انجمن کامپیوتر ایران

این مقاله به ارائه يك مدل تراز بندی جدید برای ساخت پیکره‌های موازی دو‌زبانی انگليسي-فارسي پرداخته است. در حالت کلی چارچوب پيشنهادي، غیر وابسته به زبانهاي مبدا و مقصد بوده و از آن می توان برای تولید پیکره موازی، برای هر جفت زبان ديگري نيز استفاده کرد. نتايج بدست آمده از پياده‌سازي‌ها نشان داده است که بکاربردن ویژگیهای زبانی و غیر زبانی به صورت توامان، عملکرد سیستم را تا حد قابل قبولی بهبود خواهد بخشید. در اين مقاله اين بررسي نيز صورت ميگيرد كه توجه به وي‍ژگي‌هاي طولي، ترجمه تحت اللفظي و شباهت دستوري به صورت مستقل يا تركيبي چه اثری بر روي كيفيت نتايج مي‌گذارد. همچنين بكارگيري طبقه‌بندهاي چند گانه در تشخيص نوع ترازبندي به عنوان يكي از شاخص‌هاي اصلي سيستم مطرح است. از ويژگيهاي ديگر اين روش، قابليت ارتقاء مدل از طريق گنجاندن خصوصياتي (در بدنه بردارهاي ورودي) مي باشد كه ممكن است در آينده براي تشخيص بهتر نوع ترازبندي مورد توجه قرار گيرند. با اين حال، چالش اساسي مدل ما و بسياري از روشهاي پيشين وجود سلايق متنوع در ترجمه متون است كه سبب توليد جملاتي مي‌گردد كه مشابهت آنها با متن اصلي درحد معنا بوده و تنها قابل درك و تشخيص براي انسان مي‌باشد اين مساله كار را براي استخراج جفت عبارات معادل، بسيار سنگين مي‌نمايد.

این مقاله به طراحی کنترلگر برای مسأله ناوبری ربات می¬پردازد. در ناوبری ربات معمولاً مدل کاملی از محیط در دسترس نیست، لذا فرمان کنترلی با توجه به داده¬های محلی جمع آوری شده توسط حسگرهای ربات تولید می¬شود. استفاده از یادگیری با ناظر برای تنظیم کنترلگر دارای چالش¬های جدّی همچون ناسازگاری داده¬ها و خطای زیاد آن¬ها می¬باشد. لذا با توجه به قابلیت¬های روش یادگیری تقویتی که در آن تنها با استفاده از یک سیگنال تقویتی اسکالر آموزش صورت می¬گیرد، محققین از آن برای ناوبری ربات استفاده کرده¬اند. این مقاله یک ایده جدید جهت ترکیب یادگیری باناظر و یادگیری تقویتی برای تسريع در روند فرايند يادگيري ربات¬ها و بهبود کيفيت آموزش ارائه می¬دهد. در فاز اول داده¬های آموزشی توسط ناظر در محیط جمع¬آوری می¬شوند و با کمک این داده¬ها و استفاده از روش یادگیری باناظر یک کنترلگر مرتبه صفر را تنظیم نموده¬ایم. بعد از این در فاز دوم پارامترهای تالی کنترلگر را با استفاده از روش یادگیری سارسای فازی (FSL) که یک الگوریتم یادگیری تقویتی فازی با معماری نقاد-تنها است تنظیم نموده¬ایم. محيط¬هاي آموزش و تست در شبيه ساز KIKS فراهم شده است. نتايج شبيه سازي حاكي از عملكرد مناسب روش یادگیری ترکیبی در مقایسه با یادگیری باناظر و FSL می¬باشد.

