انجمن کامپیوتر ایران

گفتار یک سیگنال مناسب برای تشخیص هویت است که علاوه بر کاربرپسند بودن، دارای پیچیدگی محاسباتی کم و هزینه پیاده‌سازی پایین است. همچنین به دلیل برخورداری از ویژگی‌هایی نظیر طبیعی بودن و امکان دسترسی به آن از راه دور، همواره مورد توجه محققان حوزه تشخیص هویت بوده است. تصدیق هویت گوینده بر مبنای تحلیل عامل و در فضای i-vector بهبود چشمگیری در عملکرد این سیستم‌ها در سال‌های اخیر ایجاد کرده است. در این مقاله روشی برای وزن‌دهی به بردارهای مدل و تست، با استفاده از ویژگی‌های آماری بردارهای آموزشی گویندگان هدف، ارائه شده است. تأثیر بهره‌گیری از بردارهای موزون بر دقت امتیازدهی و در نتیجه کل سیستم تصدیق هویت با استفاده از چهار بردار ویژگی MFCC، IMFCC، LFCC و PNCC و دو روش امتیازدهی فاصله كسینوسی و فاصله اقلیدسی وزن‌دار (ماهالانوبیس) مورد ارزیابی قرار گرفته است. در پیاده‌سازی آزمون‌ها از دادگان‌های TIMIT و NIST SRE 2008 استفاده شده است. نتایج آزمون‌ها مبین آن است که استفاده از بردارهای موزون پیشنهادی در این مقاله دقت سیستم تصدیق هویت گوینده را افزایش می‌دهد.

رشد سریع شبکه‌های رایانه‌ای سبب افزایش اهمیّت ابزارهای تحلیل و بررسی ترافیک این شبکه‌ها شده‌است. پژوهش‌های زیادی با هدف ارائه روشی توانمند برای انجام سریع و دقیق این قسم تحلیل‌ها صورت گرفته‌است که هرکدام از جنبه‌ای به این مسئله پرداخته‌اند. نقطه اشتراک تمامی این روش‌ها اتّکا آن‌ها به ویژگی‌های استخراج‌شده از ترافیک شبکه توسط یک متخصص است. این وابستگی شدید سبب شده است که این روش‌ها در مقابل ترافیک‌های جدید و یا تغییرات در ترافیک‌های کنونی، انعطاف‌پذیر نباشند و عملکرد قابل‌قبولی از خود نشان ندهند. در این پژوهش روشی مبتنی بر پیشرفت‌های اخیر در زمینه‌ شبکه‌های عصبی مصنوعی و یادگیری ژرف برپایه شبکه‌های عصبی پیچشی به منظور تحلیل ترافیک شبکه‌های رایانه‌ای و دسته‌بندی آن‌ها پیشنهاد شده‌است. این روش قادر است دسته‌بندی ترافیک شبکه را در دو سطح «شناسایی کاربرد» و «رسته‌بندی ترافیک» بدون دخالت عامل انسانی در استخراج ویژگی با دقت بالاتری نسبت به سایر روش‌های موجود انجام دهد.

شبکه‌های اجتماعی آنلاین رشد عظیمی در دهه گذشته داشته اند. یکی از موضوعاتی که توجه بسیاری از مححقان را به خود جلب کرده است، موضوع کشف جوامع در داخل این شبکه‌های بزرگ می‌باشد. در این مقاله، روشی بر اساس الگوریتم بهینه سازی گرگ خاکستری برای تشخیص جوامع در شبکه‌های اجتماعی پیشنهاد شده است. به منظور ارزیابی کارایی روش پیشنهادی از معیار ماژولاریتی بهره گرفته شده است. همچنین سعی شده است تا از مقیاس‌های مختلف شبکه‌های اجتماعی از کوچک تا بزرگ برای ارزیابی روش پیشنهادی با تحقیقات گذشته استفاده شود. نتایج نشان می‌دهند که روش پیشنهادی توانسته است نتایج بهتری را نسبت به روش‌های فراابتکاری همرده از جمله الگوریتم ژنتیک و بهینه سازی ازدحام ذرات بدست آورد.

