انجمن کامپیوتر ایران

پروتکلSIP به عنوان پروتکل سيگنالينگ در زیر سیستمهای چندرسانه‌ای IP در نظر گرفته شده است، بنابراین پیش بینی می‌شود که تعداد زیادی از کاربران آنرا برای ایجاد جلسه ها مورد استفاده قرار دهند. نرخ بالای تقاضاها منجر به حجم بالای ترافیک در پروکسی‌های SIP خواهد شد و تخصیص با دقت منابع پردازشی به جریانهای دامنه‌ها را به یک مساله با اهمیت بالا تبدیل می‌کند. هدف این مقاله تحلیل مساله بهینه‌سازی تخصیص منابع پردازشی در پروکسی‌های SIP است. تابع‌های هدف بررسی شده حداکثرسازی مجموع گذردهی‌ها و حداکثرسازی حداقل گذردهی بین‌دامنه‌ای می‌باشند. نتیجه اصلی این مقاله حداکثرسازی بهره‌وری از منابع پردازشی پروکسی‌ها است در حالی که SLA جریانها خصوصا در ارتباطات بین دامنه‌ای رعایت می‌شود.

تشخیص چهره یکی از برنامه‌های کاربردی است که امروزه بسیار مورد استفاده قرار می‌گیرد. یکی از موارد تشخیص چهره در برنامه‌های کاربردی همانند گوگل پیکاسا است و یا در سایت‌های اجتماعی همچون فیسبوک استفاده می‌شود. مسئله حفظ حریم خصوصی در سیستم تشخیص چهره یکی از مسائل مهم است که باید مد نظر قرار گرفته شود. در این طرح کاربر از محرمانه ماندن عکس خود اطمینان دارد، از طرفی قادر است صحت الگوریتم اجرا شده روی ورودی‌اش را با سربار کم، بررسی کند. محاسبات دوطرفه امن یکی از روش‌های محاسبات، برای حفظ حریم خصوصی است. برای محاسبات امن روش‌ها و تکنیک‌های مختلفی پیشنهاد شده است که هر یک مزایا و معایبی دارند. در این مقاله سعی شده از دو تکنیک رمزنگاری تمام هم‌ریخت و مدارهای مبهم به‌صورت ترکیبی استفاده شود. با استفاده از سیستم رمزنگاری تمام هم‌ریخت می‌توان مشکل سربار محاسبات برای تولید مجدد مدارهای مبهم را حذف کرد، در این حالت با استفاده مجدد از مدارهای مبهم، اطلاعاتی نشت پیدا نمی‌کند. در مدل پیشنهادی، کاربر با قدرت محاسباتی محدود می‌خواهد محاسبه تابع الگوریتم تشخیص چهره F را که با ورودی که تصویر چهره است، به سرور دیگری برون‌سپاری کند. سرور نتیجه ارزیابی الگوریتم تشخیص چهره را به همراه اثبات محاسبات برای کاربر بازمی‌گرداند. در پروتکل پیشنهادی وارسی محاسبات انجام‌شده با پیچیدگی زمانی انجام می‌شود، به‌طوری‌که m طول بیت خروجی در تابع F و پارامتر امنیتی است. این پروتکل در گام پیش محاسبات که تنها یک‌بار در سمت کاربر انجام می‌شود، دارای پیچیدگی زمانی است، به‌طوری‌که C کوچک‌ترین مدار برای ساخت مدار دودویی تابع تشخیص چهره F است.

