک مسیر پایدار و کارآمد از نظر انرژی، سطوح مختلف کیفیت سرویس بر مبنای نیازمندی‌های مختلف داده‌های چندرسانه‌ای به‌خصوص داده‌های ویدئویی فراهم گردد. داده‌های ویدئویی به شدت نسبت به پارامترهای کیفی تاخیر و تغییرات تاخیر حساس هستند و این داده‌ها بایستی با کمترین تاخیر و بیشترین کیفیت مخابره شوند. برای رسیدن به این هدف پروتکل‌های مسیریابی زیادی مطرح شد که هر کدام از این پروتکل‌ها به نوعی از تکنیک بافرینگ در گره‌های میانی یا مقصد به منظور کاهش تغییرات تاخیر استفاده می‌کنند؛ اما این تکنیک‌ها موجب افزایش تاخیر در کاربردهای حساس به تاخیر می‌شود. این مقاله با استفاده از نظریه بازی‌ها و به‌طور خاص بازی دیکتاتور، با متعادل نمودن بار ترافیکی و کنترل ازدحام در گره‌های میانی یک مدل بهبود یافته برای مسیریابی دراین نوع شبکه‌ها ارائه و با سنجش شاخص‌های کیفی بر محوریت نیازهای پروتکل، در نهایت منجر به کشف مسیری پایدار با قابلیت اطمینان بالا می-گردد که این مهم بر اساس تعادل نش اثبات می‌گردد. نمایش عملکرد پروتکل معرفی شده در قبال پشتیبانی از کیفیت داده‌های چندرسانه‌ای حاکی از برتری مسیر به‌دست آمده توسط پروتکل پیشنهادی از نظر کاهش تاخیر انتها به انتها، کاهش تغییرات تاخیر، بهبود نرخ گذردهی و افزایش طول عمر شبکه نسبت به مقاله‌های مشابه خود می‌باشد.

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.

در این مقاله روشی به منظور شباهت‌سنجی معنایی بین جملات ارائه شده است. این روش با در نظر گرفتن شباهت معنایی و ترتیب به کار رفتن کلمات در جمله‌ها، شباهت بین دو جمله را محاسبه می‌کند. شباهت معنایی بین کلمات با ترکیب دو روش مبتنی بر روابط بین کلمات در فارس‌نت و مبتنی بر شبکه عصبی عمیق ، محاسبه می‌شود. یکی از کاربردهای شباهت‌سنجی معنایی جملات، کشف تقلب معنایی و هوشمندانه در مقالات علمی است. به همین دلیل در این مقاله پس از ارائه روش شباهت‌سنجی معنایی بین جملات به کشف تقلب معنایی پرداخته می‌شود. روش ارائه شده در این مقاله روی مجموعه داده‌ای شامل 270 مقاله از انواع مختلف تقلب آزمایش شده است و نتیجه حاصل از این آزمایش بهبود قابل توجهی را در معیار F نسبت به بهترین سیستم‌های موجود نشان می‌دهد.

امروزه مهاجرت زنده‏‌ی ماشین‏‌های مجازی یکی از فناوری‏‌های مهم و پر کاربرد لایه‏‌ی مجازی‏‌سازی در سازمان‏‌های ابری به حساب می‏‌آید. این فناوری برای سازمان‌‏ها مزایایی نظیر متوازن‏‌سازی بارِکاری ماشین‌‏های فیزیکی، مدیریت بهتر مصرف انرژی و افزایش نگهداشت‌‏پذیری سیستم‏‌ها را به ارمغان می‌‏آورد. با این‏‌حال عملیات مهاجرت زنده ‏ی ماشین‏‌های مجازی به هنگام مهاجرت ماشین‏‌های مجازی دارای نرخ کثیفی شدید صفحات حافظه یا بارِکاری شدید پردازنده‌‏ای با مشکلات طولانی شدن مدت زمان کلی مهاجرت (یا حتی عدم توانایی در تکمیل مهاجرت)، حجم بالای ارسال داده‌‏ها و سنگینی مدت زمان توقف روبه‏‌رو است. در این پژوهش، با اعمال تغییراتی در سیاست‏‌های ترتیب ارسال صفحات حافظه و افزایش دقت در ترتیب ارسال این صفحات، به روشی دست‏یافت‌ه‏ایم که منجر به بهبود قابل توجه در معیارهای ارزیابی مدت زمان کلی مهاجرت، حجم داده‏‌های ارسالی و مدت زمان توقف شده است. در این تحقیق از ناظر ماشین مجازی Qemu برای پیاده‌‏سازی روش پیشنهادی استفاده شده است. نتایج بدست آمده نیز با روش استاندارد Qemu و همچنین روش‌‏های دیگر اولویت‌‏بندی ترتیب ارسال صفحات حافظه مقایسه شده است.

