انجمن کامپیوتر ایران

در دهه‌های اخیر استفاده از سموم شیمیایی برای محافظت محصولات کشاورزی فراگیر شده است. آزاد شدن سموم در محیط خطرات زیانباری برای محیط و سلامت انسان‌ها دارد. از جمله عواقب استفاده از سموم شیمیایی آلودگی آب‌های زیرزمینی است که در بسیاری از شهرها منبع اصلی آب آشامیدنی را تشکیل می‌دهد. به‌همین دلیل لازم است قبل از استفاده از سموم اثر آن بر محیط مورد بررسی قرار گیرد. در این مقاله مدلی مبتنی بر اتوماتای یادگیر سلولی برای شبیه‌سازی نفوذ سموم در خاک پیشنهاد می‌گردد. با استفاده از این مدل می‌توان اثر عوامل موثر در نفوذ سموم در خاک را قبل از مبادرت به استفاده از آنها مورد بررسی قرار داد. نتایج بدست آمده نشان می‌دهد که این مدل با واقعیت تطبیق دارند.

در این مقاله معماری نوینی برای ضرب‌كننده ها ارائه شده است. این معماری بر پایه سیستمMulti-Expert و بر اساس مدل موازی پیاده‌سازی شده است. در این مدلExpert های مختلف بصورت موازی فعالیت می‌نمایند. اینExpert ها پیاده‌سازی الگوریتم‌های مختلف کدگذارBooth می‌باشند. بر این اساس نتایج حاصله از این Expertها (حاصل ضرب‌های جزئی) پس از عبور از شبکه جمع این ضرب کننده وارد یک ماژول تصمیم‌گیر می‌شوند. وظیفه این بخش از سیستم ضرب‌کننده انتخاب بهینه نتایج در راستای رسیدن به بالاترین سرعت ممکنه می‌باشد. هدف از ارائه این مدل برای ضرب‌کننده‌ها دستیابی به سرعت بیشتر در مقایسه با سایر طرح‌های امروزی است. معماری ارائه شده برای، بر اساس نتایج سنتز و شبیه‌ساز ی موفق شده است به بهبودی درحدود ۱۴%تا ۲۱/۵% در ۱۰ بیت اول و ۴% تا ۶% در ۵۴ بیت بعدی حاصل جمع حاصل‌ضرب‌های جزئی دست پیدا كند.

با توجه به رشد سریع مجموعه‌های بزرگ تصاویر دیجیتال، و پاسخگو نبودن سیستم‌های اندیس گذاری متنی تصاویر در بازیابی کارای محتوای تصویر، بیش از یک دهه است که سیستم‌های بازیابی تصویر بر اساس محتوا ١ شکل گرفته است. در این سیستم‌ها، ویژگی‌های اولیه تصویر چون رنگ، بافت، شکل، و موقعیت مکانی به شکل اتوماتیک استخراج شده و به عنوان بردار ویژگی جهت مقایسه تصاویر، در پایگاه داده‌ای نگهداری می‌شوند. استفاده از ویژگی رنگ، بعنوان یکی از اساسی‌ترین ویژگی‌های اولیه تصویر، کاربرد بسیار گسترده‌ای در کلیه سیستم‌های بازیابی تصویر داشته و اکثراً این سیستم‌ها با تلفیق جستجوهای مبتنی بر رنگ، بافت، شکل و همچنین موقعیت مکانی، نتایج نهایی را بازیابی می‌کنند. در این مقاله سیستم بازیابی تصویر مبتنی بر رنگ با استفاده از دو تکنیک هیستوگرام رنگ و رشته بیت دودویی امضا پیاده سازی شده است. نتایج ارزیابی عملکرد این دو روش نشان می‌دهد که روش دوم نتایجی به مراتب بهتر از هیستوگرام رنگ خواهد داشت.

امروزه استفاده‌ی مجدد از هسته‌هایIP در طراحی و پياده‌سازی سيستم‌های پيچيده کاربرد فراوانی دارد؛ زيرا استفاده‌ی مجدد از اين بلوک‌های آماده، هم زمان طراحی را کاهش می‌دهد و هم سيستم پياده‌سازی شده با استفاده از هسته‌های IP از نظر سرعت، اندازه و کارايی بهينه می باشد. در اين مقاله يک متدولوژی استفاده از هسته‌هایIP برای پياده‌سازی متدهای سخت افزاری در چارچوب طراحی اديسه که يک محيط طراحی سيستم ‌های نهفته است، ارائه شده است. مجتمع سازی هسته‌هایIP در اين متدولوژی، خودکار شده است و اين امر بسياری از مشکلات استفاده از هسته‌هایIP را برطرف می‌کند. برای ارزيابی متدولوژی پيشنهادی يک تابع IDCT دو بعدی- (2-D Inverse Discrete Cosine Transform) در محيط طراحی اديسه يک بار با استفاده از هسته‌یIP و بار ديگر بدون استفاده از آن، طراحی و پياده‌سازی شده و با يکديگر مقايسه شده‌اند.