شناسایی وقایع ناخواسته‌ی دارویی همواره از اهمیت زیادی در مسائل بهداشت عمومی برخوردار بوده است. چراکه بی‌توجهی به این موضوع می‌تواند صدمات جبران‌ناپذیری را در بر داشته باشد. وقایع ناخواسته‌ی دارویی در دو مرحله شناسایی می‌شوند. مرحله‌ی اول، قبل از ورود دارو به بازار و مرحله‌ی دوم پس از ورود دارو به بازار و با بازخوردی که از مصرف داروها گرفته می‌شود. در هر دو مرحله، روش‌های داده‌کاوی نقش مهمی را در کشف وقایع ناخواسته‌ی دارویی به عهده دارند که هر کدام از روش‌های پیشنهادی مزایا و معایب خاص خود را دارند. یکی از پرکاربردترین روش‌ها جهت شناسایی سیگنال‌های ایمنی در مرحله‌ی دوم، استفاده از روش استخراج قواعد انجمنی می‌باشد. در این مقاله سعی بر این است که با ارائه‌ی روشی جدید بتوان به شناسایی وقایع ناخواسته‌ی دارویی پرداخت و بنا بر مطالعات و مشورت‌هایی که با متخصصان این حوزه انجام شد، روش نزدیکترین همسایه برای پیش‌بینی عوارض پیشنهاد گردید. در این روش پیشنهادی، با تعریف معیار فاصله‌ی همسایگی و همچنین وزن‌دار کردن همسایه‌ها و استفاده از احتمال رویداد عوارض به جای تعداد تکرار عوارض، نتایج بسیار مثبتی به دست آمد. در نهایت این نتیجه حاصل گردید که روش پیشنهادی ارائه شده در این مقاله، در مقایسه با روش استخراج قواعد انجمنی از خطای بسیار کمتری برخوردار است. از آن‌جایی که روش استخراج قواعد انجمنی یکی از پرکاربردترین روش‌ها برای شناسایی سیگنال‌های ایمنی می‌باشد، امید است با نتایج مطالعات این مقاله تغییری مثبت در جهت شناسایی وقایع ناخواسته‌ی دارویی فراهم آید.

طبیعت سه بعدی محیط زیرآبی، الگوریتمهای مسیریابی جغرافیایی که کاملاً واکنشی هستند را به یک انتخاب عمومی برای شبکه-های حسگر صوتی زیرآبی (UW-ASN) تبدیل کرده است. در این مقاله، یک الگوریتم مسیریابی جغرافیایی انرژی آگاه بدون گره راهنما در محیط سه بعدی برای UW-ASNها پیشنهاد میشود. در این الگوریتم، هر گره ابتدا موقعیت ایدهآل رله گام بعدیاش را بر روی مسیر مستقیم به سینک محاسبه میکند و با ارسال حریصانه و با استفاده از مکانیزم دست تکانیRTS/CTS ، همسایه ای با کمترین زاویه نسبت به موقعیت ایدهآل رله گام بعدی که بیشترین انرژی باقی مانده را دارد، بعنوان رله گام بعد انتخاب میکند. به محض قرار گرفتن گره در مینیمم محلی، الگوریتم به یک استراتژی مسیریابی سطحی کاملاً واکنشی تغییر وضعیت داده که تحویل بسته را تضمین میکند. این الگوریتم روش بازیابی رله کردن زاویهای برای تعیین مستقیم گام بعدی از یک پیمایش سطحی را بکار میگیرد. نتایج شبیهسازی نشان میدهد علاوه بر کارآیی انرژی و افزایش اتصالپذیری شبکه، با تأخیری کمتر به نرخ تحویل بالایی از بسته دست خواهیم یافت.

Advent of digital microfluidic embedded biochips has revolutionized accomplishment of laboratory procedures. Digital microfluidic biochips provide general-purpose assay execution along with several advantages compared with traditional benchtop chemistry procedures; advantages of these modern devices encompass automation, miniaturization and lower costs. However these embedded systems are vulnerable to various types of faults which can adversely affect the integrity of assay execution outcome. This paper addresses fault tolerance of field-programmable pin-constrained digital microfluidic biochips from various aspects; evaluating effects of faulty mix modules, faulty Storage / Split / Detection (SSD) modules and faulty regions within routing paths. The simulation results show that in case of faulty mixing modules the operation times were retained however the 5 % advantage in routing times contributes to 1 % improvement of total bioassay execution time; considering overheads incurred by faulty mixing modules, the results show no overhead in operation times and 20 % overhead in routing times which in turn incur 2 % overhead on total bioassay execution time. In case of faulty SSD modules the operation time remains the same however as a result of 19 % advantage in routing times the total bioassay execution time shows 2 % improvement; regarding the overheads incurred by faulty SSD modules it is observed that despite the 4 % over-head in routing times there is no overhead with the total bioassay execution time.

