انجمن کامپیوتر ایران

In several previous studies it has been shown that the generalization capabilities of humans through concept learning is reminiscent of Bayesian modeling. When discriminating concepts from one another, human subjects tend to focus on the relevant features of the subspace and ignore the irrelevant ones. In this paper we propose a Bayesian concept learning paradigm that utilizes unrestricted Bayesian networks to learn the required concepts for optimal decision making. This approach has several beneficial characteristics that a concept learning algorithm should hold. At first it can both learn form observing an expert performing the desired task and from its own experience while carrying it out. Secondly, it is a close and computationally feasible approximation to the Bayesian modeling capabilities of humans. Thirdly, the Markov blanket surrounding the decision variable can render the irrelevant features independent and therefore this approach can ignore them seamlessly from the feature subspace. The simulation and experimental results are promising and show that our approach can successfully extract the required temporally extended concepts for a mobile robot task.

In this paper, noise reduction performance of the Generalized Side-lobe Canceller (GSC) algorithm and its performance degradation under reverberant environments are briefly reviewed. An acoustic echo canceller (AEC) is employed as a pre-processor for GSC noise reduction algorithm in order to improve the noise reduction performance of the GSC especially in highly reverberant environments where GSC alone fails to work properly. The proposed AEC-GSC algorithm consists of an AEC pre-processor, which includes Segment Variable Stepsize Proportionate Normalized Least Mean Square (SVS-PNLMS) algorithm recently proposed, and the GSC noise reduction algorithm. The performance of both AEC-GSC and GSC alone is evaluated through computer simulations, using real speech recordings in reverberant room environment. Through different computer simulations it is demonstrated that the proposed AEC-GSC structure performs better than GSC alone in terms of speech distortion parameters and ERLE. It also presents a better tracking behavior between the pause intervals during a speech signal due to using the SVS-PNLMS algorithm in its AEC section.

As the designs get more complex, more sophisticated verification methodologies are required. At higher levels of abstraction, design and verification methodologies are required to minimize the cost of electronic product design. In this paper we integrate an assertion-based verification methodology with our objectoriented system-level synthesis methodology. Functional and performance assertions, based on Property Specification Language (PSL) and Logic of Constrains (LOC) are written during design process. Trace checkers are automatically generated to validate particular simulation runs or to analyze their performance characteristic(s). Following the case study, we demonstrate that the assertion-based verification is highly useful for both functional and performance system-level verification.

Threshold setting methods are one of the most important tasks in any speaker verification system. Equal Error Rate (EER) and Minimum Error Rate (MER) criteria are usually used for performance evaluation in speaker verification systems. It is important to know that EER and MER are two a posteriori methods for decision threshold estimation and can not be used in real world applications. In real world applications decision thresholds should be determined a priori, i.e. a validation phase is needed to conduct some inter-speaker and intra-speaker verification tests and to use obtained distances or likelihoods for estimation of a priori decision thresholds. In this paper, we present a least square error based method for calculation of parameters which we need to estimate decision thresholds. For this we use means and variances of inter-speaker and intra-speaker distances and estimate necessary parameters for calculating decision thresholds. The proposed method leads to an optimum a priori estimation of decision threshold values.

Letter To Sound (LTS) is one of the necessary modules in a modern Text To Speech (TTS) system. In this paper Classification and Regression Trees (CART) are used for Farsi Letter to Sound conversion. LTS CART tree is trained using parameters extracted from training text. This tree is then used for determining phone sequence of those words whose phonetic transcription do not exist in TTS lexicon. For evaluation of the LTS technique, different Farsi databases including words and their phonetic transcriptions are used. A LTS performance of 70% was obtained. A good selection of training database and an appropriate coverage of Farsi phonetic features are important aspects for obtaining a good system for Farsi LTS.

الگوریتم ممتیک نمونه اي از الگوریتمهاي تکاملی است که براي حل یک مسأله بهینه سازي، با افزودن جستجوي محلی به یک الگوریتم ژنتیک، منجر به دستیابی به پاسخهاي بهتر در زمان کمتر میشود. برنامهریزي دروس دانشگاهی نیز از جمله مسایل بهینه سازي با فضاي جستجوي بسیار بزرگ است که به دلیل تأثیر عوامل متعدد، تحقیقات گسترده اي را به سوي خود معطوف داشته است. در این مقاله، با ارایه یک الگوریتم ممتیک ابتکاري، نشان داده شده است که میتوان براي دستیابی به پاسخ بهینه مسأله برنامهریزي دروس به CMAC دانشگاهی در زمان کوتاه تر، از مدل محاسباتی مخچه منظور به دست آوردن احتمال اجراي عملگر جهش، استفاده نمود. نتایج حاصل از مقایسه الگوریتم ممتیک ابتکاري با الگوریتم سنتی تأیید کننده این مطلب است.