با گسترش فناوری اطلاعات، تعاملات بر خط بين افرادی که در نقاط مختلف جهان زندگی می‌کنند، افزایش یافته است. با ظهور شبکه‌های اجتماعی، اين تعاملات به‌صورت سازمان‌يافته‌تری صورت گرفته است. يکی از مسائل مهم در تحليل شبکه‌های اجتماعی، يافتن اجتماعات موجود در اين شبکه‌ها است. زیرا تشخیص اجتماعات به ما کمک می‌کند تا دید بهتری نسبت به ساختار شبکه پیدا کنیم. از این رو کشف ساختار اجتماعات در شبکه‌ها می‌تواند به‌عنوان یک مسئله بهینه‌سازی در نظرگرفته شود. برای حل این مسئله روش‌های مختلفی از جمله: افرازبندی گراف، افراز‌بندی سلسله‌مراتبی، خوشه‌بندی افرازی، روش‌های پیمانه‌ای، روش‌های مبتنی بر الگوریتم‌های تکاملی و ... را نام برد که دراین مقاله از الگوریتم‌های تکاملی استفاده شده است. در این مقاله از الگوریتم خفاش که یک الگوریتم تکاملی است، استفاده شده است. الگوریتم خفاش یک الگوریتم هوش مصنوعی است که برگرفته از خصوصیات خفاش‌های کوچکی است که در جستجوی شکار می‌باشند. به‌طوریکه خفاش‌های کوچک می‌توانند در تاریکی مطلق با انتشار صدا و دریافت آن به شکار طعمه‌های خود بپردازند. از آنجاییکه الگوریتم خفاش برای حل مسائل پیوسته مطرح شده است، این موضوع استفاده از آن در کاربردهای گسسته را محدود می‌کند. از این رو در این مقاله یک الگوریتم خفاش گسسته برای شناسایی ساختار اجتماعات در شبکه‌های علامت‌دار پیشنهاد شده است. در روش پیشنهادی، وضعیت خفاش‌ها در قالب گسسته طراحی شده‌ است تا الگوریتم برای حل مسائل گسسته مانند یافتن اجتماعات قابل استفاده باشد. نتایج حاصل از شبیه سازی حاکی از آن است که الگوریتم پیشنهادی نسبت به سایر روش‌های ارائه شده ساختار بهتری از اجتماعات را ارائه می‌کند.

As Moore’s Law scaling tapers off, there is a growing emphasis on improving the energy-efficiency of nanometer ICs through architectural techniques. Recently, approximate computing has been introduced to address the energy-efficiency problems of error tolerant applications in all forms of computing from mobile IoT devices to datacenters and servers. This technique has proved successful in various application domains such as digital signal processing, deep machine learning, and combinatorial optimization. Approximate computing trades accuracy for power, delay, and area in computing systems. One key arithmetic circuit in digital signal processing is multi-bit digital adder that is widely used in today’s user applications. Adders consume significant amounts of system energy and occupy large portions of the processor die area. The need for low power and high-speed circuits as well as the error-resiliency of the digital signal processing systems allow the system designers to innovate energy-efficient approximate adders. This paper examines DrAx, a design remedy for approximation, which provides an automatic method to improve the accuracy of approximate adders with virtually no impact on their power and area consumption. The proposed method is applied to seven state-of-the-art approximate adders for evaluation; our simulation results indicate 12-50% accuracy regarding mean error distance metric improvements are attainable for the baseline approximate adders using the proposed design approach.

In recent years, Android have become a popular operating system for smartphones. Regarding this growing trend, a wide variety of applications are being developed for this platform. Due to limited energy supply on such smartphones, the energy consumption of an application plays a significant role in users’ satisfaction. Recent studies in this field reveals that a considerable number of applications suffer from energy issues. To this end, we are going to provide a systematic framework for application developers aiming to improve the level of energy consumption in application. In this research, we elaborate a profiling technique in order to model users’ behavior in accordance with how they use the application.