اينترنت اشياء دنيايي است که در آن اشياء فيزيکي با شبکه اطلاعات يکپارچه شده و بصورت موجوديت هاي فعال در فرآيندهاي کسب و کار ظاهر مي شوند. دستگاه های مختلف در اينترنت اشياء بايد به شکل مطلوبي با يکديگر يکپارچه شوند تا داده هاي جمع آوري شده توسط آنها ترکيب شده و سرويس هاي جديدي فراهم شود. هر چه تعداد اين دستگاه ها و تعامل بين آنها افزايش پيدا مي کند، یکپارچه سازيِ مقياس پذير و پوياي دستگاه ها به عنوان يک چالش اساسي در اينترنت اشياء مطرح مي شود. يکي از رويکردهاي مناسب جهت مقابله با اين چالش بکارگيري معماري سرويس‌گرا در اينترنت اشياء است. از منظر اينترنت اشياء هر دستگاه وظيفه مندي خود را در قالب يک يا چند سرويس ارائه مي کند. اين سرويس‌ها بايد با يکديگر ترکيب شوند تا وظيفه مندي کامل تري ارائه شود. در سال هاي اخير، سرويس‌هاي غني به عنوان رويکردي مناسب جهت تسهيل يکپارچه سازي سرويس ها در سيستم هاي مقياس وسيع و پويا مطرح شده اند. در اين مقاله، رويکرد سرويس غنيِ دستگاه ها جهت یکپارچه سازي دستگاه هاي غيرهمگن در اينترنت اشياء پیشنهاد مي شود. در معماري پیشنهادي از ميان افزار سرويس توزيع داده جهت ارتباطات داده-محور، سست اتصال، بلادرنگ و ناشر-متقاضي بين دستگاه هاي مختلف استفاده شده است. در انتهاي مقاله، کارايي رويکرد پیشنهادي مورد ارزيابي قرار گرفته است.

شناسایی عبارات مرجع‌ مشترک یکی از زمینه‌های مهم در حوزه‌ی پردازش زبان‌های طبیعی است که در کاربردهای مهمی همچون سیستم‌های استخراج اطلاعات، خلاصه‌ساز اسناد، ترجمه ماشینی و غیره کاربرد دارد. شناسایی خودکار مرجع ضمایر نیزیکی از زیر مجموعه‌های مهم شناسایی عبارات مرجع‌ مشترک محسوب می‌شود. در روش‌های مبتنی بر یادگیری ماشینی از یک پیکره کوچک و حاشیه خورده با روابط مرجع ضمیر، برای آموزش یک دسته‌بند استفاده می‌شود و در قسمت آزمون با استفاده از مدل آموزش دیده، مرجع ضمایر برای ضمیرهای مجموعه‌ی آزمون تخمین زده می‌شود. در این مقاله به معرفی یک سیستم شناسایی خودکار مرجع ضمایر پرداخته می‌شود و نتایج آن با سیستمی دیگر در زبان فارسی که مبتنی بر یادگیری ماشین است، مقایسه شده است. مجموعه ویژگی ارائه‌ شده در این مقاله نسبت به مجموعه ویژگی‌های سیستم پیشین در زمینه شناسایی مرجع ضمایر در زبان فارسی،موجب افزایش کارایی شده است. در این مقاله از درخت تصمیم استفاده شده است. پیکره مورد استفاده برای استخراج اطلاعات مرجع ضمایر پیکره مهر است که توسط نویسندگان این مقاله در 400 سند گردآوری‌ شده است.