در این مقاله ، رویکردی مبتنی بر اتوماتاهای یادگیر برای یافتن استراتژی غالب در بازی های blotto ارائه می گردد. اهممیت این دسته از بازی ها در تئوری بازی از دو جهت است. اولا این بازیها در دنیای واقعی برای مدل سازی فرآیندهایی به کار می روند که در آن ها برای غلبه بر حریف ، نیاز به توضیع بهینه منابع محدود بین چندین کار وجود دارد. ثانیا رویکردی که در این بازی ها برای یافتن استراتژی غالب مورد استفاده قرار می گیرد را می توان برای مدل کردن هر فرآیند چند عامله رقابتی دیگر که دارای استراتژی غالب برای هر یک از عامل ها می باشد به کار برد.با دانستن استراتزی غالب می توان تضمین کرد که عامل، همواره سودی بیشتر یا مساوی با سایر عوامل به دست خواهد آورد.در روش پیشنهادی در این مقاله ، هر یک از بازیگران دارای یک اتوماتای یادگیر می باشد که از آن، برای یادگیری و تصمیم گیری در مورد انتخاب اعمال کمک می گردد. آزمایشات انجام شده نشان می دهند که با استفاده از این روش، استراتژی بازیکنان مجهز به اتوماتای یادگیر به تدریج به استراتژی غالب همگرا شده و این بازیکنان قادر به یافتن بهترین حالت تقسیم منابع و برد در بازی خواهند بود.

در این مقاله به بررسی و مقایسه روش های ارزیابی وب سرورها با استفاده از ابزارهایی که بدین منظور تهیه شده است، پرداخته شده و سعی شده تا نحوه کار این ابزار ها و روش هایی که آنها به کار می برند مورد بررسی قرار داده شود. از آنجا که هیچ یک از ابزار های ارزیابی وب سرور ها از تمامی روشهای موجود پشتیبانی نمی نمایند، ما اقدام به ایجاد ابزاری به نام WebserverBenchmark نموده ایم که از کلیه روشهای ارزیابی وب سرور ها پشتیبانی می نمایدو در این مقاله ضمن معرفی این ارزیاب و تشریح قسمت های مختلف آن، نتایج حاصله از چهار روش اصلی ارزیابی وب سرورها توسط این ارزیاب، مقایسه و تحلیل می گردد

استفاده از روشهاي ابهام زدايي معنايي واژگان براي ترجمه پرس و جوها و استفاده آنها در سيستمهاي بازيابي اطلاعات بين زباني ميتواند به بالا بردن ميزان دقت اين سيستمها كمك كند. در اين بررسي يكي از روشهاي آماري در زمينه ابهام زدايي معنايي واژگان، كه بر اساس فرهنگلغت و پيكره متني بدون برچسب است، براي اين منظور بكار گرفته شده است. زبان مبدا انگليسي مي- باشد كه پرس و جوها با استفاده از روش فوق به زبان فارسي ترجمه شده و در نهايت براي بازيابي اطلاعات به موتور جستجوگر داده ميشوند. براي ارزيابي اين راهكار نتايج بدست آمده براي ترجمه پرس و جوها و همچنين ترجمه انساني آنها مورد بازيابي قرار گرفتهاند كه نشان دهنده كارايي و دقت خوب روش مذكور ميباشد.

جدول SWOT يکي از مهمترين ابزارهاي مورد استفاده در برنامه ريزي استراتژيک است که از آن براي تحليل قوتها و ضعفهاي داخل سازمان و همچنين تحليل فرصتها و تهديدهاي خارج از سازمان، استفاده ميشود. اما عمدهي استفاده از اين جدول در استخراج و تدوين راهبردهاي سازمان ميباشد. در حالي که استفاده از اين جدول بسيار رايج است اما مشکلات عديدهاي در استفاده از آن به وجود مي- آيد. از جمله اينکه بايد مسائل و رخدادهاي محيطي را تنها به دو مجموعهي فرصت و تهديد دستهبندي نمود، وليکن بعضي از مسائل درعين حال که فرصت هستند، ميتوانند تهديد نيز به شمار آيند. همپنين در بعضي مواقع تعداد خانههاي جدول زياد ميشوند و در نتيجه کار تدوين راهبرد بسيار مشکل و زمانبر خواهد شد. در اين گزارش چهار مجموعهي فازي به نامهاي مجموعهي قوتها، ضعفها، فرصتها و تهديدها ارائه شده و توسط مکانيزم گفته شده در متن، ميزان تعلق عوامل به آنها تعيين ميشود. همچنين به منظور ساده کردن جدول SWOT و تسهيل نمودن فرآيند تدوين راهبرد از برش لامبدا استفاده شد است.

