انجمن کامپیوتر ایران

مشکل عمده رو شهاي یادگیري مبتنی بر یادگیري تقویتی ، طولانی شدن زمان یادگیري در اثر افزایش ابعاد فضاي مسئله است . یادگیري تقویتی سلسله مر اتبی با تجزیه مسئله به اجزاي کوچ کتر سعی در حل چنین مشکلی دار د. در این مقاله نیز با تجزیه مسئله به اجزاي کوچک تر که آنها را رفتار می نامیم، از ساختارهاي BB به عنوان ساختارهاي سلسله مراتبی براي یادگیري رفتارها استفاده می شود و روشی براي تجدید توابع ارزش و تقسیم پاداش دریافتی پیشنهاد می شو د. در این روش دانش طراح بیشتر در ساختار کد می شود و مزایایی مانند سرعت بالاي همگرایی، روش هاي یادگیري سلسله مراتبی و کاهش فضاي حالت را با مزایاي سیستمهاي BB یکجا جمع می کنیم . به علاوه در چنین ساختاري قابلیت یادگیري خود ساخ تار نیز امکان پذیر است. نتایج شبیه سازي روي مسئله هدایت تاکسی، کارایی روش را بهتر نشان می دهد.

امروزه استفاده از سيستم ها ي پيکربندي مجدد زمان اجرا در حال گسترش است وليکن هزينه زماني پيکربندي براي ارسال فريمهاي پيکربندي به v گلوگاه اين سيستم ها م يباشد. پيکربندي جزيي يک راه حل مناسب براي کاهش اين هزينه است. در اين روش مي توان از شباهت ميان قالب هاي پيکربندي استفاده نمود و درصورت مناسب بودن شباهت ميان دو قسمت يك سخ تافزار، قسم تهاي مشترک مابين پيکربندي ها در FPGA را بدون تغيير گذاشته و بخ شهاي غير مشترك پيكربندي دوم را براساس پيكربندي قسمت قبل در FPGA نگاشت نمود. طراحي سنت زکننده مناسب براي پشتيباني از اين قابليت، عاملي موثر در افزايش کارايي اين سيستم ها م يباشد. سنتز الگوريت مها به دو قسمت سنتز رفتاري و سنتز منطقي تقسيم م يشود. در کارهاي گذشته تحقيقات مناسبي در زمينه بهبود سنتز منطقي اين سيستم ها شده است. هدف الگوريتم ارائه شده در اين مقاله بهبود سنتز کننده رفتاري سيست مها ي با قابليت پيکربندي جزيي م يباشد. دراين روش پيك ربندي FPGA با استفاده از شباهت ميان پيکربنديها، براساس سخت افزار پيکربندي شده مراحل قبل صورت م يگيرد. با اضافه کردن يک مرحله به مراحل سنتز رفتاري، سنتزکننده متناسب با اين سيست مها طراحي م يشود. نتايج حاصله بيانگر افزايش کارايي روش ارائه شده م يباشد.

در اين مقاله نوع جديدي از مدل شبكه ART براي پردازش ورودي هاي مختلط پيشنهاد مي گردد. بدين منظور مي بايست ساختار شبكه و الگوريتم يادگيري شبکه بگونه اي تغيير يابد كه بتواند وروديهاي از نوع مختلط را پذيرفته و خوشه بندي کند. به اين منظور تغييرات لازم پيشنهاد شده و الزامات و نتايج اين تغييرات از لحاظ رياضي و عملي بررسي شده است .از ميان تغييرات لازم، مهمترين تغيير انتخاب تابع شباهت مناسب به عنوان معياري براي اندازه گيری شباهت بين بردارهايي با اجزاي مختلط است، که در اينجا يک تابع مناسب پيشنهاد شده و مورد بررسي قرار گرفته است . در انتهاي مقاله نتايج آزمايش شبکه پيشنهاد شده براي خوش هبندي يک مجموعه از داده های فضايي-زماني ارائه شده است.