تحقیقات نشان می دهد که در نظر گرفتن سبک یادگیری، باعث افزایش کیفیت یادگیری می‌شود. فرآیند ساخت مدل در سیستم آموزشی هوشمند، مدلسازی یادگیرنده نامیده می شود. مدل یادگیرنده شامل ویژگی‌هایی مانند دانش، علایق، اهداف، پیش زمینه، رفتار احساسی، خصلت‌های فردی، خصوصیات شناختی و سبک ‌یادگیری می باشد. با استفاده از این ویژگی ها رفتار یادگیرنده و چگونگی پردازش اطلاعات کاربر پیش‌بینی و در نتیجه سرویس های آموزشی منطبق بر نیازهای وی ارائه خواهد شد. در گذشته آموزش بر این قرار بود که تدریس به صورت معلم محور بود و معلم تنها ارائه دهنده ی اطلاعات و دانش آموزان پذیرنده ی غیرفعال این سیستم بودند، این نگاه نگاه یک بعدی به بحث آموزش بود. ولی در سال های اخیر به این جنبه توجه شده است که دانش آموزان باید با یادگیری و بحث آموزش درگیر شوند تا بتوانند داشته های خود را انتقال دهند و آموزش یاران باید به دانش آموزان این امکان را بدهند به این آموزش، آموزش مشارکتی گفته می شود. سبک یادگیری به ترجیحات و روش ِفرد برای یادگیری اشاره می کند. در این مقاله از روش مارکوف و درخت تصمیم برای تشخیص سبک یادگیری استفاده شده است و برای بهبود این روش ها از الگوریتم MFMC و PCA استفاده شده است. نتایج حاصل، نشان دهنده دقت خوب روش پیشنهادی در مقایسه با روش های دیگری که از درخت تصمیم بهره گرفته اند، می باشد.

روش‌های ابرتفکیک پذیری مبتنی بر خمینه (منیفولد) از فرض شباهت هندسه محلی در دو خمینه مربوط به تصاویر با تفکیک پذیری کم و زیاد استفاده می‌کنند. ولی این فرض به دلیل مشکل نگاشت یک به چند بین تصاویر با تفکیک پذیری کم و زیاد به خوبی برقرار نیست. در این مقاله از بازیابی ماتریس کم رتبه استفاده شده است و نشان داده شده است که در این فضای جدید، هندسه محلی بهبود می‌یابد و یا یه عبارتی دیگر مشکل نگاشت یک به چند کاهش می‌یابد. در این راستا تکه تصاویر را خوشه‌بندی کرده‌و از ابرتفکیک پذیری مبتنی بر خمینه‌ای استفاده شده است که از نمایش تنک بهره می‌برد و هیچ تلاشی برای کاهش مشکل نگاشت یک به چند انجام نداده است. طبق نتایج پیاده‌سازی، استفاده از بازیابی ماتریس کم رتبه، کارایی ابرتفکیک پذیری را نسبت به زمانی که از آن استفاده نمی‌شود و فقط خوشه‌بندی انجام می‌شود، بهبود می‌دهد. معیارهای ارزیابی استفاده شده، نسبت سیگنال به نویز، RMSE و کیفیت دیداری است.

یکی از مسائل مهم حوزه بهینه‌سازی مصرف انرژی در مراکز‌داده ابری، جایگذاری بهینه ماشین‌های مجازی‌در سرویس‌دهنده می‌باشد. تخصیص بهینه ماشین‌های مجازی سبب افزایش بهره‌وری منابع و کاهش مصرف انرژی می‌گردد. در این مقاله مساله جایگذاری ماشین مجازی به صورت چند هدفه و در راستای کاهش مصرف انرژی با کاهش تعداد سرویس‌دهنده‌های فعال و توزیع بار حل می‌گردد. جهت حل این مساله از الگوریتم سیستم کلونی مورچگان بهره گرفته‌ شده است. تابع هدف پیشنهادی در این مقاله با دو تابع هدف از تحقیقات مشابه مورد مقایسه قرار گرفته است. نتایج آزمایشات بیانگر عملکرد بهتر تابع هدف ارائه شده از لحاظ تعداد سرویس‌دهنده فعال و توزیع بار در سرویس‌دهنده‌ها می‌باشد.

