انجمن کامپیوتر ایران

از جمله سیستم‌های حافظه انجمنی مبتنی بر پویایی غیر تعادلی، مدل S-GCM است. این مدل نسبت به شبکه هاپفیلد از توانایی بالاتر ذخیره‌سازی و نرخ موفق تشخیص برخوردار است، ولی هنوز، به عنوان یک سیستم حافظه انجمنی دارای نقاط ضعفی است وآن نرخ ذخیره‌سازی و سرعت همگرایی پایین آن می‌باشد. در این مقاله، برای رفع مشکل S-GCM فرایند آموزش این شبکه را مورد توجه قرار داده‌ایم . از این رو بر اساس روش آموزش اسپارس و با در نظر گرفتن نحوه‌ی یادگیری انسان که امکان فراموشی آنچه که تکرار می‌گردد کم میشود، یک روش آموزش جدید در مدل S-GCM ارائه کرده و همگرایی آن را اثبات نموده‌ایم. نشان داده‌ایم که روش ما، جهت سنتز شبکهS-GCM در مقایسه با قانون یادگیری هب از گنجایش بیشتر ذخیره‌سازی اطلاعات و سرعت همگرایی بالاتری برخوردار می‌باشد.

يکي از عوارض خطرناک بيماري ديابت نوع يک افزايش و يا کاهش ناگهاني سطح غلظت قند خون مي‌باشد که باعث بروز خطراتي چون اغما و بيهوشي خواهد شد. بنابراين استفاده از روشي مناسب به منظور پيش بيني و در نهايت پيشگيري از اين عوارض گام مهمي درجهت کنترل بهينه بيماري محسوب مي‌شود. به همين منظور در اين مقاله سعي شده است تا به مقايسه شبکه‌هاي عصبي خود بازگشتي و شبكه عصبي پرسپترون سه لايه در فرايند پيش‌بيني نوسانات سطح غلظت قند خون بيماران مبتلا به ديابت نوع ۱ پرداخته شود. داده‌هاي پزشکي مورد استفاده در اين مقاله مربوط به ۳ بيمار زن ايراني مبتلا به ديابت نوع يک است که شامل الگوهايي چون نوع و دز انسولين تزريقي، فاصله زماني بين ساعات ثبت سطح غلظت قند خون و نيز سطح غلظت قند خون در ابتداي بازه زماني مي‌باشد. در پايان تحقيق با توجه به نتايج به دست آمده مشخص شد که شبکه‌هاي عصبي خود بازگشتي با کاهش تقريباً ۲۰ درصدي خطاي پيش بيني نسبت به ديگر روش‌هاي متداول و از جمله شبكه عصبي پرسپترون سه لايه، مي‌توانند به عنوان مدلي مناسب به منظور پيش‌بيني نوسانات سطح غلظت قند خون در بيماران مبتلا به ديابت نوع يک تلقي گردد.

در این مقاله کاربرد برنامه‌ای تکاملی در پارامتری کردن و بهینه‌سازی یک جامعه مصنوعی شبیه‌سازی شده، بررسی می‌گردد. جامعه مصنوعی که مورد استفاده قرار گرفته است، مد ل "فضای قندی" است که شامل یک فضای سلولی از منابع (قند یا دانه) و یک جمعیتی از عامل‌ها است که برای بقائشان به آن منابع نیازمندند و برای دست‌یابی به آن‌ها جستجو و حرکت می‌کنند. مقدار دانه‌ای که هر عامل جمع‌آوری می‌کند دارایی یا ثروتش به حساب می‌آید. این مدل با یک تساوی نا‌هموار از ثروت در جامعه شروع می‌شود و سپس عامل‌ها سرگرم جمع آوری هر مقدار دانه‌ای که می توانند، می‌شوند. در شبیه سازی‌ها، جمعیت با توجه به دارایی‌شان دسته‌بندی شده است و سپس درصدی از جمعیت که مالک درصدی از دارایی است، در نمودارها مشخص شده است. در " این مدل‌سازی از قانون "پارتو " استفاده شده و مشاهده تساوی یا عدم تساوی توزیع ثروت به کمک استفاده از "منحنی لورنز " صورت پذیرفته و همچنین ضریب جینی مورد بررسی قرار گرفته است. بدین ترتیب مدلی (مدل رفاه اجتماعی ) عرضه شده است که چگونگی توزیع ثروت را در جامعه شبیه سازی، بررسی و بهینه سازی می نماید.