یکی از روش های اصلاح و توسعه معماری سازمانی، استفاده از بلوغ معماری سازمانی اس ت . در بسیاری از سازما ن ها معماری وضعیت موجود، استعداد کافی را برای ا ر تقاء و بهبود ندار د . علاوه بر این در بسیاری موارد و ب ه خصوص در کشورهای در حال توسعه، معماری وضعیت موجود، توانایی لازم را برای ایفای نقش معماری مبدأ و ایجاد معماری مطلوب ندارد. در این تحقیق، با استفاده از مد ل های مرجع و شناسایی روابط مؤلفههای معماری سازمانی، روشی را برای ارزیابی و سنجش استعداد معماری سازمان جهت ایفای نقش معماری مبدأ ارائه نمود ه ایم. این روش می تواند به عنوان عاملی کمکی برای رو ش های ارزیابی بلوغ معماری سازمانی مورد استفاده قرار گیر د . با استفاده از نتایج حاصل از روش ارزیابی ارائه شده، م ی توان در مورد اینکه آیا معماری سازمان، قادر است به عنوان معماری مبدأ مورد استفاده قرار گیرد یا خیر، تصمیمگیری دقیقتری انجام داد.

Previous studies have shown the advantages of Gabor filters for the purpose of writer identification. Current study attempts to show that designing a set of such filters is domain specific however tuning of their parameters is not an easy task. Here we use genetic algorithms as a systematic approach to search in the space of filter parameters to choose a set of best filters for the problem of offline writer identification based on handwriting. Specifically, each chromosome encodes the parameters of filters and then during an evolutionary process those filters which show the best classification performance are selected. Identification was performed using two different classifiers: weighted Euclidean distance (WED) and nearest neighbor classifier (KNN). Our results show the superiority of proposed method compared with traditional Gabor filters and Gray Scale Co-occurrence matrices (GSCM).

The unit selection speech synthesis method is accounted of concatenative speech synthesis methods that it produces more natural quality speech than other approaches. So developing and improvement of this approach attracts great attraction to produce more natural output speech. Synthesis unit is one of important factors that have great effect on output quality of synthesizer systems. Using phones as synthesis unit can cause more natural output, however the discontinuity at the boundaries of concatenated phonemes can be potentially increased in output speech. In this paper, we proposed using unseen unit generation idea to eliminate discontinuities at phoneme boundaries when phone instances are used as synthesis units. In proposed method, existence discontinuities at phoneme boundaries in output speech are firstly found and then if it possible, one of adjacent phonemes of these boundaries are replaced by a suitable unseen unit. To synthesizing every unseen unit, left half phone of one existence instance of corpus are merged by right half phone of other existence instance. Perceptual Evaluations show quality output improvement due to decreasing discontinuities at boundaries.

In this paper, we propose a novel approach whereby a reinforcement learning agent attempts to understand its environment via meaningful temporally extended concepts in an unsupervised way. Our approach is inspired by findings in neuroscience on the role of mirror neurons in action-based abstraction. Since there are so many cases in which the best decision cannot be made just by using instant sensory data, in this study we seek to achieve a framework for learning temporally extended concepts from sequences of sensory-action data. To direct the agent to gather fertile information for concept learning, a reinforcement learning mechanism utilizing experience of the agent is proposed. Experimental results demonstrate the capability of the proposed approach in retrieving meaningful concepts from the environment. The concepts and the way of defining them are thought such that they not only can be applied to ease decision making but also can be utilized in other applications as elaborated in the paper.

Many definitive and approximate methods have been so far proposed for the construction of an optimal binary search tree. One such method is the use of evolutionary algorithms with satisfactorily improved cost efficiencies. This paper will propose a new genetic algorithm for constructing a near optimal binary search tree. In this algorithm, a new greedy method is used for the crossover of chromosomes while a new way is also developed for inducing mutation in them. Practical results show a rapid and desirable convergence towards the near optimal solution. The use of a heuristic to create not so costly chromosomes as the first offspring, the greediness of the crossover, and the application of elitism in the selection of future generation chromosomes are the most important factors leading to near optimal solutions by the algorithm at desirably high speeds. Due to the practical results, increasing problem size does not cause any considerable difference between the solution obtained from the algorithm and exact solution. Task parallelism causes an improving effect on proposed algorithm.

In this paper, we present a cycle-accurate co-simulation environment developed for verification and performance evaluation of OO-ASIP in our ODYSSEY design methodology. This environment is composed of a processor Instruction Set Simulator (ISS) integrated with a hardware simulator and communicate with it through socket connections. We demonstrate the effect of our co-simulation method in increasing speed of simulation without missing cycle accuracy of results by means of two case studies.

Attacks on Computer networks can be divided into four groups including denial of service (DOS), unauthorized access from remote machine (R2L), unauthorized access to super user privileges (U2R) and probing (Probe). Using information collected from a system along probing attack, an attacker can identify vulnerability of victim system and specify the kind of attack to penetrate that system. Probing attack is the preamble of other attacks, so if that attack is detected and prevented, the immunity of the system is more promoted . In this paper we use support vector machine (SVM) to detect probing attack. The results of our experiments performed on dataset provided by the DARPA intrusion detection evaluation program; show that SVM classifier outperforms many other classifiers for detection of probing attacks.