امروزه مبحث تعامل انسان و رایانه یکی از علاقمندی¬های پژوهشی عمده در جامعه علمی شده است. این تعامل می¬تواند در قالب یک سیستم مکالمه گفتاری ظاهر شود که انسان¬ها را قادر می¬سازد تا با ماشین¬ها مکالمه گفتاری داشته باشند. پیشرفت¬های قابل توجه در سال¬های اخیر در طراحی و تولید سیستم¬های تشخیص گفتار، درک زبان طبیعی و تبدیل متن به گفتار برای زبان فارسی، راه را برای طراحی و ایجاد سیستم¬های مکالمه گفتاری فارسی و جایگزینی آنها با سیستم¬های سنتی تلفن گویا، گشوده است. واحد مدیریت مکالمه یک جزء مهم و اساسی و در واقع قلب سیستم¬های مکالمه گفتاری است. سیستم مدیریت مکالمه تحت یک استراتژی یا سیاست مکالمه رفتار می¬کند که وظیفه آن، انتخاب کنش¬های مناسب در هر حالت مکالمه است. به سبب ماهیت سخت طراحی استراتژی های مکالمه، چارچوب یادگیری تقویتی در سیستم¬های مکالمه گفتاری برای کشف سیاست بهینه با استفاده از یادگیری داده محور و خودکار، مطرح گردید. در این مقاله، الگوریتم¬های یادگیری تقویتی برای یادگیری واحد مدیریت مکالمه مورد بررسی قرار گرفته¬اند و مراحل طراحی و شبیه¬سازی یک سیستم مدیریت مکالمه نمونه شرح داده شده است. سپس در فاز یادگیری، سیستم طراحی شده با استفاده از الگوریتم یادگیری تقویتی مستقل از مدل منتخب Watkins’ Q(λ) و داده¬های آموزشی آنلاین شامل صد مکالمه مفروض، برای دو مقدار مختلف λ آموزش داده شده و به همگرایی رسیده است. تأثیر تغییر λ بر روی سرعت و دقت یادگیری، بررسی شده و الگوی تغییرات تابع ارزش عمل در طی فرآیند یادگیری بدست آمده است.

در این مقاله، روشی مبتنی بر قانون تصمیم گیری بیز برای دسته بندی بافت با استفاده از ویژگی های استخراج شده از تبدیل هادامارد و فیلترهای گابور، ارائه شده است. این ویژگی¬ها عبارت از مقادیر انرژی مختلف در باندهای مختلف دنباله ای در تبدیل هادامارد و مقادیر انرژی هرکدام از تصاویر جزیی خروجی فیلترهای گابور می¬باشند. برای این مسأله دسته بندی، دو دستهبا عنوان بافت دارای ساختار و بافت بدون ساختار در نظر گرفته ¬شده است. برای دسته بندی از روش بیزین استفاده شده است؛بدین ترتیب که در ابتدا با استفاده از داده¬های آموزشی، توزیع احتمال هر دسته به صورت ترکیبی از توابع گاسی تخمین زده می¬شود. سپس برای داده¬های آزمایشی مقادیر احتمال مشروط بر هر دسته به طور جداگانه محاسبه شده و با استفاده از قانون تصمیم گیری بیز در چارچوب یک شبکه بیزین، دسته مربوطه برای داده¬های آزمایشی به دست می¬آید. نتایج آزمایش روش پیشنهادی بر روی پایگاه داده تصاویر بافتی نشان دهنده بهبود دقت دسته بندی بافت با روش پیشنهادی نسبت به روشهای مرتبط پیشین می¬باشد.

حجم فراوان و روبه رشد اسناد علمي منتشر شده بر روی وب، فرآیند تصمیم‌گیری و انتخاب اسناد مرتبط با يک زمينه تحقيقاتي را برای پژوهشگران دشوار کرده ‌است. یک سیستم پیشنهاد استناد، با دریافت متن ورودی، اسنادی که باید توسط آن متن مورد استناد قرار گیرند را پیشنهاد می¬کند، و بدین ترتیب می¬تواند در یافتن اسناد مرتبط با یک موضوع به پژوهشگر کمک کند. در این مقاله، یک معیار جدید برای محاسبه شباهت دو سند ارائه شده است که مبتنی بر ویژگی¬های رابطه¬ای اسناد می¬باشد. همچنین یک سیستم پیشنهاد استناد ارائه شده است که از معیار فوق در کنار ویژگی¬های متنی اسناد استفاده می¬کند. ارزیابی انجام شده نشان می¬دهد که معیار مورد نظر، در تشخیص شباهت اسناد موفق است و باعث بهبود کیفیت سیستم پیشنهاد استناد مورد نظر می¬شود.