این مقاله، اولین پیكره فارسی موازی با تعداد زیادی از زبان‌های اروپایی را معرفی می‌نماید. این مقاله، اولین قدم‌ها را برای ساخت منابع اساسی جهت پردازش زبان فارسی معرفی می‌نماید. این مرحله از كار شامل معرفی ویژگی‌های صرفی - نحوی زبان فارسی و رمزنگاری آنها بر پایه مدلEAGLES/MULTEXT و منابع خاصMULTEXT-East می‌باشد. این مقاله پس از معرفی مختصر زبان فارسی، با تاكید بر شیوه نگارش و ویژگی‌های صرفی- نحوی آن، به ارائه یک دسته‌بندی جدید برای مقوله‌های گفتاری فارسی پرداخته و رسم الخطی را جهت ارائه فارسی در محیط دیجیتال ارائه می‌نماید. پس از آن آماری از پیكره ساخته شده ارائه می‌شود. كار صورت گرفته منحصراً توسط افراد داوطلب و بدون هیچگونه پشتیبانی مالی و یا معنوی از سازمان خاص صورت گرفته است.

کیفیت سرویس در شبکه‌های سنسور تعاریف متفاوتی دارد که از آن جمله می‌توان به پوشش مناسب شبکه، تعداد ندهای فعال در یک زمان، صحت اطلاعات دریافتی در ند مرکزی و مدت زمان انتقال اطلاعات به ند مرکزی اشاره کرد. در این مقاله بر مبنای تعریف تعداد ندهای فعال به عنوان کیفیت سرویس، به ارائه‌ی روشی مبتنی بر اتوماتای یادگیر جهت دستیابی به کیفیت مورد انتظار خواهیم پرداخت. در این روش، با خوشه‌بندی شبکه و قرار دادن رؤوس خوشه‌ها به عنوان مسؤول بررسی تعداد ندهای فعال در هر خوشه، پوشش مناسبی از تعداد ندهای فعال در سطح کل شبکه به دست خواهد آمد. هر ند مجهز به یک اتوماتای یادگیر می‌باشد که در طول فعالیت شبکه و از طریق پاسخ‌هایی که از رأس خوشه دریافت می‌دارد، لزوم فعال یا غیرفعال بودن ند را مشخص می‌کند. از طریق شبیه سازی کامپیوتری نشان داده می‌شود که روش ارائه شده، می‌تواند کیفیت سرویس مطلوبی را از دیدگاه ارائه شده تولید کند.

آخرین مدل از فروش کالا در تجارت الکترونیک، مدلهاي نسل سوم هستند که امکان خرید مقایسهاي را در اختیار کاربران قرار میدهند به نحوي که اطلاعات مربوط به کالاهاي فروشندگان مختلف را از پایگاه داده آنان جمعآوري نموده و بصورت مقایسهاي به کاربران ارایه میدهند. هر چند که این سناریو، کار را براي کاربران ساده تر نموده است اما هنوز در واسطهاي کاربر مدلهاي نسل سوم نقصهایی وجود دارد. از جمله اینکه این امکان وجود ندارد که کاربر پرسش خود را به زبان ساده و طبیعی مطرح ساخته و پاسخ آن را بگیرد و باید از کلمات کلیدي منطبق بر منطق از پیش ساخته واسط کاربر این سیستمها استفاده نماید. در این مقاله، ما سیستمی را در حوزه فروش کالا طراحی و پیشنهاد مینماییم که قابلیت برقراري ارتباط با کاربران به زبان ساده و طبیعی را داراست.

در اين مقاله، يك مدل بازار الكترونيكي مبتني بر اعتبار و يادگيري براي عاملهاي خريدار و فرو ش نده پيشنهاد مي شود. در مدل ارائه شده عاملهاي فروشنده ياد م ي گيرند كه با استفاده از يادگيري نزديكترين همسايگي و تخمين ميزان مشابهت خريدار جديد با خريداران قبلي خود، اولين پيشنهاد فروش را براي خريدار مورد نظر تنظيم كنند همچنين عاملهاي فروشنده با استفاده از ر وش يادگيري تقويتي ياد م ي گيرند كه چگونه قيمت، كيفيت و زمان تحويل كالا را براي خريداران به منظور بيشينه كردن سود تنظيم كنند و همچنين با استفاده از مدل اعتباردهي ارائ ه شده، تخفيف كالا را براي خريداران معتبر در نظر بگيرن د . عاملهاي خريدار نيز با استفاده از ر وش يادگيري تقويتي ياد م ي گيرند كه فروشندگان را بر اساس كيفيت، قيمت و زمان تحويل كالا اعتباردهي نموده و انجام امور تجاري خود را روي عاملهاي فروشندة معتبر، متمركز كنن د . مدل ارائه شده با استفاده از اجلت كه يك محيط ايجاد عامل مي باشد پياده سازي شده و آزمايشات انجام شده نشان مي دهد، عاملهايي كه از مدل ارائه شده استفاده م ي كنند نتايج بهتري را نسبت به ديگر عاملها به دست مي آورند.