با توجه به افزايش لحظه‌اي حجم اطلاعات منتشر شده در اينترنت، يکي از داغ‌ترين موضوعات، تشخيص سريع وقوع يک رويداد از اين اطلاعات مي‌باشد. تشخيص رويداد به دو دسته‌ي گذشته‌نگر و برخط تقسيم مي‌شود که هدف اولي، يافتن رويدادها در مجموعه‌اي از اسناد از پيش جمع‌آوري شده است، درحاليکه دومي بر شناسايي رويدادهاي جديد در جريان‌هاي خبري برخط تمرکز دارد. در اين مقاله، روشي مبتني بر گراف عبارات براي تشخيص برخط رويداد در وب‌سايت‌هاي خبري ارائه شده است. روش پيشنهادي، گرافي از عبارات انفجاري ايجاد مي‌کند که اين گراف براساس هم‌رخدادي عبارات موجود در اسناد تشکيل مي‌شود. در اين روش، ويژگي‌هاي جديدي شامل کليک‌هاي کاربران بر اسناد و فراواني وزن‌دار عبارات موجود در اسناد از دادگان استخراج مي‌شوند. سپس با به کارگيري اين ويژگي‌ها در وزن‌دهي گراف و پس از آن اجراي الگوريتم تشخيص جامعه به‎روي گراف، خوشه‌هاي عبارات توصيف کننده‌ي هر رويداد شناسايي مي‌شوند. نتايج نشان مي‌دهد که روش پيشنهادي از نظر دقت و فراخواني در مقايسه با روش‌هاي گذشته پيشرفت چشمگيري (براي مثال، نزديک به پنج برابر بهبود از نظر معيار دقت) داشته است.

امروزه اینترنت به منبع عظیم و متنوعی از اطلاعات متنی تبدیل شده‌ است، اما کاربران دیگر به دنبال مستندات و مقالاتی برای مطالعه نیستند، بلکه به دنبال جواب صریح سوال‌هایشان هستند. ناهمگونی و عدم وجود ساختار در منابع اینترنتی، دستیابی به اطلاعات مرتبط با یک موضوع خاص را دشوار ساخته است. بنابراین وجود سیستم‌های استخراج اطلاعات قدرتمند که بتواند صفحات وب را در قالب‌هایی ساخت‌یافته مانند پایگاه‌های دانش ذخیره کنند، نیاز مهمی محسوب می‌شود. در سال‌های اخیر استخراج رابطه به عنوان زیربخشی از استخراج اطلاعات، مورد توجه بسیار بوده است. در این پژوهش روشی جهت استخراج رابطه از مقالات ویکی‌پدیای فارسی معرفی شده‌ است. در این روش، استخراج رابطه به کمک الگوهایی که به صورت خودکار با رویکردی مبتنی بر نظارت از دور به دست می‌آیند، انجام می‌گیرد. نتایج به دست آمده نشان می‌دهد که مقدار متوسط صحت برای همه رابطه‌ها 76.81% است. در نتیجه در این روش، میزان تلاش انسانی در حد قابل توجهی کاهش یافته و بهبود صحت در مقایسه با سایر روش‌ها در زبان فارسی مشاهده می‌شود.

با کوچک‌سازي اندازه‌ي ترانزيستورهاي CMOS و پيدايش تکنولوژي‌هاي ميکرومتري، تغييرات فرآيند ساخت به‌عنوان يک عامل تاثير گذار بر بازده ساخت، عدم تطابق در مدار و محدوديت‌هاي کارايي مورد توجه طراحان قرار گرفته است. از طرفي کاهش کارايي ترانزيستورها با افزايش زمانِ کارکرد آن‌ها، يکي ديگر از معيارهاي تغييرپذيري است. يکي از معروف‌ترين سازوکارهاي تنزل ولتاژ آستانه در ترانزيستورها ناپايداري حاصل از دما و باياس است که به‌عنوان مهم‌ترين پديده در سالمندي مدار شناخته ‌مي‌شود. براي مقابله با اين دو چالش رويکردهاي انطباقي در مرحله پس از ساخت نيازمند معماري نظارت کننده براي نمونه برداري و اندازه‌گيري از PV و BTI هستند. در اين مقاله براساس وابستگي بين تاخير و ولتاژ آستانه ترانزيستورهاي MOS دو معماري اندازه‌گيري و نظارت بر سالمندي و تغييرات فرآيند ساخت براي تکنولوژي nm32 با شبيه‌سازي دقيق ارائه مي‌شود که تمام ديجيتال بوده و به تجهيزات بيرون از تراشه نيازمند نيست. با اندازه‌گيري تاخير در راستاي يک زنجيره از ترانزيستورهاي گذر در دو حسگر مجزا براي nMOS ها و pMOS ها و با تکيه بر مفهوم «تقويت تغييرات» اثرات نوسان فرآيند ساخت و سالمندي تحت بررسي قرار مي‌گيرند.