هر شبکه اقتضایی متحرک شامل مجموعه‌ای از گره‌‌‌های متحرک است که در آن هیچ‌گونه زیرساخت ثابت و متمرکزی وجود ندارد. شبکه‌های اقتضایی متحرک به دلیل ویژگی‌های ذاتی خود در مقایسه با سایر شبکه‌ها در مقابل حملات مسیریابی آسیب‌پذیرتر هستند. در این مقاله، رویکردی ممتیکی مبتنی بر الگوریتم کلونی زنبورهای مصنوعی به نام MemBee برای تشخیص ناهنجاری پویا در شبکه‌های اقتضایی متحرک پیشنهاد می‌شود. رویکرد پیشنهادی شامل سه مرحله اصلی آموزش، تشخیص و به‌روزرسانی است. در مرحله آموزش، با استفاده از الگوریتم ممتیکی NicheMABC مجموعه‌ای از شناساگرهای کروی برای پوشش حداکثری فضای غیرعادی تولید می‌شود. در فرآیند تولید شناساگرهای کروی، از یک الگوریتم جستجوی محلی برای بهبود این شناساگرها و از تخمین مونت کارلو برای جلوگیری از تکرارهای غیرضروری استفاده می‌شود. در مرحله تشخیص، با استفاده از شناساگرهای کروی تولید شده ناهنجاری‌ها در ترافیک شبکه تشخیص داده می‌شوند. در مرحله به‌روزرسانی، شناساگرهای کروی با استفاده از یکی از دو روش به‌روزرسانی جزیی و کلی به‌روز می‌شوند. نتایج آزمایش‌های انجام شده برای حملات مسیریابی ارسال سیل‌آسا، سیاه‌چاله، همسایه، سریع و لانه کرمی نشان می‌دهند که رویکرد MemBee در مقایسه با سایر رویکردهای مشابه قادر است توازن بهتری میان نرخ تشخیص و نرخ هشدار نادرست برقرار کند.

یکی از چالش¬های دنیای نرم¬افزار، توسعه¬ی نرم¬افزارهایی با قابلیت اطمینان بالا و مطابق با نیازمندی¬های کاربران می¬باشد. روش-های صوری که روش¬هایی مبتنی بر ریاضیات هستند، به عنوان یکی از راه¬حل¬های این چالش ارائه شده¬اند. از سوی دیگر به دلیل گسترش روز¬افزون در استفاده از برنامه¬های احتمالاتی و پیچیدگی آزمون این¬گونه برنامه¬ها، امروزه تمایل زیادی به بررسی رویکردهای صوری برای توصیف، تولید و درستی‌یابی برنامه‌های احتمالاتی ایجاد شده است. از آن جایی که سیستم¬های احتمالاتی ممکن است ذی¬نفعان مختلفی داشته باشد، لازم است به جای آن که سیستم توسط یک فرد توصیف شود، ذی¬نفعان مختلف، سیستم را از دیدگاه خود توصیف کرده و در نهایت با ترکیب توصیف¬ها، توصیف نهایی سیستم بدست آید. توصیف نهایی سیستم باید سازگار بوده و نیازهای ذی¬نفعان مختلف را پوشش دهد. هدف این مقاله ارائه¬ی روشی صوری برای ترکیب دیدگاه ذی¬نفعانمختلف در توصیف سیستم¬های احتمالاتی می¬باشد. بدین منظور ابتدا به کمکزنجیره¬ی مارکف محدودیت،سیستم از دیدگاه ذی¬نفعان مختلف مدل¬سازی شده و در نهایت با استفاده از فرمالیسم Z توصیف می¬شود.از آن جایی که عملیات فعلی حساب شِما در Z برای ترکیب توصیف¬ها مناسب نبوده و سازگاری نیازهای ذی¬نفعان در توصیف نهایی حفظ نمی¬شود، در این مقالهعملگرهای جدید در سطح زبان توصیف Z به منظور ترکیب توصیف¬های ذی¬نفعان مختلف ارائه می¬شود.