این مقاله دارای دو هدف است. ابتدا، دو روش استقرار متدولوژی توسعه نرم‌افزار، توسعه داخلی متدولوژی و یا خرید متدولوژی به عنوان یک سرویس توسط تیم‌های توسعه‌دهنده، را مرور می‌نماید. سپس، با تاکید بر خرید متدولوژی، یک چرخه زندگی کامل برای انتقال و استقرار آن پیشنهاد می‌نماید. در روش توسعه داخلی، خود افراد تیم نرم‌افزار یک متدولوژی را انتخاب و فعالیت‌های مشخص شده توسط متدولوژی را برای هدایت پروژه نرم‌افزار اجرا می‌نمایند. عدم کنترل دقیق بر روند اجرا و نیز غفلت از ارتقا و بهبودی در طی روند اجرا، از تهدیدهای این روش است. در روش خرید متدولوژی، یک تیم خارج از سازمان تیم توسعه نرم¬افزار مسئول استقرار متدولوژی توسعه برای پروژه‌های نرم‌افزاری است. وجود نگرش ارائه متدولوژی به عنوان سرویس به مشتری و در نتیجه بهبود مستمر آن، مزیت این روش است. متدولوژی توسعه برای اجرای موفق باید مطابق با معماری سازمان و نیز ویژگی‌های پروژه‌های آن انتخاب شود. برای رسیدن به این هدف، ویژگی‌هایی از سازمان و متدولوژی‌ها که در انتخاب متدولوژی مناسب موثر هستند در قالب یک چارچوب جدید تشریح می‌شوند. انتخاب و اجرای صحیح متدولوژی توسط سازمان و نیز بهبود مستمر آن توسط ارائه‌کننده متدولوژی منجر به کاهش هزینه و افزایش بهره‌وری در سطح سازمان می‌شود.

Cache memories are used in flash-based SSDs to improve the performance of disks. Conventional DRAM caches suffer from high energy consumption due to pre-charge and refresh operations and leakage current. In addition, DRAM cells are volatile memories and lose data in power-off. Moreover, according to ITRS, DRAM cells are not scalable below 22nm technology size. Emerging non-volatile memories, e.g. phase-change memory (PCM) offers a near-DRAM performance. In addition, PCM gives non-volatility, negligible leakage power and higher degree of scalability. Two main challenges of exploiting PCM as an alternative to DRAM cells are their limited write endurance and high write latency. This paper proposes a method on how to efficiently manage PCM as a SSD cache. This technique is based on swapping blocks inside a cache set, called Swapped-LRU. This technique reduces the gap between the hottest and coldest line in a set by 7x. In addition, we propose an early write-back technique to improve the cache miss latency.

يکي از مسائل مهم در شبکه‌هاي اجتماعي، تشخيص جوامع است که در سال‌هاي اخير روش‌هاي متعددي براي آن ارائه شده است. نظريه بازي‌ها از روش‌هاي نوين در اين زمينه است. در اين مقاله، مسئله تشخيص جوامع هم‌پوشان با استفاده از بازي تشکيل ائتلاف مدل و سپس حل شده است. در جوامع هم‌پوشان هر فرد مي‌تواند عضو چندين گروه باشد. در اين راستا الگوريتمي سلسله مراتبي مبتني بر بازي تشکيل ائتلاف ارائه شده است. از عمده‌ترين نقاط ضعف الگوريتم مورد استفاده، وابستگي بيش از حد آن به يکي از پارامترها مي‌باشد به نحوي که براي ديتاست‌هاي مختلف مقادير متفاوتي دارد. در اين مقاله با بکارگيري معيار فاصله وابستگي به اين پارامتر از بين رفته است. معيار فاصله در تمامي فرمول‌ها تاثير داده شده است و براي اولين بار بازي تشکيل ائتلاف در تشخيص جوامع با استفاده از مفهوم فاصله توسعه داده شده است. علاوه بر از بين بردن حساسيت به پارامتر در الگوريتم جديد، آزمايش‌هاي انجام شده نشان مي‌دهد که کيفيت جوامع تشخيص داده شده به طور ميانگين ۴ درصد بهتر شده است.