خوشه‌بندي در شبکه‌هاي حسگر بي‌سيم يک روش مناسب جهت ساختار بخشيدن به شبکه بوده و با هدف انتساب مجموعه‌‌اي از گره‌هاي شبکه به يک سرخوشه انجام مي‌گيرد. سرخوشه، داده‌ها را از گره‌هاي حسگر جمع‌آوري نموده و با استفاده از ارتباطات دوربرد براي مرکز اصلي ارسال مي‌نمايد. اين وظيفه مي‌تواند به سرعت انرژي سرخوشه را تحليل ببرد. لذا گره‌هاي سرخوشه بايستي به طور متناوب تغيير کنند. يکي از روش‌هاي اخير براي خوشه‌بندي گره‌ها، الگوريتم BLAC است که علاوه بر درنظرگرفتن معيارهايي از پيش تعريف شده، ميزان انرژي هر گره را نيز در هر تناوب در نظر مي‌گيرد. اين الگوريتم تنها پارامتر طول عمر شبکه را بهبود داده و پارامترهاي ديگر کارايي شبکه از قبيل متوسط نرخ تحويل بسته‌ها، متوسط تعداد گام‌ها تا گره سرخوشه و ميزان پايداري شبکه را در نظر نمي‌گيرد. در اين مقاله با استفاده از معيارهاي جديد کارايي شبکه از قبيل ضريب خوشه‌بندي، رتبه‌بندي گره‌ها و همچنين وزن‌دهي معيارها، نسخه توسعه‌ يافته‌اي از الگوريتم BLAC ارائه مي‌شود که گره‌هاي سرخوشه را به صورت بهبود يافته انتخاب مي‌نمايد. نتايج شبيه‌سازي نشان مي‌دهد که استفاده از معيارهاي پيشنهادي، علاوه‌بر افزايش طول عمر شبکه تا 34 درصد نسبت به نسخه اصلي BLAC ، پارامترهاي ديگر کارايي را نيز بهبود داده است.

امروزه اينترنت اشياء بسيار محبوب و فراگير است بطوريکه به سرعت در زمينه‌هاي گوناگوني کاربرد پيدا کرده است. بسته به محل استفاده از اينترنت اشياء و نحوه ارتباط گره‌ها با يکديگر و با سرور، پروتکل‌هاي متفاوت ارتباطي مورد نياز است که مي‌توان آنها را بر اساس عوامل مختلفي همچون سرعت، توان مصرفي، يک طرفه يا دو طرفه بودن ارتباطات بررسي کرد. با توجه به نيازمندي هاي کاربرد مورد نظر و براساس مصالحه بين معيارهاي مختلف، مي‌توان پروتکل مناسب را انتخاب نمود. در اين مقاله به بررسي و ارزيابي پروتکل دوربرد LoRa که يکي از پروتکل‌هاي پرکاربرد در اينترنت اشياء است پرداخته مي-شود تا براساس معيارهاي مختلفي مانند توان مصرفي، سرعت انتقال داده، محدوده‌ي تحت پوشش و غيره، امکان انتخاب پروتکل و پيکربندي مناسب آن فراهم شود. نتايج ارزيابي نشان مي‌دهد که براي بهبود انرژي مصرفي، براي فواصل کمتر از 3 کيلومتر انتخاب پهناي باند بزرگتر مناسب‌تر است و همچنين براي کاهش تاخير ارسال، انتخاب مقادير کمتر براي SF اولويت دارد.