امروزه استفاده روزافزون از دستگاه‌های آگاه از موقعیت منجر به انجامپژوهش‌هایمتعددی در زمینه داده‌کاوی مسیرهای حرکت اشیا متحرک شده است. از آن جا که داده‌های مسیرهای حرکت ممکن است شامل اطلاعات حساسی باشند، بنابراین حفظ حریم خصوصی اشیا متحرک در صورت انتشار این داده‌ها از اهمیت زیادی برخوردار است. در رویکردهای موجود،داده‌های مسیرهای حرکت بدون توجه به نیازمندی‌های متفاوت حریم خصوصی اشیا متحرک گمنام می‌شوند. در این مقاله، رویکردی جدید مبتنی بر خوشه‌بندی حریصانه برای گمنام‌سازی داده‌های مسیرهای حرکت ارائه می‌شود که در آن نیازمندی‌های متفاوت حریم خصوصی اشیا متحرک در نظر گرفته می‌شود. در این رویکرد، ابتدا به هر مسیر حرکت متناسب با نیازمندی‌های حریم خصوصی شی متحرک تولید کننده آن مسیر حرکت یک سطح حریم خصوصی متفاوت نسبت داده می‌شود. سپس مبتنی بر معیار فاصله EDR، خوشه‌هایی با شعاع ثابت از داده‌های مسیرهای حرکتایجاد می‌شود به گونه‌ای که اندازه هر خوشه متناسب با بالاترین سطح حریم خصوصی مسیرهای حرکت در آن خوشه باشد. در نهایت، با استفاده از یک الگوریتم جدید برای یافتن نقاط قابل اتصال، مسیرهای حرکت در هر خوشه به یک مسیر حرکت واحد گمنام می‌شوند.نتایج آزمایش‌های انجام شده روی داده‌های واقعی مسیرهای حرکت اشیا متحرک نشان می‌دهند که رویکرد پیشنهادی قادر است مصالحه مناسبی بین حفظ حریم خصوصی و سودمندی داده‌های مسیرهای حرکت گمنامفراهم نماید.

یکی از مهمترین سیستم های موجود در نیروگاه حرارتی، بویلر می باشد.این سیستم دارای خصوصیاتی از جمله چند¬ورودی چند¬خروجی، متغیر با زمان و غیرخطی است به همین خاطر مدلسازی آن با استفاده از روشهای کلاسیک مشکل است. از طرفی در روشهای مدلسازی کلاسیک به دلیل در نظر گرفتن فرضیاتی در مدلسازی سیستم و یا نیاز به داشتن خروجی¬های سیستم به ازای یک ورودی¬های خاص، اعتبار و دقت مدل کاهش یافته و همچنین اعمال ورودی¬های مورد نظر به سیستم بویلر مستلزم در نظر گرفتن هزینه¬ها و ریسک¬های زیادی می¬باشد. از آنجایی که سیستم¬های کنترل توزیع شده به طور گسترده در نیروگاه¬ها مورد استفاده قرار می¬گیرد، داده¬های مربوط به پارامترهای بویلر جمع¬آوری و ثبت می¬شوند به همین خاطر استفاده از تکنیک-های داده¬کاوی یک روش بسیار موثر در مدلسازی سیستم می باشد زیرا در این روشها علاوه براینکه تمام شرایط کاری واقعی سیستم در نظر گرفته می¬شود دیگر نیازی به انجام آزمایشهای مختلف وجود ندارد. در این مقاله از تکنیک های داده¬کاوی به منظور مدلسازی میزان اکسیژن موجود در گازهای خروجی از دودکش بویلر نیروگاه¬حرارتی کارخانه ذوب¬آهن اصفهان استفاده می شود و مدلی با یک رابطه ساده و دقت مناسب حاصل می¬گردد که به سادگی قابل پیاده سازی با سیستم کنترل موجود در نیروگاه بوده و می توان از خروجی آن به عنوان جایگزین سنسور مربوطه در دستیابی به هدف¬های مختلف از جمله کنترل و پیش¬بینی خطا استفاده کرد.

در این مقاله روشی بدون محدوده و توزیع شده برای مکان¬یابی شبکه¬های حسگر بی¬سیم ارائه شده است که محدودیت‌های سخت‌افزاری را حذف می‌کند و به همین دلیل هزینه و مصرف انرژی پائینی داشته و می تواند به توسعه پذیری شبکه کمک بسیاری نماید. در این مقاله روش نوینی برای محاسبه وزن در روش مرکز ثقل وزن¬دار ارائه شده است که در اصلی¬ترین قسمت آن از محاسبات ریاضی و رگرسیون آماری بهره برده و سپس با انتخاب بهترین وزن‌ها برای هر گره حسگر به تخمین موقعیت آن پرداخته است . این روش همچنین توانسته است، تا حدود زیادی مشکل سیاه‌چاله و جاذبه‌ی آن‌را، برای گره‌های تحت‌پوشش 2، 3یا 4 گره راهنما نیز حل نماید. با بررسی نتایج ارزیابی دیده می‌شود که این روش دقت تخمین موقعیت گره‌های حسگر را در شرایط مختلف به میزان قابل توجهی افزایش می‌دهد.