این مقاله به مسئله مسیریابی وسائل نقلیه در دو مدل ایستا و پویا می‌پردازد. هدف این مسئله، یافتن مسیر با کمترین هزینه (زمان یا طول مسیر) برای خدمات‌رسانی به درخواست‌ها (از نوع پویا یا ایستا) است. به منظور کاربردي‌تر کردن مسئله، ویژگی برداشت‌ و تحویل (کالا یا مسافر) به‌صورت غیرهمزمان در نظر گرفته شده‌ است. در این مقاله دو روش برای حل مسئله مطرح، ارائه کردیم. در اولین روش پیشنهادی، تعمیمی از الگوریتم انتخاب‌ جامعه سیستم ایمنی مصنوعی را برای حل مسئله به‌کار گرفتیم. در روش پیشنهادی دوم، ابتدا خوشه‌بندی درخواست‌ها را با روش خوشه‌بندی فازی مرکز-میانگین انجام دادیم. سپس هر خوشه را با استفاده از الگوریتم انتخاب‌ جامعه و موازی با دیگر خوشه‌ها، مسیردهی کردیم. در ارزیابی روش پیشنهادی، آزمایش‌ها با نمونه‌های‌استاندارد و به‌کار گرفته‌ شده در تحقیق‌های اخیر، انجام شده‌ است. پس از مقایسه و تحلیل نتایج با نتایج استاندارد و روش‌های پیشین، مشاهده‌ ‌شد که روش پیشنهادی به‌طور میانگین در ۶۲% مواقع نتایجی بهتر از روش‌های اخیر، در دیگر موارد نتایج مشابه و در مقایسه با بهترین نتایج نمونه یافت‌شده ‌استاندارد، در ۴۷% موارد نتایج مشابه را کسب می‌کند.

در این مقاله، طرح زمان بندی خواب / بیدار بهینه در شبکه‌های حسگر بی‌سیم با در نظر گرفتن تأخیر حداقلی، صرفه جویی انرژی و انرژی مصرفی متوازن پیشنهاد شده است. در این طرح بازه های بیداری گره ها براساس الگوی مسیر هماهنگ و در نظر گرفتن بار ترافیکی شان متفاوت است. این امر باعث به حداقل رسیدن تأخیر که از مهم ترین فاکتورها در این شبکه ها است می شود. در این مقاله شیوه جدیدی ازهمکاری گره ها در فرآیند ارسال داده برای ایجاد مصرف متوازن تر انرژی ارائه می شود. در این طرح شبکه به چند سطح تقسیم می شود، چرخه بیداری گره های هم سطح به ‌صورت چرخشی و رادارگونه است، به عبارت ‌دیگر بازه بیداری هرگره علاوه بر گره والدش، با گره همسایه نیز هم پوشانی دارد. ما از این قابلیت استفاده نموده ایم و کار دریافت تائید و ارسال مجدد داده در صورت از دست رفتن داده را بر عهده گره همسایه فرستنده قرار داده ایم. با این کار ضمن افزایش توازن انرژی مصرفی و طول عمر پوشش شبکه، متوجه می شویم که زمان انتظار برای دریافت پیام تائید و ارسال مجدد کاهش می یابد که این خود افزایش صرفه جویی انرژی را به همراه دارد.