امروزه با پيشرفت تکنولوژي و ظهور روش‌هاي نوين بازشناسي گفتار، استفاده از گفتار براي تعامل با ماشين و انجام امور روزانه بيش از پيش مرسوم شده است. تعداد زيادي از امور روزانه مانند تراکنش‌هاي بانکي، پرداخت قبوض و سيستم‌هاي خدمات‌رساني با ارقام در ارتباط هستند. از سوي ديگر اکثر اين امور با استفاده از گوشي‌هاي تلفن همراه صورت مي‌پذيرد. در اين مقاله، دو رويکرد مبتني بر شبکه باور عميق و ماشين بردار پشتيبان به منظور بازشناسي اعداد تک رقمي فارسي در تلفن همراه ارائه و ارزيابي شده‌اند. به منظور بهبود بازشناسي ارقام فارسي در دسته‌بندهاي مبتني بر قاب (ماشين بردار پشتيبان و شبکه باور عميق)، استخراج نتايج در سطح کلمه از نتايجِ در سطح قاب و اصلاح مرزبندي نواحي سکوت و گفتار الگوريتمي ارائه شده است که با بهره گيري از قوانين ساده، خطاي در سطح قاب را به طور قابل توجهي کاهش مي‌دهد. براي ارزيابي روش‌هاي پياده‌سازي شده يک مجموعه دادگان از ارقام مجزاي فارسي مبتني بر تلفن همراه جمع‌آوري و برچسب‌گذاري شده است. آموزش و آزمون دسته‌بندهاي در سطح قاب کاملا مستقل از گوينده و در دو حالت (با استفاده از ويژگي‌هاي حساس و غير حساس به محتوا) انجام شده است. نتايج ارزيابي‌ها بر روي دادگان مذکور حاکي از عملکرد قابل توجه دسته‌بندهاي در سطح قاب در حالت حساس به محتوا در مقايسه با حالت غير حساس به محتوا (حدود 5% بهبود دقت) و تاثير چشمگير الگوريتم کاهش خطاي در سطح قاب (حدود 10% بهبود دقت) مي‌باشد.

الگوريتم‌هاي يادگيري ماشين اين امکان را فراهم مي‌سازد که بتوانيم حالت‌هاي شناختي مغز را برمبناي داده‌هاي تصويربرداري تشديد مغناطيسي عملکردي (fMRI) پيش‌بيني کنيم. در اين تحقيق يکي از چارچوب‌هاي اين روش را در بازاريابي با استفاده از داده-هاي fMRI با پيش‌بيني تصميم‌گيري‌هاي خريد با استفاده از داده‌هاي زماني-مکاني fMRI بيان مي‌کنيم. به اين منظور، داده‌هاي fMRI مربوط به افرادي که تصميم خود را براي خريد محصول مي‌گيرند، جمع‌آوري مي‌شود. در هر آزمايش مربوط به تصميم‌گيري خريد، ماتريس همبستگي در 3 بازه همپوشان محاسبه مي‌شود. بردار ويژگي تشکيل شده با استفاده از ماتريس همبستگي به عنوان ورودي به الگوريتم حذف خوشه به طور بازگشتي بر مبناي ماشين بردار پشتيبان براي پيش‌بيني تصميم‌گيري خريد داده مي‌شود. اين روش به طور تکراري ويژگي‌هاي غير مهم را تا زماني که ويژگي‌هاي باقي‌مانده بيشترين دقت را به‌دست دهند، حذف مي‌کند. در نهايت ما به دقت 75.7 درصد رسيديم که نسبت به کارهاي قبل بهبود دقت را نتيجه داده است.