يکي از چالش‌هاي اصلي در داده کاوي و شناسايي الگو، آموزش طبقه‌بندها براي داده‌هايي است که داراي توزيع کلاس نامتوازن مي‌باشند. در اين داده‌ها، توزيع کلاس‌ها به گونه‌اي است که نمونه‌هاييک کلاس بسيار بيشتر از کلاس ديگر مي‌باشد. اين نوع داده‌ها در بسياري از کاربردهاي عملي و صنعتي وجود دارند. در يادگيري ماشيني، ترکيب چند طبقه‌بند نسبت به يک طبقه‌بند داراي دقت بالاتري مي‌باشد، اما هيچکدام از اين تکنيک‌هاييادگيري نمي‌توانند به تنهائي مسائل با داده‌هاي نامتوازن را کلاس‌بندي نمايند. لذا الگوريتم‌هاي ترکيبي توسعه يافته براي اين منظور طراحي شده‌اند. يکي از مهمترين چالش‌هاي پيش‌روي محققان در کلاس‌بندي ترکيبي، تخمين پارامترهاي هزينه مي‌باشد و اين پارامترها از طريق روشهاي آزمون و خطا قابل تعيين مي‌باشند. در اين مقاله از الگوريتم ازدحام ذرات (PSO) براي تخمين پارامترهاي هزينه استفاده شده است. روش پيشنهاد شده بر روي پايگاه داده UCI اعمال شده و نتايج شبيه‌سازي، بهبود عملکرد معيارAUC را به بيش از 90% نشان داده است.

در این مقاله یک فلیپ فلاپ راه اندازی شونده با پالس خارجی ارائه شده است که با استفاده از کاهش ترانزیستورهای سری و بهره گیری از مدار المان C توان مصرفی و تاخیر مدار بهبود یافته است. در این مدار کاهش ترانزیستورهای سری به کاهش سایز ترانزیستورها و در نتیجه کم کردن مساحت مدار نیز کمک می¬کند. این مدار با 3 مدار دیگر مقایسه شده است که شبیه سازی با استفاده از نرم افزار HSpice و در تکنولوژی 65 نانومتر نشان می¬دهد که فلیپ فلاپ پیشنهادی، تاخیر و توان مصرفی کمتری در مقایسه با فلیپ فلاپ¬های قبلی دارد. نتایج شبیه سازی بیانگر این است که توان مصرفی این مدار در مقایسه با سایر مدارها بین 4 تا 59 درصد کاهش یافته است و تاخیر مدار تا حدود 5/17 درصد کم شده است.

يکي از مهم ترين پارامترها در بازشناسی گفتار، بهبود عملکرد سیستم و افزایش درصد صحت بازشناسی آن است. روش¬های متفاوتی برای اين بهبود وجود دارد، که از جمله، بهبود مدل¬هاي صوتي، ویژگی¬ها و مقاوم¬سازی بازشناسي نسبت به تغييرات محيطي مي¬باشد. از جمله‌ی اين روش¬های بهبود ، ترکیب سیستم¬ها ، پس از بدست آوردن فرضیه‌ی نهایی چند سیستم بازشناسي مستقل است. ترکیب سیستم ها، هنگامی که سیستم¬های مختلف، الگوهای خطایی متفاوتی دارند، می تواند عملکرد نهائي بازشناسی گفتار را بهبود بخشد. ترکیب خروجی سیستم¬ها، به این منظور است که نرخ خطای سیستم مرکب کمتر از سیستم انفرادی شود. در اين مقاله، ترکیب لتیس بدست‌آمده از سیستم‌ها معرفی خواهدشد. در این روش، سيستم هاي بازشناسي گفتار بر پايه‌ی مدل مخفی مارکوف ، مورد استفاده قرار مي گيرند و دادگان فارس دات کوچک نیز مورد استفاده قرار گرفتند. در این کار برای بهبود درصد صحت بازشناسی، لتیس دو سیستم MFCC و PLP ، که با استفاده از HTK بدست آمده‌اند، با هم ترکیب شده ومیزان درصد صحت بازشناسی نسبت به قبل از ترکیب، 1.5 درصد افزایش یافت.