در این مقاله الگوریتمی جدید برای تولید چندضلعی‌های ساده تصادفی از روی مجموعه نقاط پراکنده‌ شده در فضای دو بعدی با مختصات اقلیدسی ارائه شده است. این الگوریتم با تقسیم کردن مجموعه نقاط به نواحی مختلف و تولید چندضلعی مربوط به هر ناحیه و اتصال آنها به هم یک چندضلعی ساده تصادفی را تولید می‌کند. این الگوریتم قادر به تولید چندضلعی ساده تصادفی در مرتبه زمانی O(nlogn) است که نسبت به الگوریتم‌های مشابه خود، توانایی تولید چندضلعی‌های متفاوت بیشتری را داراست.

در این مقاله، یک الگوریتم نشان‌گذاری تصویر دیجیتال در فضای رنگی YCbCr و حوزه‌ی تبدیل DCT ارائه گردیده که از روش مبادله‌ی ضرایب برای جاگذاری بیت‌های نشانه در مؤلفه‌ی Y تصویر اولیه استفاده می‌کند. در روش پیشنهادی، به‌منظور پراکنده نمودن اعوجاج‌های حاصل از نشان‌گذاری و همچنین افزایش مقاومت در برابر حملاتی ‌مانند حمله‌ی برش، مؤلفه‌ی Y تصویر اولیه و همچنین تصویر نشانه، توسط تبدیل آرنولد درهم‌ریخته می‌شود. سپس جهت جاگذاری بیت‌های نشانه، دو ضریب DCT از باند میانی که به‌طور متوسط مقادیر آن‌ها کمترین فاصله را در تمام بلوک‌ها نسبت به هم داشته باشد، انتخاب گردیده تا تأثیر سوء تبادل ضرایب بر روی شفافیت نشان‌گذاری کاهش یابد. پس‌ از آن به جهت ایجاد تعادل میان شفافیت و مقاومت نشان‌گذاری، متغیر فاصله‌ی اطمینان D را تعریف نموده و در صورتی‌که تفاضل مقدار دو ضریب کمتر از متغیر D باشد، مقدار ضریب بزرگ‌تر را تا رسیدن به مقدار متغیر D افزایش می‌دهد. نتایج ارزیابی، افزایش مقاومت روش پیشنهادی نسبت به سایر الگوریتم‌هایی که از رویکرد تبادل ضرایب استفاده می‌کنند را نشان می‌دهد.

کشف الگوهای پرتکرار از مجموعه داده‌های تراکنشی یکی از مهمترین وظایف داده‌کاوی است که تا کنون تحقیقات بسیار زیادی بر روی آن انجام گرفته است. بخشی از این تحقیقات بر روی الگوهای پرتکرار متناوب متمرکز گردیدهاند؛ الگوهای متناوب، الگوهایی هستند که به طور منظم تکرار میشوند؛ به عبارت دیگر الگوهایی، که فاصله بین هر دو رخداد متوالی آنها، از حداکثر از پیش تعریف شده کمتر باشد. اگرچه الگوهای متناوب میتوانند اطلاعات مفیدی برای کاربران به همراه داشته باشند؛ اما به نظر میرسد که حالتهای خاص، مثل افزایش یا کاهش تعداد رخداد یک الگوی پرتکرار، نیز میتواند مفید باشد. این در حالی است که این اطلاعات، با جدا کردن الگوهای متناوب از دست خواهد رفت. در این مقاله الگوریتمی مبتنی بر الگوریتم Eclat پیشنهاد نموده‌ایم که میتواند، با بررسی تغییرات فاصله رخدادها، حالتهای خاص در الگوها را کشف کند. آزمایشهای انجام شده نشان میدهد الگوریتم ارائه شده کارا بوده و میتواند الگوهای پرتکرار افزایشی و یا کاهشی را پیدا نماید.