عارضه کمردرد از جمله شايع ترين بيماري هاست که نزديک به 42 درصد از جمعيت جهان از آن رنج مي برند. اين عارضه مي تواند ناشي از عواملي مانند لغزش مهره کمر، فتق ديسک، تنگي کانال نخايي، تغيير شکل مهره ها و انحراف ستون فقرات باشد. شبکه هاي عصبي کانولوشن در تشخيص عارضه انحطاط ديسک کمر در تصاوير ام آر آي دقت قابل قبولي را از خود نشان داده اند اما در شرايطي که تصاوير ورودي تحت تاثير نويز قرار گرفته شده باشند، شبکه هاي مذکور کارايي خوبي ندارند. در اين مقاله، يک يادگيرنده تجمعي عميق دو لايه اي ارايه شده است که شبکه هاي عميق کانولوشن را نسبت به دو نويز گاوسي و نمک و فلفل مقاوم مي سازد. در لايه اول چهار طبقه بند ماشين بردار پشتيبان، k نزديک ترين همسايه، درخت تصميم گيري و جنگل تصادفي و در لايه دوم، يک شبکه دروازه در نظر گرفته شده است که به هر کدام از طبقه بندها بر اساس دقت فاز آموزش وزني مشخص را تخصيص مي دهد. نتايج آزمايشات نشان مي دهد که روش پيشنهادي دقتي برابر با 98 درصد براي تصاوير با نويز گاوسي و 96 درصد براي تصاوير با نويز نمک و فلفل دارد.

گفتار طبیعی‌ترین، آسان‌ترین و کارآمد‌ترین روش برقراری ارتباط بین انسان‌ها به شمار می‌رود. فناوری تشخیص گفتار به سیستمی که توانایی دریافت صدا را دارد، این امکان را می‌دهد که صحبت کاربر را متوجه شود. بنابراین، دیگر نیاز بسیار کمتری به برقراری ارتباط فیزیکی بین انسان و وسیله موردنظر می‌باشد. فناوری تشخیص گفتار در حوزه‌های مختلفی ازجمله تشخیص فرامین صوتی در خودرو، خواندن نامه‌های الکترونیکی، تبدیل خروجی GPS به صوت، خواندن صفحات وب برای افراد نابینا، لوازم خانگی هوشمند و غیره قابل استفاده است. در این مقاله به پروسه طراحی، جمع‌‌آوری و ارزیابی مجموعه دادگان به زبان فارسی برای رابط صوتی خودرو با هدف کمترین میزان تاثیر منفی بر تمرکز راننده پرداخته شده است. ضبط دادگان با استفاده از تلفن همراه و در شرایط واقعی خودرو صورت گرفته است. مجموعه دادگان این مقاله به دو بخش آموزش و آزمون تقسیم شده‌اند. نتایج ارزیابی دادگان نشان می‌دهند که کارایی بازشناس کلمات تشکیل دهنده فرامین آموزش یافته بر روی این دادگان، در بهترین حالت از صحت %60/83 و دقت %36/82 برخوردار بوده و میزان خطا در سطح کلمه نیز %64/17 می‌باشد.

پیش‌بینی دقیق داده‌های از دست رفته در داده کاوی همیشه یک مشکل چالش بر انگیزه بوده است. در اغلب روش‌ها برای برطرف کردن این چالش، نمونه از دست رفته را از مجموعه داده حذف و یا با مقادیر پیش فرض جایگزین می‌کنند، که این کار کیفیت داده‌های مجموعه داده را کاهش می‌دهد. در این مقاله یک مدل پیش‌بینی با ناظر برای تخمین مقادیر از دست رفته ارائه می‌شود. در ابتدا با استفاده از روش‌های انتخاب ویژگی، ویژگی‌های تاثیرگذار را پیدا کرده و مجموعه داده را به فضای جدید می‌بریم و با استفاده از دسته‌بند K-NN، نزدیک ترین همسایه‌های هم‌کلاس هر داده را در فضای ثانویه پیدا می‌کنیم. با میانگین گیری k همسایه نزدیک هم‌کلاس در فضای ثانویه، مقادیر از دست‌رفته را در فضای اولیه مجموعه داده تخمین می‌زنیم. مدل پیشنهادی بر روی مجموعه داده پزشکی از مخزن دادگان UCI پیاده سازی شده است. مدل با روش‌های معتبر پیشین مورد ارزیابی و مقایسه قرار گرفته است. نتایج بدست آمده نشان می‌دهد که دقت مدل پیشنهادی برای دادگان Hepatitis برابر با ۸۵.۹۶% و دادگان Pima Indians Diabetes برابر با %۷۹.۰۴ و دادگان Wisconsin Breast Cancer به ۹۷.۱۴% رسیده است.