سلول¬های جمع¬کننده تک بیتی یکی از پر کاربردترین بلوک¬ها در انجام عملیات محاسباتی در سیستم¬های VLSI می¬باشند و به همین دلیل بهينه سازی توان مصرفی و سرعت در این سلول¬ها اهمیت زیادی دارد. لذا در این مقاله سعی شده است توان مصرفی این سلول¬ها با حفظ سرعت بهبود یابد. در این مقاله سه سلول جمع¬کننده جدید با استفاده از ماجولهای XOR، XNOR و مالتی پلکسر معرفی می¬شود که توان مصرفی و حاصل ضرب توان مصرفی در تاخیر (PDP) در آنها نسبت به سلول¬های قبلی کمتر می-باشد. تعداد ترانزیستورهای کمتر این سلول¬ها نسبت به سلول¬های جمع کننده معمولی¬ ویژگی ¬دیگر این سلول¬ها می¬باشد. شبیه¬سازی¬ها در محیط HSPICE و با تکنولوژی 65 nm صورت ¬گرفته¬است. نتایج این شبیه¬سازی¬ها نشان دهنده بهبود 31 تا 67 درصدی توان مصرفی نسبت به بهترین سلول ارائه شده قبلی است.

تکنولوژي مبتني برنانو لوله‌هاي کربنييکي از پراميدترين کانديداي جايگزين تکنولوژي CMOS مي‌باشد.در اين تکنولوژي، رشد نانولوله‌هاي کربني مبتني بر سنتز شيميايي مي‌باشد که اين مورد باعث تغييرات زيادي در پارامترهاي فيزيکي نانولوله‌هاي کربني مي‌شود. تغييرات در تراکم و خواص نيمه‌هادي بودن نانولوله‌ها، منجر به بالا رفتن نرخ اشکال در مدارهای مبتني بر نانولوله‌هاي کربني شده است. در نتيجه قابليت اطمينان مدارهای مبتني بر نانولوله‌هاي کربني به شدت تحت تاثير قرار گرفته است. در اين مقاله، قصد داریم قابليت اطمينان مدارهاي منطقي را ضمن در نظر گرفتن عوامل بروز اشکال در ترانزيستورهاي مبتني بر نانولوله‌کربني ارزيابي نماییم. در ابتدا، به منظور ارزيابي قابليت اطمينان مدار، يک مدل قابليت اطمينان برای گيت‌‏های مبتنی بر نانولوله‏های کربنی ارائه مي‌شود. مدل ارائه شده قادر به تخمين قابليت اطمينان گيت‌هاي مختلف با در نظرگرفتن ساختار گيت، احتمال سيگنال‌هاي ورودي، احتمال اشکال ترانزيستورهاي نانولوله‌ کربني و بردار ورودي گيت مي‌باشد. سپس، با استفاده از اين مدل، قابليت اطمينان مدار ارزيابي مي‌شود. نتایج شبیه سازی نشان می‏دهد که روش ‌پیشنهادی در مقایسه با مونت کارلو، با سرعت X800 و با خطایی کمتر از %4، قابلیت اطمینا ن مدار را ارزیابی می‌کند. همچنین نتایج نشان می‏دهند که در نظر گرفتن نوع اشکال‌ ترانزیستورهای مبتنی بر نانولوله‌های کربنی در ارزیابی‌ قابلیت اطمینان بسیار مهم می‌باشد.

پروتکل هاي تبادل کليد که با گذر واژه احراز اصالت شده يک روش مهم ايجاد محرمانگي جهت ارتباط امن مي‌باشد که اجازه مي‌دهد دو گروه براي ادامه ارتباط بر سر يک کليد امن مشترک در يک شبکه ناامن توافق کنند که در اين مقاله بر این اساس، يک پروتکل جديد دو موجوديتي ارائه شده که هدف آن رسيدن به کارايي بيشتر با سطح امنيت بالاتر در مقايسه با ديگر پروتکل هاي ارائه شده در اين حوزه است. سپس پروتکل ارائه شده به روش صوري و با ابزار خودکار تحليل امنيت و درستي يابي و نتایج آن با پروتکل های دیگر مقایسه شده است که نشان مي‌دهد که پروتکل ارائه شده در برابر اکثر حملات شناخته شده از قبیل رازمانی و مرد میانی امن بوده و در مقايسه با ديگر پروتکل ها ارائه شده دارای پيچيدگي محاسباتي کمتر است.

