انجمن کامپیوتر ایران

This paper presents a report on research carried out in the field of networked collaborative learning. In particular, we present a theory/model-based approach applied to a distance education course that is developed and taught in a virtual learning environment. In this educational practice, our objective has been twofold: first, to improve distance teaching and learning, and second, to facilitate social interaction among students and between tutor and students via the Web. To that end, our research approach has been based on the following actions: First, we analysed the goals, needs, expectations and preferences of our students, based on a previous pilot experience on distance collaborative learning, in order to understand what is actually happening in networked learning when collaboration becomes an integrated part of the whole learning process. Second, we proceeded to the design, development and implementation of a new pedagogical practice, called Virtual Study Group, to encourage and enhance learning through collaborative construction of knowledge and reflective interaction which contribute to a deeper understanding of the course contents. The paper focuses mainly on the latter. Finally, we provide a critical analysis and evaluation of the outcomes of this experience and of the many issues arising from applying this collaborative pedagogical practice to a virtual learning environment.

We report on our work on improving the performance of collective operations in MPICH on clusters connected by switched networks. For each collective operation, we use multiple algorithms depending on the message size, with the goal of minimizing latency for short messages and minimizing bandwidth usage for long messages. Although we have implemented new algorithms for all MPI collective operations, because of limited space we describe only the algorithms for allgather, broadcast,reduce-scatter, and reduce. We present performance results using the SKaMPI benchmark on a Myrinet-connected Linux cluster and an IBM . In all cases, the new algorithms significantly outperform the old algorithms used in MPICH on the Myrinet cluster, and, in many cases, they outperform the algorithms used in IBM’s MPI .

This paper is about the vision and odometry errors of a sweeper mobile robot. The robot takes advantage of color recognition in its vision in order to detect different types of objects having different colors. An effective artificial neural network which is extremely easy to implement and is surprisingly quick in practice for mobile robots is introduced. Consequently, the connectionist is applied on the robot for object detection and the gained results are compared with other methods. Also experimental tests plus statistical analyses are carried out in order to measure the robot localization errors.

Providing robots (or any other intelligent embedded system) with manlike instincts will bring major issues of today artificial intelligence out of a deadlock. This paper proposes a nondeterministic decision making theory based on Semi Human Instincts implemented by learned potential fields, using neural networks and fuzzy logic offline and online learning algorithms, which enable the agent to perform in anonymous, dynamic and nondeterministic environments. SHI-AI is like a newly born baby who uses his/her instincts and will gradually become more and more intelligent as the brain learns more about its environment. The use of a new world modeling method called ARPL (Agent Relative Polar Localization) in SHI-AI enables the agent to perform better within anonymous environments where positioning is an important and complex issue.

کمینه کردن تلفات خط و هزینه تولید ، از جمله مسائلی است که همواره در سیستم های قدرت از اهمیت بسزایی برخوردار است.در این مقاله به بهینه سازی شبکه و حل مساله پخش بار بهینه ( OPF ) برای شبکه استاندارد 118 باس IEEEE با روش های هوشمند پرداخته می شود. برای این منظور ، ابتدا از الگوریتم ژنتیک ( GA ) استفاده می گردد ؛ که علاوه بر عملگرهای متعارف، در آن از عملگر های ویژه مهاجر و نخبه گرایی نیز استفاده شده است. سپس الگوریتم کلونی مورچه ها به کار برده میشود؛ که در این قسمت نیز با استفاده از مدل جدید و کاراکتر رتبه بندی مورچه ها، مورچه های نخبه وزن بیشتری میگیرند. در نهایت پاسخی که از این دو روش به دست می آید با روش های کلاسیک مقایسه و مزیت های آن، مانند سرعت همگرایی ، کاهش تلفات خط و افزایش انعطاف پذیری مساله مطرح و بررسی میگردد.