مفهوم جهانی شدن برای سازمان‌ها به معنای اجبار در ایجاد قابلیت‌ها و توانایی‌هایی به منظور تسهیل تبادلات اطلاعاتی (تعامل) و امکان ارتباط با سازمان‌های دیگر به منظور دریافت و ارسال داده‌هایی است که در محیط به شدت رقابتی امروز، حیات کسب و کار وابسته به آن است. با قطعیت می‌توان گفت کمتر سازمانی وجود دارد که در محیط تجارت (ملّی یا جهانی) حاضر باشد و جزیی از یک سیستم فوق مقیاس وسیع نباشد. به همین ترتیب، سیستم فوق مقیاس وسیع، شبکه‌ای از سیستم‌های اطلاعاتی متعامل است که از طرف سازمان‌ها با یکدیگر ارتباط داشته و به تبادل اطلاعات می‌پردازند. سیستم برنامه‌ریزی منابع سازمان نیز به عنوان یک سیستم اطلاعاتی مستقر در سازمان، برای برآوردن اهداف سازمان و ایجاد مزیّت رقابتی به دریافت و ارسال داده‌ها به سیستم‌های اطلاعاتی درون سازمان (یکپارچگی) و بیرون سازمان (تعامل) نیاز دارد. در این مقاله، با توجه به فراگیری اجرای مدل‌های بلوغ تعامل‌پذیری در سیستم‌های فوق مقیاس وسیع، با شناسایی مفاهیم آنتولوژیک اسناد مدل بلوغ تعامل‌ پذیری سیستم‌های فوق مقیاس وسیع و مدل‌های ارزیابی پذیرش و انتخاب سیستم‌های برنامه‌ریزی منابع سازمان، ارتباط بین مفاهیم دامنه، سطح بالا و فوق دامنه برقرار (is-a) و با طبقه‌بندی مفاهیم، ضمن راستی آزمایی آماری شباهت بین اسناد با استفاده از تابع ضریب Dice، به منظور بهبود تعامل‌پذیری سیستم برنامه‌ریزی منابع سازمان با سیستم‌های فوق مقیاس وسیع متعامل، دو روش در بخش کاربست‌پذیری تحقیق ارائه شده است. روش اول شامل 6 گام مبتنی بر طبقه‌بندی آنتولوژیکال مفاهیم برای انتخاب مدل «ارزیابی آمادگی پذیرش» و «انتخاب» مناسب و روش دوم شامل 11 گام مبتنی بر انطباق اسنادی برای «استقرار» سیستم‌های برنامه‌ریزی منابع سازمان است. پیاده‌سازی روش‌های ارائه شده در این تحقیق توسط تیم‌های ارزیاب، پیاده‌ساز و توسعه‌دهنده سیستم‌های برنامه‌ریزی منابع سازمان، می‌تواند از طریق بهبود تعامل‌پذیری و عوامل حیاتی موفقیت پروژه مانند افزایش ضریب دقت و کاهش زمان و هزینه اجرای پروژه و همچنین بهبود ویژگی‌های کیفی قابلیت اصلاح‌پذیری، قابلیت تغییرپذیری و قابلیت مقیاس‌پذیری و افزایش عمر سیستم‌های برنامه‌ریزی منابع سازمان منجر به افزایش ضریب موفقیت پروژه‌های سیستم‌های برنامه‌ریزی منابع سازمان شود.

امروزه دستگاه‌هاي تلفن همراه بخش عمده‌اي از دسترسي‌هاي اينترنت را به خود اختصاص داده‌اند به طوري که برنامه‌هاي کاربردي تلفن همراه و بسترهاي توزيع‌شده نيز جايگاه مهمي به دست آورده‌اند. فروشگاه‌هاي برنامه‌هاي تلفن همراه به کابران فرصت جستجو، خريداري و نصب برنامه‌هاي کابردي مختلف را مي‌دهند. کابران نيز مي‌توانند با يادداشت نظرات خود يا دادن امتياز به هر برنامه به صورت موثرتري در بهبود برنامه‌ها نقش داشته باشند. هر نظر احتمالا شامل تجربه‌ي کاربري، عقيده‌ي شخصي کاربر، ويژگي‌هاي درخواستي و گزارش خطاهاي برنامه مي‌باشد. بنابراين نظرات يک کابر علاوه بر آنکه براي ساير کابران مفيد مي‌باشد به توسعه‎دهندگان و شرکت‌هاي نرم‌افزاري نيز اطلاعات ارزشمندي در مورد جنبه‌هاي مختلف برنامه‌ي توليدي مي‌دهد. يکي از اين چالش‌هاي توسعه‎دهندگان استخراج بي‌طرفانه‌ي نقاط قوت و ضعف برنامه‌هاي کاربردي مي‌باشد. از آنجا که ابزاري خودکار براي استخراج نظرات مؤثر کاربران وجود ندارد، برنامه‌نويسان مجبورند زمان زيادي را براي مطالعه و بررسي تک‌‎تک نظرات صرف کنند. در اين پژوهش راه‎حلي نوين براي اين چالش ارائه شده‎ که شامل پنج گام است: ۱) مدل‌سازي موضوعي، ۲) خوشه‌بندي، ۳) تحليل احساس نظرات، ۴) محاسبه‌ي رويکرد کلي کاربران در هر خوشه و ۵) انتخاب نقاط قوت و ضعف. براي ارزيابي اين رويکرد از نظرات کاربران بر روي تعدادي از برنامه‌هاي کاربردي فروشگاه Google Play استفاده شده‎است.