در سال‌های اخیر روش‌های حذف نویز با استفاده از تبدیل موجک مورد توجه بسیاری از محققان بوده است, ولی برخی ضعف‌های آن مانند عدم امکان نمایش یکتایی خطی باعث شد تا تبدیل موجک جهت‌دار مطرح شود که تبدیل Curvelet از این نوع است. در فرایند نویززدایی, روش‌های مختلفی برای محاسبه مقدار مناسب آستانه ارائه شده است. روش پیشنهادی بر خلاف روش‌های موجود, توزیع مستقل را برای ضرائب در حوزه تبدیل در نظر نمی‌گیرد؛ همچنین به اندازه تصویر وابسته نیست و به تخمین زدن پراکندگی نویز و یا پارامترهای دیگر نیاز ندارد. در این مقاله با استفاده از شبکه عصبی, مقدار مناسب آستانه برای تصویر محاسبه می‌شود. ابتدا برای آموزش شبکه عصبی, ویژگی‌های مهم تصویر آسیب دیده با نویز گوسی در حوزهCurvelet استخراج می‌شوند و با توجه به نسخه سالم تصویر, مقدار آستانه ایده آل نیز محاسبه می‌شود. سپس ویژگی‌های تصویر نویزی جدید به عنوان ورودی به شبکه داده می‌شود تا شبکه آستانه مناسب را برای آن تخمین بزند. نتایج آزمایش بر روی تصاویر مختلف نشان داد که روش پیشنهادی در مقایسه با روش‌های موجود دارای دقت مناسبی است. علاوه بر آن، به دلیل ویژگی تبدیل Curvelet در حفظ لبه‌ها, تصاویر به‌دست آمده دارای کیفیت بهتری نسبت به تبدیل موجک هستند.

بهينه سازي تاخير با در نظر نگرفتن پارامترهاي ديگر موثر در طراحي همانند انرژي مصرفي، به منظور جلوگيري از پيچيده شدن مساله، باعث مي گردد تا بتوانيم با استفاده از متدهايي همانند Logical Effort به جوابي سريع براي تاخير بهينه دست يابيم. در اين مقاله سعي مي گردد تا با توجه به نياز به در نظر داشتن همزمان پارامترهاي موثر در طراحي هاي كنوني از يک سو، و همچنين استفاده از سرعت بالاي متد Logical Effort از سويي ديگر، روشي ترکيبي براي حل معادلات بهينه سازي از اين دست ارائه گردد. با ارائه جوابي اوليه بر پايه متد Logical Effort مي توان سرعت همگرايي الگوريتمهاي بهينه سازي هاي غير خطي با محدوديتهايي نظير انرژي مصرفي را تا حد چشمگيري افزايش دارد.

گراف در شاخه هاي علوم كامپيوترمانن د طراحي و نمايش پايگاه داده ها، مهندسي نرم افزار، نمايش داده ها و غيره كاربرد فراوان دارد. ترسيم گراف و نمايش قابل قبول آن يکی از مهم ترين قسمت ها در اين گونه سيستم ها مي باشد. مسئله رسم گراف به صورت خوانا و قابل فهم را ميتوان با استفاده از روشهاي بهينهسازي با چند تابع هدف حل نمود. معيارهايي چون تعداد برخورد يالها، ميزان تقارن رسم، اندازه وضوح زاويه اي ترسيم و غيره را ميتوان در قالب توابع هدف بهينهسازي نمود. در اين مقاله، جهت رسم از روش SPEA كه بر الگوريتم ژنتيك استوار است، استفاده شده اس ت. با معرفي معيار آسان و جديد تعادل نيرو ی وارد برگره ها، در اين مقاله شك لهاي متقارن بيشتري از گراف توليد ميشود. همچنين ، در م حاسبه معياره ا شرايط خاصي اعمال شده اس ت كه اين تغييرات باعث توليد نمونه هاي بهتري از رسم مي گردد. با استفاده از روش بهينه سازي چند تابعي در انتهاي يك بار اجراي الگوريتم، چندين رسم بهينه از يك گراف در اختيار كاربر قرار مي گيرد. اين در حالي است كه تعداد نسل مورد نياز الگوريتم ژنتيك نيز كاهش میيابد.

زمان بندي دروس یکی از مسائل مهم و زمان بر در هر محیط آموزشی اس ت. برنامه ریزي چیدمان دروس در جدول هفتگی، براساس معیارها و امکانات محیط، مشخصات دروس و ساعات حضور استادان صورت می گیرد. هدف زمان بندي دروس، ایجاد یک برنامۀ زمانی معتبر و قابل اجرا با حداقل تداخل می باشد. این مسأله از نظر پیچیدگی در دستۀ مسائل NP قرار می گیرد و براي حل آن به جاي الگوریتم هاي کلاسیک، از الگوریتم ژنتیک، جستجوي ممنوع، شبیه سازي تبریدي و رنگ آمیزي گراف استفاده می شود. در این مقال ه ضمن بیان مراحل بکارگیري الگوریتم ژنتیک به منظور زما ن بندي درو س، فنون مورد استفاده در رویکرد نو ینِ این پژوهش ارائه م یگردد. رویکرد مذکور شامل اصلاحاتی از قبیل تغییراتی در مدل اولیۀ مسأله در راستاي بهبود زمان اجرا و جلوگیري از پیمایش فضاي حالت ناممکن، روشی جدید در رمزگذاري و معرفی عملگرهاي هوشمند جهش و ترکیب به منظور انجام اصلاحات در نسل ها م ی باشد. در انتها، با اعمال 20 نمونه ورودي مختلف به برنامه اي که مخصوص این پژوهش طراحی گردید، تأثیر رو یکرد نوین در مقایسه با روش استاندارد، در رسیدن به جواب بهینه سنجیده م یشود و نشان داده می شود که رویکرد نوین به طور متوسط در زمان کوتاهتر به جوابهاي بهینه تري می رسد.