سری های زمانی فازی اخیرا توجه بسیاری از محققین را به خود جلب نموده است چرا که برخورد مناسبی با ابهامات و داده های غیر کامل می تواند داشته باشد. یکی از روش های جدید در پیشبینی سری های زمانی، استفاده از الگوریتم ژنتیک، پیشنهاد شده توسط Chen می باشد که تا کنون کمترین خطا را در پیش بینی ها گزارش نموده است. مهمترین نقطه ضعف این روش در دید نگارندگان عدم بکار گیری مکانیزمی در برخود با عدم قطعیت های موجود در این روش می باشد. در مدل پیشنهادی نگارندگان، سری های زمانی فازی وزن دار به عنوان مکانیزم برخورد با عدم قطعیت با مدل Chen ترکیب شده و از میزان خطای محاسبات کاسته شده است. همچنین مدل پیشنهادی برای داده های بازار ارز(فارکس)نیز امتحان شده است و کارایی این روش برای پیشبینی نرخ نوسانات ارز نشان داده شده است.

در این مقاله به بررسی دسته بندی متن فارسی با استفاده از الگوریتمهای fkNN و kNN خواهیم پرداخت. آزمایشها بر روی ششصد سند متنی که به شش دسته تقسیم میشوند، انجام شدهاند. هدف اساسی این بررسی، مقایسه دو الگوریتم مذکور برای دسته بندی متن فارسی و ترکیب آنها با روشهای انتخاب ویژگی بهره اطلاعات IG فرکانس سند DF است. از این دو روش برای انتخاب ویژگیها و کاستن از ابعاد فضای ویژگیها استفاده شده است. نتایج نشان میدهند که دقت الگوریتم fkNN از الگوریتم kNN بهتر است. همچنین دقت دستهبندی با استفاده از ترکیب fkNN و IG از سایر ترکیبها بیشتر میباشد. دقت دسته بندی در بهترین حالت به 0.804 دقت میکرو – F1 و 0.755 دقت ماکرو F1- رسید. همچنین میتوان نتیجه گرفت که IG بیشتر از DF دقت را بالا میبرد . در بین دسته های موجود بهترین دستهبندی در مورد بزرگترین دسته یعنی اسناد مربوط به دسته اقتصادی انجام گرفت. دقت دستهبندی برای این دسته تا 0.910 دقت ماکرو F1- و 0.945 دقت میکرو F1- رسید.

مسائل بهینه سازی در ارتباط با شبکه‌های ارتباطی توسط بسیاری از محققان شبکه مورد بررسی قرار گرفته است. بهینگی اتصال شبکه از لحاظ پارامتر‌های استاندارد کیفیت خدمت (QOS) از مهمترین مسائل می‌ باشد. اخیرا الگوریتم های ژنتیک در زمینه های تحقیقاتی مذکور کاربر زیادی داشته‌اند. همچنین الگوریتم های ژنتیک با چند تابع هدف از لحاظ توانایی بهینه سازی در مسائل جهان واقعی مورد توجه زیادی قرار گرفته اند. در این مقاله ابتدا مسئله ی درخت پوشای ارتباطی بهینه (OCST) به صورت چند تابع هدفی تعریف شده است. کمینه کردنه هزینه مکانی و متوسط تاخیر پیام، اهداف مورد نظر است. سپس این مسئله با استفاده از الگوریتم ژنتیک مبتنی بر درخت های پوشا مورد حل و بررسی قرار گرفته است. در انتها آزمایشات مختلفی با دو روش از الگوریتم های تکاملی چند تابعی، SPEA-II و NSGA-II و با استفاده از واسط PISA انجام و مقایسه شده است.