تشخيص چهره يکي از حوزه‌هاي تحقيقاتي مهمي است که براي شناسايي هويت افراد بکار مي‌رود. هدف اين مقاله بازيابي سريع تصوير چهره از پايگاه داده حجيم است. روش ارائه شده در اين مقاله، به کمک تجزيه ماتريس نامنفي، ويژگي هاي اساسي در ساختار چهره را استخراج مي‌کند. در اين روش، براساس مجموعه تصاوير چهره موجود در پايگاه داده مورد بررسي، ديکشنريي از المان‌هاي ساختاري اوليه چهره تشکيل مي‌شود. هر تصوير چهره، بر اساس ويژگي‌هاي منحصر به فرد خود، با ترکيب المان‌هاي اوليه موجود در ديکشنري توصيف مي‌شود. بر اين اساس، براي جستجوي يک چهره در پايگاه داده، صرفاً جستجو بر روي بردارهاي ويژگي تصاوير چهره موجود در پايگاه داده انجام مي‌شود. در اين مقاله، به منظور تشکيل دقيق‌تر المان‌هاي ساختاري، ديکشنري جداگانه‌اي براي نيمه بالا و پايين مجموعه تصاوير چهره تشکيل مي-شود. روش ارائه شده با استفاده از پايگاه داده FERET، حاوي يک تصوير چهره از 990 افراد مختلف ، مورد ارزيابي قرار گرفته است. روش پيشنهادي در اين مقاله، به مراتب سريع‌تر از روش‌هاي موجود، با نرخ بازيابي نزديک به 90 درصد تصاوير چهره را از پايگاه داده بازيابي مي‌کند.

امروزه تحلیل اطلاعات در اینترنت با توجه به حجم گسترده توسط انسان کار دشواری است. لذا برای حل این مشکل از برنامه‌های خودکار به نام ربات‌های وب استفاده می‌شود. ربات‌های وب با توجه به اهدافی که برای آن طراحی شده‌اند، انواع متفاوتی دارند. این اهداف به طور کلی مفید و کاربردی هستند ولی ربات‌هایی با اهداف مخرب هم وجود دارند. همین موضوع باعث شده تا موضوع تشخیص ربات‌های وب از اهمیت بالایی برخوردار باشد. ربات‌های مخرب بر خلاف ربات‌های مفید، نه تنها از قوانین خاصی پیروی نمی‌کنند بلکه سعی دارند با تقلید دسترسی‌های انسانی مورد شناسایی قرار نگیرند. این امر باعث شده شناسایی آنها یکی از مهم‌ترین مسائل حوزه وب‌کاوی باشد. در این مقاله برای حل مسئله از روش ماشین‌های بردار پشتیبان تک کلاسی بهره گرفته شده که برای افزایش دقت و کاهش تاثیر داده‌های نویزی از قواعد فازی پیروی می‌کند. حل این مساله با استفاده روش پیشنهادی باعث بهبود تشخیص ربات‌های با الگو‌های رفتاری جدید می‌شود. از طرف دیگر، فازی‌سازی این روش باعث کاهش تاثیر داده های نویزی و پرت بر روی نتیجه می‌شود. نتایج بدست آمده با اعمال بر روی داده‌های یکی از دانشگاه‌های داخلی و همچنین دانشگاه Minnesota نشان از دقت بالای روش پیشنهادی دارد.