در اين مقاله يك طبقه بندی کننده فازی مبتنی بر اتوماتای يادگير سلولی پيشنهاد ميگردد. در اين طبقه بندی کننده به كمك مجموعه ای از اتوماتاهای يادگير سلولی توابع عضويت و قوانين فازی به طور اتوماتيک توليد ميشوند. از اتوماتای يادگير سلولی نا همگنِ ناهمگامِ باز به عنوان ابزاری برای يافتن بهترين ساختار توابع عضويت فازی استفاده شده است. در اتوماتای يادگيرسلولی ناهمگام باز هر سلول برا ی انتخاب عمل خود علاوه بر پاسخ سراسری محيط از نتيجه اعمال انتخابی توسط اتوماتاهای يادگير همسايه خود نيز تاث ير ميپذيرد . طبقه بندی کننده فازی پيشنهادی به ازای هر ويژگی يک اتوماتای يادگير سلولی جهت تنظيم توابع عضويت مربوط به آن ويژگی استفاده می نمايد.هر تابع عضويت مربوط به يک ويژگی به يك سلول در اتوماتای يادگير سلولی متناظر با آن نگاشت ميشود كه وظيفه آن يافتن مناسب ترين واريانس و ميانگين براي آن می باشد. طبقه بندی كننده فازی پيشنهادی بر رو ی آزمايش شده است. نتايج آزمايشات (Iris) پايگاه داده استاندارد گل زنبق نشان ميدهد كه طبقه بندی کننده پيشنهادی با استفاده از ۸ قانون ۹۷ % طبقه بندی كند که در مقايسه / فازی ميتواند دادهها را با راندمان ۳ با بيشتر روشهاي گزارش شده نتيجه بسيار خوبی می باشد.

در اين مقاله روشی جهت افزايش دقت سيستم های بازيابی تصوير مبتنی بر محتوا (Retrieva l CBIR: Content Based Image ) ارائه می شود. اين سيستم ها ابتدا به دسته بندي تصاوير پرداخته و سپس به بازيابي دسته اي از تصاوير كه مورد نظر كاربر است اقدام مي كنند. ما با انتخاب ويژگي هاي كيفي، به ارتقاء دقت دسته بندي مي پردازيم. در روش پيشنهادی قدرت دسته بندی هر ويژگی به کمک يک معيار آماری محاسبه شده و سپس به گزينش ويژگی هايي می پردازيم که قدرت دسته بندی بيشتری داشته باشند . نتايج آزمايشی نشان می دهند، تعداد کمی از اين ويژگی ها قادرند پيچيدگی محاسباتی را کاهش و دقت دسته بندی را افزايش دهند.

طبقه بندی خودکار متون از موارد کاربرد الگوریتمهای یادگیری ماشینی در مبحث بازیابی اطلاعات میباشد. در این مقاله نیز نتایج طبقه بندی خودکار متون فارسی با استفاده از معیارهای شاخص گذاری -gram ٤-gram٣ و کلمه ارائه شدهاست . در ضمن نتایج در دو حالت با حذف stop word و بدون حذف stop word های متون نیز مقایسه شدهاند. به منظور دستهبندی متون از الگوریتم یادگیری ماشینی نزدیکترین k همسایه (knn) استفاده شده است و در نهایت به منظور ارزیابی و مقایسه نتایج، دو معیار دقت و یادآوری برای هر روش شاخصگذاری نیز محاسبه شدهاند. نتایج بدست آمده نشان داد که بهترین روش شاخصگذاری متون فارسی -gram ٤ میباشد و حذف stop word ها نتایج را اندکی بهبود میبخشد.

یادگیری الکترونیکی روشی برای ایجاد سیستم آموزشی انعطاف پذیر منطبق بر سطح دانش یادگیر در هر زمان و هر مکان است. شخصی سازی، یکی از مفاهیم کلیدی در جریان آموزش و پرورش است. بر این اساس یادگیری الکترونیکی باید متمرکز روی شخص گرا بودن فرایند یادگیری شود تا به نتیجه مطلوب در یادگیری برسد. همچنین ضرورت تشریک مساعی و تعامل در محیط های یادگیری الکترونیکی امری بدیهی و لازم است. در این مقاله روشی جهت بهبود شخص گرا بودن فرایند یادگیری ارائه شده است. روش پیشنهادی ارائه ی محیطی مبتنی بر تطبیق دانش (محتوای آموزشی) بر اساس توسعه مهارت و صلاحیت یادگیر در یادگیری الکترونیکی مطرح شده است. که با تفکیک مهارت ها به دو بخش "لازمه" و "آموختن"؛ امکان یادگیری در محیط توزیع شده، منطبق بر شرایط یادگیر فراهم می شود. همچمنین برای پیاده سازی محیط یادگیری متحرک، از تکنولوژی عامل سیار استفاده شده است.