بر مبناي مشاهدي اين واقعيت که اکثر دسترسي ه ايي که توسط پردازنده به حافظه نهان انجام مي شود منجر به خواندن يا نوشتن بيت ۰ مي شوند و همچنين بيشتر داده ها يي که در حافظه نهان مقيم هستند بيت هاي صفرهستند، دراين مقاله يک سلول پنج ترانزيستوري SRAM براي کاربرد ها با تراکم بسيار بالا و توان مصرفي کم ارائه شده است. اين سلول جديد داده خود را با استفاده از جريان هاي نشتي ترانزيستورها و مسير فيدبک مثبت بدون استفاده از سيکل هاي تازه سازي نگهداري مي کند. اين سلول جديد در طول عمل کرد خود از يک Word-Line و يک Bit-Line و يک خط کنترل خواندن اضافي استفاده مي کند. سلول جديد در قوانين طراحي Layout يکسان بدون اينکه شامل سربار کارايي بشود ۱۷ درصد مساحت کمتري را نسبت به سلول شش ترانزيستوري پايه اشغال مي کند . شبيه سازي هاي انجام شده در تکنولوژي 65nm نشان مي دهد که اين سلول به درستي عمل مي کند و متوسط توان مصرفي پوياي آن در هر دسترسي 30 درصد از سلول شش ترانزيستوري پايه کمتر است.

در شبکه هاي حسگر بي سيم با توجه به محدوديت پهناي باند و اشتراکي بودن کانال ارتباطي ميان تعداد زيادي از گره ه اي حسگر ، تصادم يکي از مسائل جدي به شمار مي آيد . تصادم بسته ها از جمله عواملي است که موجب افزايش تأخير انتها به انتها در شبک ه ي حسگر بي سيم مي شود. به واسطه ي وقوع تصادم، گره ها سعي در ارسال مجدد بسته هاي از بين رفته مي کنند، لذا تأخير انتها به انتها افزايش مي يابد . در اين مقاله به ارائه ي روشي مي پردازيم که در آن ابتدا گراف شبکه به وسيله الگوريتم باهدف افزايش ظرفيت شبکه ساخته شده و سپس به کمک يک الگوريتم اصلاح شده بردار فاصله، بستههاي توليد شده به نحوي مسيريابي ميشوند که تأخير انتها به انتها به شکل مؤثري کاهش يابد. نتايج حاصل از شبيهسازيهاي انجام شده نشان ميدهد که الگوريتم پيشنهادي در مقايسه با ساير الگوريتمهاي موجود از کارآيي بيشتري برخوردار است.

دراین مقاله روشی نو براي موقعیت ی ابی و ساخت نقشه همزمان براي روبات هاي متحرك با استفاده از الگوریتم تکاملی و همچنین الگوریتم بهینه سازي گروه ذرات , ارائه میشود . این روش بر پایه دو الگوریتم جستجوي محلی و سراسري بنا نهاده شده است . در الگوریتم جستجوي محلی روبات در حین حرکت از الگوریتمی پر سرعت براي موقعیت یابی و ساخت نقشه همزمان استفاده می کند . در مواردي همانند تشخیص حلقه که به جستجو در فضاي بسیار بزرگی نیاز است , از الگوریتم جستجوي سراسري استفاده میشود . از ویژگیهاي الگوریتم ارائه شده می توان گذر از اکسترمم هاي محلی، تشخیص و بهبود حلقه و تن اظر در محیط را نام برد . همچنین الگوریتم از نشانه ها استفاده نکرده و از نقشه اشغال سلول بصورت ساده بهره می برد . در تابع شایستگی الگوریتم , بر خلاف اکثر روشهاي موجود , بدون استفاده از فرمول هاي محاسباتی احتمالات پیچیده, از تابعی نو و با سرعت محاسباتی بالا است فاده شده است . در انتها نتایج شبیهسازي الگوریتم و همچنین مقایسه آن با روش هاي دیگر ارائه شده که نشاندهنده ویژگیهاي برتر الگوریتم است.