امروزه تجزیه‌ و تحلیل احساسات یکی از برجسته‌ترین زمینه‌های تحقیقاتی در حوزه‌ی پردازش زبان طبیعی است و هدف این مقاله طبقه بندی احساس متن به دو دسته مثبت و منفی است. نادیده گرفته شدن اطلاعات ساختاری گفتار همواره چالش اصلی در روش‌های سنتی طبقه‌بندی متن است. نظریه ساختار بیانی محتویات یک متن را به بخش‌هایی با سطوح مختلف اهمیت تقسیم می‌کند و ارتباط سلسله مراتبی آن را در نظر می‌گیرد. در این پژوهش نظرات کاربران در مورد محصولات یک وب‌گاه بررسی می‌شود. متن هر نظر ابتدا به درخت گفتمان تجزیه می‌شود سپس یک طرح وزنی تعریف می‌شود و احساس متن محاسبه می‌شود. هدف این پژوهش ارائه روشی است که بر اساس جایگاه معنایی کلمات کارکند و احساس متون را در سطح سند با استفاده از نظریه ساختار بیانی و با تکیه بر قواعد وزنی بدست آورد. هرچند این قواعد نیاز به درک و مطالعه زبان شناسی دارد، با این وجود سعی شده است با در نظر‌گیری پارامتری جدید در قواعد وزنی، معیارهای ارزیابی (صحت و F) بهبود داده شود. با توجه به آزمایش‌های انجام شده بهترین نتیجه مقدار صحت 8/67 درصد و معیارF 9/71 درصد است. این نتایج نسبت به دو مقاله مشابه پیشین مقدار صحت را 8 درصد بهبود داده است.

امروزه الگوها در مهندسی نرم‌افزار بسیار مهم هستند؛ زیرا راه‌حل‌های مشترکی را برای صورت مسئله‌های مشترک ارائه می‌کنند. یکی از مهمترین دارایی‌های پایه در مهندسی خط تولید نرم‌افزار، معماری دامنه است که معماری کاربرد (محصول) با انتخاب بخش‌هایی از آن پیکربندی می‌شود. هرچند تلاش‌هایی در استفاده از الگوها در معماری خط تولید نرم‌افزار دیده می‌شود، اما اغلب کارهای ارائه شده تنها از ترکیبی از الگوهای موجود و به ویژه الگوهای طراحی برای ایجاد معماری دامنه بهره گرفته‌اند، ولی الگویی برای معماری خط تولید ارائه نداده‌اند. در این مقاله، ما با هدف ارائه الگوی معماری خط تولید نرم‌افزار، گامی اولیه را برای ارائه چنین الگویی با نام «بورد-المنت» برداشته‌ایم. بورد و المنت دو عنصر اصلی تشکیل دهنده این الگو هستند. الگوی پیشنهادی چالش‌های مربوطه را رفع کرده و از تنوع پذیری در معماری دامنه و پیکربندی معماری کاربرد پشتیبانی می‌کند؛ در آن صحت‌سنجی معماری دامنه و کاربرد (به ترتیب با کنترل سازگاری و همخوانی) در نظر گرفته شده؛ و گسترش‌پذیر و منعطف است. در عین حال، مختص دامنه محدودی نیست. این الگو در دو دامنه کاری مورد استفاده و بررسی قرارگرفت و در نتیجه استفاده از آن، نتایج مثبتی از نظر زمان و قابلیت اطمینان محصولات نهایی مشاهده شد.

در سال‌های اخیر علیرغم رشد فزاینده‌ی رشته معماری سازمانی در سراسر جهان، درک مشترکی در این زمینه وجود ندارد، زیرا محققان و متخصصان در هنگام توصیف معماری سازمانی، کاربردها، روش، فرایند یا نتایج آن از رویکرد مشترکی استفاده نمی‌کنند. چندین مطالعه به تحلیل عمیق این موضوع پرداخته‌اند اما همه آن‌ها با محدودیت‌های روش‌شناختی مواجه‌اند. هدف از این مقاله پر کردن خلأ موجود درزمینه‌ی روش‌شناسی و تکنیک‌های طراحی معماری سازمانی است. این مقاله با رویکرد مروری بر فقدان درک مشترک روی معماری سازمانی و بهره‌گیری از مفاهیم و اصطلاحات علمی و تکنیک‌های تجزیه‌ و تحلیل موضوعی انجام‌ شده است و منابع ضمنی، ناقص، پیچیدگی و ناهماهنگی در تعاریف معماری سازمانی را شناسایی می‌کند که می‌تواند مبتنی بر فقدان درک مشترک در این مباحث باشد. نتایج این مقاله منجر به آگاهی بهتری در مورد درک مشترک و فرصتی برای مقابله با این مسئله می‌شود. همچنین با استناد به یافته‌های این مقاله جهت‌گیری پژوهش‌های آتی در مورد این موضوع یا طراحی روش‌شناسی و تکنیک‌های کاربردی معماری سازمانی مشخص می‌شود.