منابع اطلاعاتي زيادي براي سيستم هاي بازشناسي انسان وجود دارد. گوش كلاسي جديد از زيست سنجي پايدار است كه درمقايسه با بازشناسي چهره، با تغيير حالات و آرايش چهره و وجود عينك تحت تأثير قرار نمي گيرد و از دوران كودكي تا پيري بدون تغيير باقي مي ماند. در بيشتر تكنيك هاي موجود در ساير حوزه هاي زيست شناختي PCA براي بازشناسي گوش اعمال مي شود. گوش هاي ويژه تنها در شرايط كاملاً كنترل شده به نرخ بازشناسي بالايي منجر مي شوند. در واقع، ميزان اندكي چرخش كه در سيستم ها اجتناب ناپذير مي باشد باعث تنزل در عملكرد سيستم خواهد شد. اخيراً روشي كه از توصيف كننده نامتغير با چرخش به نام GFD توصيف گر فوريه ) عمومي) براي بازشناسي استفاده مي كند، ارائه شده است. در اين مقاله روشي كه از يك فرم تغيير يافته DCT براي استخراج ويژگي هاي مهم از تصوير گوش استفاده مي كند، پيشنهاد شده و با اعمال طبقه بندهاي SVM و شبكه هاي عصبي RBF و KNN با دو روش ديگر مورد مقايسه قرار گرفته است. نتايج نشان مي دهد كه دو روش مبتني بر DCT و GFD و در مقايسه با روش مبتني بر PCA نسبت به تغييرات نور و روشنايي پايداري بيشتري داشته و روش ارائه شده با استفاده از فرم تغيير يافته DCT به نرخ بازشناسي بالاتري نسبت به اين دو روش در شرايط غير ثابت و ناپايدار منجر مي شود. همچنين استفاده از طبقه بند SVM نسبت به ساير طبقه بندها نرخ بازشناسي بالاتري را نتيجه مي دهد.

اين مقاله به بررسي و مقايسهي چهار كدكنندهي مجدد (Re-encoder) مختلف جهت كدكردن ضرايب حاصل از تبديل بسته موجك سيگنالهاي صوتي و صحبت باند وسيع كه با استفاده از خواص روان شنيداري چندي شدهاند، ميپردازد. اين كدكنندههاي مجدد به شرح زير از هم متمايزند: 1- كدگذاري با استفاده از درختهاي صفر درونكار -2 كدگذاري با تعريف زيرمجموعههايي در درخت - (EZW) هاي ترتيبي (SPIHT) كدگذاري هافمن با استفاده از جداول JPEG و 4- كدگذاري هافمن با استفاده از جداول حاصل از آمار استخراج شده از فايلهاي صوتي. چون روشهاي 1و 2 مختص فشرده - سازي تصوير طراحي شدهاند، ايدههايي جهت بهبود عملكرد آنها براي سيگنالهاي صوتي معرفي و پياده ميشود. در نهايت عملكرد اين چهار كدكنندهي مجدد از نظر ميزان نرخ بيت، زمان انجام محاسبات و مزايا و معايب هركدام نسبت به ديگري با هم مقايسه ميشوند. نتايج حاصل حاكي از آن است كه روش چهارم از لحاظ نرخ بيت و سرعت نسبت به ساير موارد برتري دارد اما به دليل عدم توانايي در توليد نرخ بيت خروجي ثابت، امكان انطباق با كانالهاي با ظرفيت ثابت را فراهم نمي- كند .