در اين مقاله، يك الگور يتم تكام لي كوانتوم ي به نام NQEA پيشنهاد م ي شود. در الگور يتم پيشنهادي، به منظور افزا يش كارآ يي از يك عملگر به روزرساني جد يد استفاده م ي شود. در اي ن عملگر، هنگام به روزرساني هر يك از افراد جمع يت از مشاركت بهتر ين جواب ب ه دست آمده توسط آن فرد در نسل هاي قب لي و بهتر ين جواب به دست آمده توسط س اير افراد جمع يت در نسل جاري استفاده مي شود. همچن ين، با اعمال محدود يت بر رو ي مقاد ير بيت هاي كوانتومي از همگرايي زودرس آنها جلوگ يري به عمل م ي آي د. عملكرد الگور يتم NQEA با عملكرد الگوريتم ژنت ي ك استاندارد CGA و الگور يتم ه اي تكامل ي كوانتوم ي QEA و VQEA مق ايسه م ي شود. با تح ليل رفتار الگور يتم NQEA بر روي مسأله OneMax مشخص م ي شود كه ا ين الگوريتم بهينه سازي برخلاف الگور يتم QEA دار اي مشكل همگرايي زودرس (ناشي از پديده سواري مجا ني) نمي باشد. با ارز يابي كارآ يي الگور يتم NQEA بر رو ي مسأله به ينه سازي ترك يبياتي شناخته شده NK-landscapes مشخص مي شود كه در ا ين الگور يتم بهينه سازي نسبت به الگوريتم هاي CGA QEA و VQEA توازن بهتر ي م يان تو انايي هاي كاوش و بهره بردار ي الگوريتم برقرار م ي شود . همچنين، الگور يتم NQEA در مقا يسه با الگوريتم هاي فوق از كارآيي و سرعت همگرايي بالاتري برخوردار است.

شبکه هاي موردي در چند سال اخیر بسیار مورد توجه قرار گرفته اند . کاربران این نوع شبکه ها خواهان استفاده از خدمات چند رسانه اي در این شبکه ها می باشند . این امر مستلزم فراهم کردن کیفیت سرویس براي کاربردهاي چند رسانه اي در شبکه هاي موردي است. به علت خصوصیات خاص شبکه هاي موردي فراهم کردن کیفیت سرویس در آنها با چالشهاي بسیاري روبرو است . در این مقاله الگوریتم مسیریابی مبتنی بر کیفیت سرویس جدیدي ارائه شده است . الگوریتم پیشنهادي از روش خوشه بندي استفاده می کند و بسیار کارا و قابل توسعه می باشد . نتایج پیشنهادي نشان می د هد که روش پیشنهادي نسبت به روشهاي دیگر بهبود موثرتري در کاهش تاخیر انتها به انتها و همچنین افزایش نرخ تحویل بسته ها داشته است.

در اين مقاله ايد ه و روشهاي جديدي براي تشخيص اتوماتيك جنسيت پيشنهاد و آزمايش گرديده است. از جمله اين روش ها مي توان به استفاده از شبكه عصبي MLP تركيب شده با الگوريتم ژنتيك براي تنظيم بهتر وزنهاي شبكه، استفاده از شبكه عصبي ANFIS و تطبيق آن براي تشخيص جنسيت و تلفيق شده آن با روش FCM نام برد. بهترين نتيجه از شبكه Anfis تركيب شده با FCM بدست آمد. ضمن اين كه روشهاي ديگر نيز از كارايي بسيار خوبي برخوردار بودند. بهترين نتيجه براي دادگان TIMIT برابر 97.5 % و براي دادگان برابر 96.31 % بدست آمد. اين دقت بالا در دادگان OGI كه دادگاني تلفني چند زبانه با SNR پائين است نشان ميدهد كه روشهاي پيشنهادي در برابر تغيير زبان گوينده و كيفيت پائين داده هاي گفتاري مقاوم هستند. علاوه بر اين به كمك شبكه عصبي ژنتيكي، شبكهاي سريع ساختهشد كه بتواند تنها با 3 نرون در لايه مياني به دقتي مشابه شبكه عصبي MLP برسد.