شناسایی سرویس به عنوان اولین گام در مدل‌سازی، یکی از مهمترین گام‌ها در موفقیت پروژه‌ها در معماری سرویس‌گرا است. هدف اصلی آن تولید مجموعه‌ای از سرویس‌های کاندید برای پروژه‌های معماری سرویس‌گرا است. مطالعات نشان می‌دهد اکثر روش‌های شناسایی سرویس از رویکرد مدل فرایندی یا مدل نرم‌افزارهای کاربردی استفاده کرده‌اند که هزینه‌بر، زمان‌بر و دارای پیچیدگی می‌باشد. رویکرد شناسایی مبتنی بر قابلیت برای برطرف کردن مشکلاتی از قبیل عدم دسترسی به مدل فرآیندی، زمانبر بودن و هزینه‌بر بودن رویکردهای قبلی و همچنین جهت مدرن‌سازی سیستم‌های اطلاعاتی مطرح شده‌است. در این مقاله روش پیشنهادی مشتمل بر سه فاز اصلی شناسایی قابلیت بر اساس استراتژی، مدل‌سازی قابلیت‌های کسب و کار در قالب طراحی نقشه قابلیت‌ها و مدل‌سازی سرویس کسب و کار تعریف شده‌است. این روش می‌تواند با تطبیق مدل مرجع خدمات از طریق ماتریس نگاشت قابلیت‌ها و نوع سرویس منتج به شناسایی سرویس مربوطه شود. در نهایت سرویس‌های شناسایی شده در کاتالوگ مطلوب خدمات دسته‌بندی می‌شوند. مدل‌سازی روش پیشنهادی با استفاده از نرم‌افزار اسپارکس، جهت شناسایی سرویس سرویس‌های کسب و کار آزمایشگاه معماری سازمانی دانشکده کامپیوتر دانشگاه ازاداسلامی واحد نجف آباد انجام شده‌ است. ارزیابی سرویس‌های کاندید به روش آزمون لیتموس سرویس (SLT) انجام شده‌ است و ارزیابی روش پیشنهادی به روش دلفی با مشارکت خبرگان در حال انجام می‌باشد.

در این مقاله، با توسعه فیلتر ذره به حل مسئله مکانیابی و ردیابی اهداف چندگانه، بدون آستانه‌گذاری بر مشاهدات با توان نویز بالا، پرداخته شده است. در فیلتر ذره ترتیبی (Sequential Particle Filter (SPF)) معرفی شده، ابعاد بردار حالت به زیربردارهای مجزای مختص به هر هدف (منبع) تفکیک شده و با تغییر در نحوه نمونه‌برداری و وزندهی ذرات در مراحل اجرا، الگوریتم قویتری در برابر نویز طراحی شده است. در این رویکرد به تعبیری با اعمال فیلترینگ فضایی ذرات و اختصاص هر دسته از ذرات به منبع مشخص، امکان محاسبات دقیق‌تری برای معیار درست‌نمایی الگوریتم فراهم می‌شود. برای بررسی عملکرد روش پیشنهادی، شبیه‌سازی‌ها بر اساس مشاهدات با SNR پایین طراحی و محاسبات بر مبنای اصول رویکرد Track-Before-Detection، بدون آستانه‌گذاری بر مشاهدات، انجام شده است. الگوریتم فیلتر ذره ترتیبی معرفی شده در این مقاله، بر روی داده‌های شبیه‌سازی برای سه منبع متحرک، اعمال شده و نتایج نشان می‌دهد که این روش علاوه بر اینکه در SNRهای پایین عملکرد فیلتر ذره را بهبود بخشیده، با شکستن ابعاد بردار حالت، تاثیر مشهودی در افزایش سرعت محاسبات نیز می‌گذارد.