ساختارهاي مبتنی بر معماري سرویس گرا با توجه به پویایی ذاتی این نوع معماري، نیازمند توجه خاص به بحث کیفیت، ویژگی هاي کیفی (یا نیازهاي غیر کارکردي ) و تغییرات آنها در لحظه اجرا هست ند. از آنجایی که معماري سرویس گرا تلفیقی از سرویس هاي مختلف توزیع شده است، کی فیت این معماري نیز باید به صورت برآیندي از کیفیات این سرویس ها محاسبه و اندازه گیري گردد . این مقاله به طرح مسئله کیفیت در معماري سرویس گرا و ارائه روش مدل سازي و اندازه گیري کیفیت در این نوع معماري و مسائل مرتبط با آن می پردازد.

تشخیص ارقام دست نویس فارسی در تصاویر با روشهاي مختلفی صورت گرفته است که عمدتاً داراي درصدي خطا در پیاده سازي می باشند. مراحل بکار رفته در این پروژه عبارتند از: عمل پیش پردازش شامل نازك سازي و دوران تصویر و تبدیل آن به اندازهاي معین میباشد، براي استخراج ویژگیها از تصاویر مجموعه آموزش از روش جعبه با پارامترهاي فاصله، زاویه و جهت تشخیص ارقام از یک سیستم فازي استفاده شده است. درصدي خطا جز لاینفک سیستم هاي فازي می باشد که بوسیله ترکیب الگوریتم هاي تکاملی ژنتیک و تبرید تدریجی کارایی سیستم مورد نظر به طور قابل توجهی افزایش یافته است. براي مقایسه کارایی نهایی سیستم، کاهشخطاي سیستم فازي و مقادیر برازندگی بدست آمده طی نسلهاي ترکیب این دو الگوریتم تکاملی مورد بررسی قرار گرفته است.

تشخيص مرز شات، نقش مهمي در آناليز و پردازش ويديو بازي مي كند. در اين مقاله، روش جديدي براي تشخيص مرز شات پيشنهاد شده كه با ساختن يك توزيع آماري روي مجموعه ي آموزشي شروع » و استفاده از تئوري بيز، عمل دسته بندي فريم ها به كلاس هاي را انجام مي دهد . براي دسته بندي ، ويژگي ،« فريم مياني » و « شات جديدي با عنوان مشتق دوم فيلتر شده بر اساس خصوصيات سطح پايين ويديو تعريف شده است. نتايج به دست آمده نشان مي دهد كه اين ويژگي در بالا بردن دقت تاثير بسزايي داشته است . روش پيشنهادي روي چهل ويديو شامل ويديوهاي ورزشي، تجاري، خبري و مستند كه داراي انواع مرز شات اعم از تغييرات ناگهاني و تدريجي بوده، تست شده است. بر اساس نتايج به دست آمده، اين روش نه تنه ا در تشخيص مرز شات با تغيير ناگهاني بسيار دقيق عمل مي كند بلكه در برخورد ب ا شات هايي با تغييرات تدريجي، داراي دقت مطلوبي است.

اكثر محققين الگوريتم بهينه سازي كلوني مورچه ها بصورت نرم افزاري اين الگوريتم را پياده سازي مي كنند و تحقيقات كمي در زمينه پياده سازي الگوريتم كلوني مورچه ها به صورت سخت افزار انجا م گرفته است . دراين مقاله الگوريتم بهينه سازي كلوني مورچه ها را با تغييراتي به صور تي ارائه مي شود كه بتواند به صورت تراشه اي در تكنولوژي استاندارد CMOS پياده سازي شود . در اين كار ماتريس فرمون بر روي سطح تراشه منتقل مي شود و مورچه ها از بالا به پائين در طول ماتريس فرمون حركت مي كنند . در نهايت بعد از چندين بار حركت مورچه ها درطول ماتريس فرمون به سمت مسيربهينه همگرا مي شوند . نتايج حاصل از شبيه سازي نشان دهنده صحت عملكرد الگوريتم پيشنهادي مي باشد.