در اين مقاله دو الگور يتم جد يد براي جداساز ي كور منابع صوتي از تك مخلوطهاي خطي و آني پيشنهاد ميشود. در اين الگوريتمها نه تنها فقط از يك مخلوط استفاده شده بلكه از ه يچگونه اطلاعات قبلي در مورد منابع اصلي استفاده نميشود. از آنجاييكه الگوريتمهاي تجز يه اجز اي مستقل (ICA) در حالت فرو مع ين كه تعداد مشاهد ات كمتر از تعداد منابع اصل ي است، ق ادر به جداساز ي كور منابع نيستند، الگوريتمهايي پيشنهاد ميشوند كه قادرند از تك مخلوط مشاهده شده تعداد مشاهدات ب يشتر يا برابر با تعداد منابع بدست آورده و الگور يتم تجزيه اجز اي مستقل را قادر به جداساز ي تك مخلوط ه اي آني گردا نند. الگوريتم پيشنهادي نخست مبتن ي بر روش تجز ي ه وجوه تجربي (EMD) است و الگور يتم دوم مبتن ي بر روش تجز ي ه ز يرباندها است. در اين مقاله با استفاده از آزمايشات، توانايي الگوريتمهاي پيشنهادي را در جداساز ي تك مخلوطها ي آ ني نشان داده و عملكرد ا ين دو الگوريتم را با هم مقايسه ميكنيم.

دراين تحقيق ابتدا با يادگيري تقويتي عامل را در يك محيط دو بعدي شبيه سازي فوتبال،آموزش داديم.سپس به منظور كاهش چالش هاي موجود در الگوريتم هاي يادگيري تقويتي و بالا بردن سرعت يادگيري، الگوريتمي پيشنهاد داديم. در اين الگوريتم از تركيب سيستم استنتاج فازي و يادگيري تقويتي استفاده شده است. در آخر با مقايسه نتايج بدست آمده از سه تكنيك تيم UvA يادگيري تقويتي و الگوريتم پيشنهادي مي توان بهبود عملكرد بازيكن شوت زننده را در الگوريتم پيشنهادي نشان داد.

The dynamic nature of mobile nodes in mobile adhoc networks (MANETs), causes their association and disassociation to and from clusters perturb the stability of network and problem becomes worse if nodes are clusterheads (CH). Therefore cluster maintenance schemes are needed to handle new admissions and releases of node in the clusters. In this paper, we introduce a novel cluster maintenance algorithm which selects a new clusterhead from a trusty area that is defined previously based on some maintenance optimization rules. The election process is done before the current clusterhead leaves the cluster. So the routes which include this clusterhead as a middle node are less probable to break and will be more stable. Number of nodes belonging to a cluster is restricted in the proposed algorithm. In order to prevent of overusing of clusterheads' battery power, the CH selection process is invoked whenever the battery power of current CH goes below some threshold.

In this paper we propose an artificial immune system in which learning automata are used to adaptively determine the values of its parameters. Learning automata are used for altering the shape of receptor portion of antibodies to better complementarily match the confronted antigen. In order to show the effectiveness of the proposed artificial immune computer experiments have been conducted. The result of experimentations confirms the effectiveness of the proposed model.

Text retrieval engines, such as search engines, always return a list of documents in response to a given query. Existing evaluations of text retrieval algorithms mostly use Precision and Recall of the returned list of documents as main quality measures of a search engine. In this paper, we propose a novel approach for comparing different algorithms adopted by different search engines and evaluate their performance. In our approach, the results of each algorithm is treated as an inter-related set of documents and the effectiveness of the algorithm is evaluated based on the degree of relation in the set of documents. After verifying the correctness of the evaluation measure by examining the results of the two retrieval algorithms, BM25 and pivoted normalization, and comparing these results with an ideal ranking, we compare the results of these algorithms and investigate the impact of certain major factors like stemming on the results of the suggested algorithm. The effectiveness of our proposed method is justified through obtained experimental results.

One of the most effective ways to extract knowledge from large information resources is applying data mining methods. Since the amount of information on the Internet is exploding, using XML documents is common as they have many advantages. Knowledge extraction from XML documents is a way to provide more utilizable results. XCLS is one of the most efficient algorithms for XML documents clustering. In this paper we represent a new algorithm for clustering XML documents. This algorithm is an improvement over XCLS algorithm which tries to obviate its problems. We implemented both algorithms and evaluated their clustering quality and running time on the same data sets. In both cases, it is shown that the performance of the new algorithm is better.