در سالهاي اخير تکنيک هاي شکل دهي پرتو وفقي به منظور افزايش کيفيت تصاوير اولتراسوند بکار گرفته شده ان د. اين روشها به جهت استفاده از اطلاعات محيط و به روز کردن وزنهاي اعمالي به المانهاي آرايه به صورت لحظه به لحظه، موفقيت زيادي در بهبود رزولوشن تصاوير اولتراسوند داشته اند. ولي اين افزايش رزولوشن به بهاي کاهش کنتراست تصاوير اولتراسوند نسبت به روشهاي غير وفقي بدست مي آيد. در اين مقاله روشي جديد براي افزايش کنتراست و کاهش دامنه لوبهاي کناري شکل دهنده هاي پرتو وفقي ارائه داده اي م. در اين روش از وزندهي وفقي ضريب همگني سيگنال هاي آرايه اي دريافت شده توسط آرايه اولتراسوند بهره برده ايم. کارايي بسيار خوب روش ارائه شده در افزايش کنتراست و کاهش لوبهاي کناري نسبت به روشهاي شکل دهي پرتو وفقي و غير وفقي موجود توسط مثالهاي شبيه سازي شده و همچنين ديتاهاي تجربي نشان داده شده است.

در اين مقاله يك ايدة جديد براي آشكارسازي مبتني بر حركت خودرو در تصاوير ويدئويي دوربين متحرك با استفاده از شار نوري متراكم و شبكة عصبي ارائه گرديده است . روش فوق بر اساس شناسايي نقاط ويژگي متعلق به خودرو در دو تك تصوير و يدئويي است . بدين منظور، ابتدا يك الگوريتم براي محاسبة شار نوري نقاط ويژگي كل تصوير ارائه نموده ايم. سپس به كمك يك طبقه بند شبكة عصبي ، شارهاي نوري تصوير به دو كلاس طبقه بندي مي گردند. در مرحله نهايي براي آشكارسازي ناحية وسيلة نقليه، مدل كلي حركت خودرو با يك الگوريتم پس پردازش تخمين زده شده است . در آموزش و آزمايش طبقهبند از 135 خودرو استفاده گرديد كه بوسيلة 100 جفت تك - تصوير ويدئويي آموزش داده شد و ب ا 35 نمونه ديگر مورد آزمايش قرار گرفت. روش پيشنهادي به نوع حركت دوربين تقريباً غير حساس مي - باشد و در كاربردهاي دوربين ثابت و متحرك عملكرد مناسبي دارد . نتايج پياده سازي حاكي از دقت بالاي روش پيشنهادي در آشكارسازي خودرو ميباشد.

مساله تجميع داده در شبكه هاي حسگر بي سيم به طوريكه حداقل انرژي مصرف شود از موضوعات حائز اهميت مي باشد . در بيشتر مدل هاي خوشه بندي ، تجميع داده در گره سرخوشه انجام مي گيرد . در الگوريتم پيشنهادي تجميع داده قبل از فرستادن داده به گره سرخوشه و به طور مجزا توسط هر گره انجام مي گيرد . به دليل وجود همبستگي مكاني ميان دادههاي گره هاي همسايه ، داده حس شده توسط هر گره با داده گره سرخوشه مقايسه خواهد شد و پس از حذف افزونگي، داده كد شده به گره سرخوشه ارسال مي شود . در اين مقاله الگوريتم پيشنهادي با الگوريتم شناخته شده LEACH مقايسه ميشود. نتايج نشان مي دهند كه الگوريتم ارائه شده در محيط هاي داراي همبستگي داده اي بالا ، بهبود موثري در مصرف انرژي در مقايسه با LEACH دارد، حال آنكه در محيط هايي با همبستگي اندك ميان داده ها اين دو الگوريتم تقريبا همانند يكديگر عمل مي كند.

در اين مقاله يك الگوريتم ژنتيك وفقي بهبود يافته، براي حل مسئله فروشنده دوره گرد (TSP) پيشنهاد شده است. الگوريتم ژنتيك پيشنهادي، با بكارگيري تابع سيگموئيد بهبوديافته براي الگوريتم ژنتيك وفقي به همراه دو عملگر جديد اكتشافي ادغام و جهش، بدست آمده است. در الگوريتم ژنتيك وفقي بهبود يافته براي مسئله فروشنده دوره گرد، برازندگي الگوريتم، مسافت طي شده، در نظرگرفته شده است . در اين الگوريتم، احتمال جهش و ادغام، به صورت وفقي و غي ر خط ي با مسافت طي شده، تنظيم شده است كه مي تواند از مشكلا تي از قبي ل همگرايي زودرس، همگرايي كند و همگرايي با پاي داري كم جلوگ يري كند. نتايج آزمايشات نشان مي دهند كه الگوريتم ژنتيك پيشنهاد ي به آساني در بهينه هاي محلي قرار نمي گيرد و از طرفي از سرعت خوبي در همگرايي به جواب جامع برخوردار است . علاوه بر ا ي ن، پي اده ساز ي الگوريتم پيشنهادي، از پيچيدگي برخوردار نمي باشد.