ایجاد آلگوریتم‌های امن رمزنگاری همیشه مورد توجه علوم مخابرات و کامپیوتر بوده است. امروزه آلگوریتم‌های رمزنگاری کوانتومی نسبت به نمونه‌های مشابه کلاسیکی خود از نظر ایجاد امنیت در اولویت قرار گرفته‌اند. رمز نگاری کوانتومی دارای زیرشاخه‌های متفاوتی است که یکی از آنها اشتراک رمز کوانتومی می‌باشد. در این مقاله با ارائه یک آلگوریتم جدید اشتراک رمز کوانتومی با استفاده از اتومات سلولی کوانتومی (QCA) توانستیم یک کلید کوانتومی بین n شرکت کننده به اشتراک بگذاریم، به طوریکه که هر t شرکت کننده از n شرکت کننده بتواند به کلید دسترسی پیدا کند. این پروتوکل نسبت به الگوریتم‌های مشابه کلاسیک خود، امنیت بالاتری دربرابر حمله بک شنودگر خارجی دارا می‌باشد.

ظهور مفهوم GPGPU همراه با CUDA و مدل‌های برنامه نویسی نظیر OpenCl، فرصت‌های جدیدی را برای کاهش تأخیر و توان مصرفیِ برنامه‌های کارایی محور فراهم می‌کند. GPU می‌تواند هزاران نخ پردازشی موازی را برای پنهان کردن تأخیر پرهزینه دسترسی به حافظه اجرا کند. با این حال، برای برخی از برنامه‌های حافظه محور، به احتمال زیاد در برخی فواصل زمانی تمام نخ‌های پردازشی یک هسته متوقف شده و منتظر تأمین داده توسط واحد حافظه هستند. در این پژوهش هدف ما بهبود تأخیر دسترسی به حافظه برای بسته‌های تولیدی توسط هسته‌های بحرانی در پردازنده‌های گرافیکی است. به منظور بهبود زمان غیربهینه هسته‌ها، ما بر روی شبکه میان ارتباطی بین هسته‌ها و حافظه پنهان سطح آخر تمرکز و بسته مربوط به هسته‌هایی که تعداد بیشتری نخ متوقف شده دارند را در ورود به شبکه و داوری در شبکه اولویت قرار می‌دهیم. به این ترتیب، بیشترین اولویت در داوری و تخصیص منابع به بسته‌های بحرانی‌تر اعطا می‌شود، بنابراین درخواست حافظه برای آنها سریعتر سرویس دهی شده و متوسط زمان توقف هسته کاهش و در نهایت کارایی پردازنده گرافیکی افزایش می‌یابد.

امروزه شبکه‌های حسگر بی‌سیم به عنوان یک انقلاب در تمام جنبه‌های زندگی ما پدیدار شده‌اند . در اين شبكه‌ها پوشش ناحیه یا هدف خاص توسط گره‌های حسگر بی‌سیم انجام مي‌شود. عمل پوشش، اصلی‌ترین و پایه‌ای‌ترین هدف ایجاد و استقرار شبکه‌های حسگر بی‌سیم می‌باشد. در اين شبكه‌ها همواره امكان دارد برخي از گره‌هاي شبکه حسگر به دلایل مختلفي از قبيل خرابي، نويزهای موجود در محیط و نقص در توان مصرفی از کار بیفتند. اين مشکلات تاثير به سزایی در پوشش شبكه حسگر بی‌سیم خواهد داشت. روش ارائه شده در اين تحقيق از اطلاعات مربوط به تراکم گره‌ها به منظور تشخيص حفره‌هاي موجود در شبكه استفاده مي‌نمايد. همچنين اين روش علاوه بر تشخیص حفره‌ها سعي در ترميم آنها با استفاده از شعاع حسگری نيز دارد. همچنين در روش ارائه شده به كاهش بار محاسباتي گره‌ها و كاهش زمان پیدا کردن اولین حفره توجه شده است. همچنین تاثير روش ارائه شده در طول عمر شبکه نيز بررسي شده است. آزمايش‌هاي انجام شده نشان دهنده كارايي روش پيشنهادي است.