کیفیت داده‌ها یکی از مباحث بسیار مهم در حوزه مهندسی نرم افزار می‌باشد. در سال های اخیر راهکارهای مختلفی جهت پاکسازی و ارتقاء کیفیت داده ها ارائه شده است. بسیاری از این راهکارها از روش‌های کاملا اتوماتیک و مبتنی بر الگوریتم به منظور شناسایی و تصحیح مشکلات کیفیت‌ داده‌ای استفاده می‌کنند. این راهکارها در حوزه پاکسازی داده‌های ساخت یافته، عملکرد مناسبی دارند ولی بخش قابل توجهی از داده‌های دنیای امروز را داده‌های غیرساخت‌یافته و نیمه ساخت یافته تشکیل می‌دهند که روش‌های یادشده، عمدتا به دلیل مشکلات پیچیدگی الگوریتم و عدم امکان پیاده‌سازی بسیاری از قواعد کیفیت داده‌ای، عملا کارایی خود را در این حوزه‌ها از دست می‌دهند. در این مقاله جهت شناسایی و تصحیح مشکلات کیفیت داده‌ای، یک رویکرد مبتنی بر جمع سپاری ارائه شده است که با استفاده از قابلیت های هوش انسانی قادر است در حوزه های داده‌ای نیمه ساخت یافته و غیرساخت یافته هم عملکرد مطلوبی داشته باشد و با توجه به نیازمندی‌های کاربر و بهره‌گیری از مفاهیم حوزه مهندسی کیفیت، امکان ارتقاء سطح کیفی داده‌ها را با در نظر گرفتن محدودیت‌های مهندسی موجود فراهم کند.

در این مقاله روشی برای بازنمایی معنایی جملات به منظور انجام استنتاج‌های منطقی بر روی متن ارائه شده است. در این شیوه از ویژگی‌های معنایی پردازش زبان مانند برچسب زنی نقش معنایی برای ذخیره‌ی حقایق در قالب پایگاه شناخت استفاده شده است. ماهیت ابهام‌آلود زبان طبیعی، بازنمایی منطقی آن را به یک مسئله باز برای پژوهش‌های حاضر تبدیل کرده است. علاوه بر این وجود عدم اطمینان و وجود حقایقی که تنها در بازه‌های زمانی خاص معتبر هستند، از چالش‌های دیگر در امر استنتاج روی زبان طبیعی هستند. برای حل این چالش‌ها سیستم پیشنهادی از یک پایگاه شناخت مبتنی بر دیدگاه دیویدسونی برای بازنمایی اخبار استفاده می‌کند. در طرح پیاده‌سازی شده اخبار ورودی با برچسب‌های معنایی در قالب یک پایگاه شناخت (OWL) ذخیره می‌شوند و در کنار منایع دانش مانند پایگاه شناخت‌های عمومی و واژگان زبان به موتور استنتاج داده می‌شوند. این سیستم خبره توانایی استنتاج بر روی متن خبر ورودی را با قواعد برخط تعریف شده توسط کاربر دارا می‌باشد. این سیستم قابلیت افزودن قواعد مورد نیاز کاربر و پایگاه‌های شناخت دلخواه را داراست.

مدل‌سازی تکامل سیستم‌های نرم‌افزاری شیگرا نقش اساسی در نگهداری، طراحی کارا و تحلیل مدل‌های توسعه سیستم‌های نرم‌افزاری ایفا میکند. کاوش مخازن کد سیستم‌های نرم‌افزاری متن باز امکان مطالعه و تحلیل روند تکامل نرم‌افزار را فراهم کرده است. نمایش ساختار سیستم‌های نرم‌افزاری بصورت شبکه امکان مطالعه‌ی تاثیرات ناشی از تغییرات خواص شبکه در تحلیل تکامل نرم‌افزار را فراهم میکند. در این مقاله، هدف مدل‌سازی تکامل سیستم‌های نرم‌افزاری شیگرا بر پایه تحلیل شبکه‌ی ارتباطات کلاسی نرم‌افزارها و تغییرات در معیارهای توسعه (ایجاد، حذف، انتقال، شکستن و ادغام کلاس‌ها)، با حفظ خواص تکاملی شبکه از جمله اتصال ترجیحی و خاصیت انجمنی است. قدرت شبیه‌سازی مدل پیشنهادی بر روی مدل واقعی پروژه متن باز اکلیپس به نام ای گیت (با 10 ورژن و میانگین تقریبی 720 کلاس) ارزیابی می‌شود. نتایج حاصله دقت بالایی در شبیه‌سازی رشد ساختار واقعی نرم افزار داشت. نتایج نشان میدهد با افزایش سن کلاس‌ها احتمال حذف و یا ادغام با کلاس‌های دیگر کمتر میشوند. همچنین میزان وابستگی به کلاس‌های پایه در روند تکامل نرم‌افزار بیشتر میشود. شبکه‌های ارتباطات کلاسی دارای خاصیت جهان کوچک بوده و نسبت به اشکال‌ها در یک کلاس بصورت تصادفی استحکام دارند. به علاوه، نتایج این مدل‌سازی به پیش‌بینی روند آینده توسعه نرم‌افزار، استخراج قواعد جدید و یا اصلاح قواعد موجود در حوزه تکامل نرم‌افزار به توسعه دهندگان کمک می‌کند.