نياز به جداسازي خودكار گفتار از موسيقي در كاربردهايي نظير سيستمهاي بازيابي مستندات صوتي از اهميت زيادي برخوردار است. در گذشته روشهاي متعددي براي جداسازي مورد استفاده قرار گرفته است. در اين مقاله از 11 ويژگي سيگنال صوتي به عنوان ويژگي هاي متمايز كننده و از الگوريتمهاي تكاملي برنامهنويسي ژنتيك و سيستم تشخيص ايمني مصنوعي كه از عملكرد سيستمهاي زيستي موجود در طبيعت الهام گرفته شدهاند، براي توليد مدل جداكننده استفاده شده است. نتايج حاصل نشاندهندي كارايي بالاي دو الگوريتم برنامهنويسي ژنتيك و سيستم تشخيص ايمني مصنوعي براي دسته بندي گفتار از موسيقي است. داده هاي موسيقي و گفتار در شرايط تميز و نيز شرايط نويزي مورد استفاده قرار گرفته و كارائي روشهاي پيشنهادي براي تشخيص گفتار از موسيقي در شرايط نويزي بررسي شده است. همچنين اين مقاله تاثير كاهش حجم داده هاي آموزشي با استفاده از روش چند يسازي برداري و نيز قابليت برنامه نويسي ژنتيك در انتخاب ويژگيهاي مناسبتر را مورد ارزيابي قرار داده است.

در اين مقاله يك الگوريتم مبتني بر گراف براي تركيب سرويس ها ارائه شده است. اگر چه كارهاي متفاوتي در رابطه با تركيب سرويس ها موجود مي باشد اما در اين كارها تاكيد بر جنبه هاي مختلفي از تركيب سرويس ها مانند چگونگي بيان سرويس ها، چگونگي تطبيق ميان سرويس ها، ارائه معماري براي تركيب سرويس ها و... مي باشد. در اين مقاله تاكيد ما بر خود الگوريتم تركيب، درستي آن و توليد همه جواب ها مي باشد. الگوريتم ارائه شده براساس درخواست كاربر به ساخت گراف ارتباطي ميان سرويس ها مي پردازد و با جستجو در گراف سرويس هاي تركيبي مورد انتظار كاربر را پيدا مي كند. گراف ميان سرويس ها مي تواند داراي گره ها و يال هاي فراوان و حلقه هاي متعدد باشد و نگهداري و بروز رساني آن، بدليل تغييرات در سرويس ها، مشكل است. الگوريتم ما گراف ميان سرويس ها را به صورت يك گراف مستقيم بدون حلقه و متناسب با هر درخواست كاربر به گونه اي ايجاد مي كند كه تمامي سرويسهاي تركيبي كه ميتوانند پاسخ كاربر باشند را دارا باشد. پس از ايجاد اين گراف مستقيم بدون حلقه ما با يك الگوريتم مسيريابي بازگشتي و با استفاده از يك پشته سرويس هاي تركيبي را از آن استخراج مي كنيم.

The power of grid technology in aggregating autonomous resources owned by several organizations into a single virtual system has made it popular in compute-intensive and data-intensive applications. Complex and dynamic nature of grid makes failure of users’ jobs fairly probable. Furthermore, traditional methods for job failure recovery have proven costly and thus a need to shift toward proactive and predictive management strategies is necessary in such systems. In this paper, an innovative effort is made to predict the futurity of jobs submitted to a production grid environment (AuverGrid). By analyzing grid workload traces and extracting patterns describing common failure characteristics, the success or failure status of jobs during 6 months of AuverGrid activity was predicted with around 96% accuracy. The quality of services on grid can be improved by integrating the result of this work into management services like scheduling and monitoring.

The discovery of suitable web services for a given task is one of the major operations in SOA architecture, and researches are being done to automate this step. For the large amount of available Web services that can be expected in real-world settings, the computational costs of automated discovery based on semantic matchmaking become important. To make a discovery engine a reliable software component, we must aim at minimizing both the mean and the variance of the duration of the discovery task. For this, we present an extension for discovery engines in SWS environments that exploit structural knowledge and previous discovery results for reducing the search space of consequent discovery operations. Our prototype implementation shows significant improvements when applied to the Stanford SWS Challenge scenario and dataset.

A hybrid feature and decision level information fusion architecture is proposed for human emotion recognition from facial expression and speech prosody. An active buffer stores the most recent information extracted from face and speech. This buffer allows fusion of asynchronous information through keeping track of individual modality updates. The contents of the buffer will be fused at feature level; if their respective update times are close to each other. Based on the classifiers’ reliability, a decision level fusion block combines results of the unimodal speech and face based systems and the feature level fusion based classifier. Experimental results on a database of 12 people show that the proposed fusion architecture performs better than unimodal classification, pure feature level fusion and decision level fusion.

In this paper we propose a new integration method for multi-feature object tracking in a particle filter framework. We divide particles into separate clusters. All particles within a cluster measure a specific feature. The number of particles within a cluster is in proportion to the reliability of associated feature. We do a compensation stage which neutralizes the effect of particles weights mean within a cluster. Compensation stage balances the concentration of particles around local maximal. So, particles are distributed more effectively in the scene. Proposed method provides both effective hypothesis generation and effective evaluation of hypothesis. Experimental results over a set of real-world sequences demonstrate better performance of our method compared to the common methods of feature integration.