در طرحهاي اشتراک سر يک مقدار محرمانه بين افراد شرکتکننده به گونهاي توزيع ميشود که هر فرد به تنهايي قادر به کشف رمز نيست ولي هر زيرگروه مجاز قادر به اشتراکگذاري سهم خود و محاسبه مقدار محرمانه است. يکي از جديدترين مدلهاي ارائه شده براي اشترا ک سر، طرحي مبتن ي بر اتوماتاي سلولي با حافظه اس ت. در اين مقاله، حمله اي براي تقلب د ر طرح اشتراک سر مبتني بر اتوماتاي سلولي با حافظه ارائه شده ا ست. در اين حمل ه، افراد متقلب با به اشتراک گذاري مقدار نادرست سهم خود، قادر به محاسبه مقدار تقلب هستن د. افراد درس تکار از وقوع تقلب بياطلاعاند و مقدار نادرست سر را به جاي مقدار درست آن در نظر ميگيرند. در اين مقاله، چگونگي محاسبه مقدار تقلب در صورت حضور افراد متقلب ارائه و اثبات شده است. افراد متقلب با استفاده از اين مقدار قادر به بازسازي مقدار درست سر هستند.

سیستم اعداد مانده اي یک سیستم عددي نامتعارف است که محاسبات موازي، انتشار محدود رقم نقلی، توان مصرفی کم و ارتباطات امن را پش تیبانی م ی کند. در کاربردهایی که در یک محدوده از اعداد، اعمال جمع، تفریق و ضرب تکرار م یشوند کاربر د بسیار ي دارد. از مهمترین مسائل مطرح در این سیستم، افزایش سرعت محاسبات و افزایش سرعت تبدیل به این سیستم عددي می باشد. در این مقاله جهت افزا یش سرعت عم لیات، س یستم اعداد ماند ه اي چند سط حی استفاده می شود. سپس روش ج دی دي بر اي تبد یل اعداد به سیستم اعداد ماند ه اي ارائه خواهد شد که بطور مستقیم عدد موجود در سیستم وزنی را به سطح آخر تبدیل می کند. نتایج مقایسه نشان می دهد که سیستم چند سط حی ارائه شده نسبت به س یستم اعداد مانده اي تک سطحی داراي سرعت عملیات داخلی و سرعت تبدیل بیشتري بوده و همچنین نسبت به سیستم اعداد مانده اي چند سطحی موجود سرعت تبدیل را بهبود می بخشد.

در اين مقاله طرح جديدي براي انتقال ترافيک چندرسانه اي بيدرنگ، بطور خاص ويدئو، ارائه شده اس ت. اين طرح خصوصاً براي شبكه هاي موردي كه داراي چندين گام (بيش از دو گام ) بين فرستنده و گيرنده هستند، مفيد اس ت. در اين طرح از كاشه(ها ي) ويدئويي بهره گرفته شده است كه در نقاط مناسبي از مسير انتقال قرار گرفته و كار تقويت انتقال را برعهده م يگيرند. اين کاشه ها (جانشي نهاي ويدئويي) سعي در کاهش تاخير انتها به انتها با پاسخ مناسب به پيام هاي ARQ را دارند. اين طرح، يك طرح اصلاحي (و نه انقلاب ي) است كه در صورت عدم وجود اين كاش هها به حالت سنتي عمل خواهد كر د. در هر صورت، اگر امكان استفاده از اين كاش ه ها در شبكه ب ه گونه اي فراهم شود (مانند افزودن برخي گره هاي مناسب به شبكه) مي تواند باعث افزايش كيفيت ويدئويي دريافتي (هم از نظر معيار SNR و هم از نظر تداوم) گردد.

با رشد اينترنت در مناطق مختلف جهان و افزايش سريع تعداد مسيريا ب ها، ميزبان ها و كاربران، شناسايي مكان جغرافيايي گره ها ي موجود در آن به سادگي ممكن نيست . با توجه ب ه نياز مديران شبكه براي دستيابي به چنين اطلاعاتي، تا به حال مطالعات مختلفي در اين زمينه انجام شده اس ت . در اين مقاله ضمن بررس ي روش هاي تخمين فاصله در اينترنت ، روش جديدي براي تشخيص مختصات جغرافيايي گره ها (اعم از مسيرياب ها، ميزبان ها و كاربران نهاي ي ) ارائه مي شود. روش پيشنهادي بر پايه ي مجموعه اي از روش هاي خودكار جم ع آوري داده از شبكه و نيز اطلاعات ثبت شده در ساي ت هاي اينترنتي كار مي كند و در عين حال با بهر ه گيري از ساختار شبكه، به تخمين مختصات گر ه هايي مي پردازد كه اطلاعات جغرافيايي خاصي از آن ه ا در دسترس نيست . نتايج تجربي بدست آمده از اين روش به طور ميانگين در حدود 81 درصد با مقادير ارائه شده توسط ثب تنام كننده هاي اينترنتي مشابهت داشته است. روش پيشنهادي در حل بسياري از مسائل مطرح در ح و زه ي شبكه و اينترنت كاربرد دارد كه از جمله ي آنها مي توان به استفاده انتخاب نزديك ترين » از آن در ساخت خزشگر برا ي موتور جستجوي توزيع شد ه ، ساخت موتور جستجوي محلي و نيز حل مسئله ي سرور به مشتري براي خدمات رساني بهتر و سريعتر « اشاره كرد.