شبكه‌هاي اجتماعي عموماً مجموعه‌اي از افراد يا سازمان‌ها هستند كه توسط يك يا چند رابطه به هم متصل می‌شوند. معمولاً شبكه اجتماعي را با گراف غیر جهت‌دار نمايش می‌دهند كه رئوس V و یال‌های E به ترتيب بيان كننده افراد و ارتباط بين آن‌هاست. يكي از مسائل پر كاربرد در اين شبکه‌ها مسئله تخصيص مقادير مرکزيت به گره‌ها ولبه‌ها است که به طور وسيعي در سال‌هاي گذشته بررسي شده است. اخيراًيک معيار سنجش جديد از مرکزيت گره به نام شاخص مرکزيت k مسير پيشنهاد شده است که بر اساس انتشار پيام‌ها داخل يک شبکه در طول مسيرهاي تصادفي متشکل از k لبه مي‌باشد. ازسوي ديگر اهميت محاسبه مرکزيت لبه‌ها در اين سال‌ها مشهود و مشخص بوده است. در اين کار با استناد به مسئله انتشار پيام در طول مسيرهاي تصادفي و با استفاده از الگوريتم فيزيکي انتشار گرما به معرفي يک روش جديد جهت محاسبه گره‌هاي مرکزيت پرداخته شده است. تکنيک پیشنهادی براي آناليز شبکه در مقياس بالا امکان‌پذير مي‌باشد و نتايج به دست آمده در آناليز عملکرد الگوريتم در مجموعه داده‌هاي شبکه‌هاي اجتماعی آنلاين بزرگ کارايي موثر روش را نشان می‌دهد.

خودوفق‌پذیری معماری سرویس‌گرا روشی برای سازگاری خودکار معماری سرویس‌گرا نسبت به تغییرات محیط است. از این مفهوم برای نگهداری و تضمین خصوصیات کیفی نرم‌افزار استفاده می‌شود و برای آن چارچوب، تکنیک و ابزارهای مختلفی معرفی شده است ولی تحقیقات کمی در زمینه‌ی ارائه‌ی فرایند خودوفق‌پذیری معماری سرویس‌گرا صورت گرفته است، در صورتیکه فرایند ترتیب به‌کارگیری اجزای چارچوب را نشان می‌دهد و از مهم‌ترین اجزای چارچوب هر نوع سیستمی محسوب می‌شود. این مقاله متدولوژی SOMA را به منظور تضمین خصوصیات کیفی توسعه داده و فرایندی دو لایه‌ای شکل می‌دهد که در آن نرم‌افزار توسط زیرفرایند خودوفق‌پذیری که در لایه‌ی مجزایی قرار دارد نگهداری می‌شود. با فرایند پیشنهادی می‌توان لایه‌ی زیرفرایند خودوفق‌پذیری را به سیستم‌های موجودی که با متدولوژی SOMA ایجاد شده‌اند، اضافه کرد. برای ارزیابی فرایند پیشنهادی از معیارهای ارزیابی فرایندهای سرویس‌گرا استفاده شده است زیرا فرایند پیشنهادی فرایندی سرویس‌گرا با تمرکز بر فعالیت نگهداری است. ارزیابی صورت گرفته در انتهای مقاله نشان می‌دهد که فرایند پیشنهادی فرایند توسعه‌ی قابل قبولی بر متدولوژی سرویس‌گرا است که قابلیت نگهداری خودکار کیفیت را فراهم می‌کند.

In networks, motifs are small-connected sub-graphs with higher frequency occurrence than in random networks. It has recently gathered muchattention as a concept to uncover structural design principles of complex biological networks. Finding motifs in a network is a very challenging and time-consuming process. Several algorithms and improvements have been proposed. One of the best-known tools that can find motifs in a complex network is Kavosh. In this paper, we present a parallel version of Kavosh, named PKavosh, which uses parallel sub-graph enumeration for motif finding. Experimental results show excellent scalability on this problem, achieving a speedup of 7 on 8 processors