با توجه به گسترش روز افزون ارتباطات چند رسانه‌ای بر بستر اینترنت، امنیت داده‌ها دارای اهمیت زیادی میباشد. فایلهای تصویر در کاربرد‌های نظامی، پزشکی، شبکه‌های اجتماعی و ... به‌کرات مورد استفاده قرارگرفته و برای حفظ این داده‌ها از رمزنگاری استفاده میگردد. رمزنگاری فایلهای تصویر با توجه به دو ویژگی تصویر، حجم بالا و وابستگی شدید پیکسلهای مجاور با چالش‌های خاص خود دست ‌به ‌گریبان میباشد. روش رمزنگاری ضمن سریع بودن باید الگوی نهفته در تصویر را مخفی کرده و اطلاعات آماری تصویر اصلی را کاملاً تغییر دهد. این تغییر باید به‌گونه‌ای باشد که فایل رمز شده در مقابل انواع حملات رایج مقاوم باشد. روش رمزنگاری AES یک روش کاملاً استاندارد و ایمن بوده و دارای مدهای عملیاتی متفاوتی میباشد. عمده مشکل این روش سرعت‌پایین و یکسان بودن خروجی بلاک‌ها مشابه میباشد. GPU با توجه قابلیت پردازش موازی برای کار با داده‌هایی نظیر پیکسلها بسیار کارآمد میباشد. در این تحقیق با استفاده از GPU و نظریه آشوب دو کاستی بالا را جبران کرده و به نتایج بهتری رسیده‌ایم.

امروزه با سیستم‌های اطلاعاتی وسیعی مواجه هستیم که از سرویس‌های ارایه‌شده توسط سازمان‌های مختلف تشکیل شده‌اند و هر سازمان از طریق ارایه سرویس‌هایی، به شکل غیرمستقیم به کاربران و سایر سیستم‌ها اجازه دسترسی به منابع خود و استفاده از آن‌ها را می‌دهد. بدین‌ترتیب می‌توان گفت، امروزه مبحث تعامل‌پذیری سرویس‌ها از اهمیت بالایی برخوردار است. از طرفی، تفاوت در اندازه دانه‌بندی سرویس‌های ارایه‌شده توسط سازمان‌های مختلف می‌تواند مانعی در برابر ایجاد تعامل میان این سرویس‌ها و سیستم‌های اطلاعاتی مختلف به‌شمار آید. در این مقاله قصد ارایه راهکاری درجهت یکسان‌سازی دانه‌بندی سرویس‌های سازمان‌ها و بهبود تعامل‌پذیری میان آن‌ها داریم که این راهکار مبتنی بر معماری ریزسرویس‌ها است. بدین‌ترتیب، در این مقاله نقش معماری ریزسرویس‌ها در تعامل‌پذیری میان سرویس‌ها و از بین بردن موانع آن، بررسی خواهد شد.