اساساً الگوریتم‌های جذر را می‌توان به دو مجموعه اصلی تقسیم کرد: روش‌های «تکراری » و روش‌های «تقریبی با توابع حقیقی ». الگوریتم‌های تکراری راه حل‌های کندتر اما دقیق‌تری را نسبت به الگوریتم‌های تقریبی پیشنهاد می‌کنند. یکی از عیب‌های روش‌های تقریبی استفاده ازLUT برای بدست آوردن یک تقریب اولیه می‌باشد. از آنجا که سربار سخت افزاری این جداول بسیار زیاد است، در این مقاله، راه حل‌هایی برای بدست آوردن تقریب اولیه پیشنهاد شده است. در این زمینه دو روش ارائه می‌شود که با استفاده ازHybrid Multiple Expert System ، یعنی ترکیب چند روش جذر با ترتیب خاص، کارایی مدارات محاسبه جذر بهبود بخشیده می‌شوند.

حرکت جمعی ذرات یک تکنیک بهینه‌سازی است که بر اساس قوانین احتمال کار می‌کند و از حرکت گروهی پرندگان و ماهی‌ها هنگامی که دنبال غذا می‌گردند، الهام گرفته شده است. در این روش هر یک از ذرات سعی می کنند به سمتی حرکت کنند که بهترین تجربه‌های شخصی و گروهی در آن نقاط روی داده است. مشکل اصلی این مدل که در بسیاری از مسائل، به خصوص مسائل چند قله‌ای بروز می‌کند، مسأله گیر افتادن در بهینه‌های محلی است. در این مقاله یک مدل جدید بر اساس PSO به نام پیشنهاد PSO-LA می‌شود که در آن از یک اتوماتای یادگیر برای تنظیم رفتار ذرات و برقراری موازنه بین جستجوی سراسری و جستجوی محلی استفاده می‌شود. نتایج آزمایشات بر روی مسائل نمونه نشان داده‌اند که روش ارائه شده از عملکرد بهتری در مقایسه با مدل PSO استاندارد برخوردار است.

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.

کشف و استخراج رابطه‌های بین مقادیر خصیصه‌ها در بانک‌های اطلاعات رابطه‌ای که از آن‌ها با عنوان وابستگی‌های تابعی یاد می‌کنیم، یک مقوله مهم در داده‌کاوی و اخذ دانش است. تا کنون روش‌های بسیاری برای کشف وابستگی‌های تابعی کلاسیک و تقریبی ارائه شده‌اند. اما حتی بهینه‌ترین این روش‌ها هم کارایی قابل قبولی برای مجموعه داده‌های بسیار حجیم ندارند. به علاوه، اغلب روش‌های پیشنهاد شده، داده‌های بانک اطلاعات را ثابت فرض می‌کنند و در نتیجه، با افزوده شدن داده‌های جدید به بانک اطلاعاتی، پیمایش مجدد کل داده‌ها جهت کشف وابستگی‌های جدید لازم می‌شود. در این مقاله، ما یک روش افزایشی جدید به نامAD-Miner برای کشف وابستگی‌های تابعی تقریبی ارائه می‌دهیم. بخش عمده کار ما بر پایه عملگرهای منطقی است. در این روش، به هنگام اضافه شدن تعدادی تاپل به یک رابطه، نیازی به پیمایش کل داده‌ها نمی‌باشد و کافی است داده‌های افزوده شده پیمایش شوند. نتایج آزمایش‌های ما بر روی داده‌ای واقعی و ساختگی نشان می‌دهند که الگوریتم ما از کاراترین الگوریتم های افزایشی و غیرافزایشی موجود در زمینه کشف وابستگی‌های تابعی کاراتر است. مزیت دیگر روش ما نسبت به سایر روش‌ها نشان دادن تاپل‌هایی است که از یک وابستگی تبعیت نمی‌کنند. این ویژگی مهم می‌تواند جهت کشف داده‌های ناسازگار در یک مجموعه داده مورد استفاده قرار گیرد.

در اکثر روش‌های خوشه‌بندی فرض می‌شود که تعداد دقیق خوشه‌ها در آغاز مشخص است، که البته این فرض در بیشتر مواقع صحت ندارد. در ردیابی و خوشه‌بندی گفتار مبتنی بر گوینده عمدتاً ما اطلاعی از تعداد دقیق گوینده‌ها در قطعه گفتاری نداریم. در این مقاله روشی مبتنی بر الگوریتم خوشه‌بندی کلونی مورچه‌ها به منظور تعیین تعداد گویندگان در یک فایل گفتاری و خوشه‌بندی قطعات مربوط با هر یک از گویندگان پیشنهاد شده است. الگوریتم کلونی مورچه‌ها یک الگوریتم شبه تصادفی است که قادر به تخمین تعداد خوشه‌های مناسب برای یک مجموعه از داده‌های ورودی می‌باشد. در روشی که در این مقاله پیشنهاد می‌گردد، در ابتدا به کمک الگوریتم مورچه‌ها یک خوشه‌بندی اولیه از قطعات گفتاری ایجاد می‌شود و تعداد گویندگان موجود در گفتار تخمین زده می‌شود. سپس با استفاده از روش‌های خوشه‌بندی متداول، خوشه‌بندی قطعات گفتاری انجام می‌گردد. همچنین در این مقاله روشی پیشنهاد می‌شود که با کمک آنها بتوان تعداد تخمین زده شده از گویندگان را به مقدار صحیح نزدیک‌تر نمود.

استفاده از فراخوا‌‌نی‌های غیرهمزمان یکی از روش‌های مرسوم برای ایجاد همروندی جهت تسریع اجرای برنامه‌های توزیع شده می‌باشد. اما این همروندی اغلب تا حداکثر مقدار ممکن ایجاد نمی‌گردد. در واقع، وابستگی دستورات بعد از فراخوانی‌های غیر همزمان به مقادیر تاثیرپذیر از فراخوانی‌ها، موجب کاهش همروندی در اجرای همزمان دو تابع فراخواننده و فراخوانده شده می‌شود. در این مقاله نشان داده شده که برای افزایش میزان همروندی می‌توان دستورات را به گونه‌ای جابجا کرد که دستوراتی که از مقادیر توابع غیر همزمان استفاده می‌کنند تا حد امکان از محل فراخوانی تابع دور شوند. بدین ترتیب همانطور که در عمل نشان داده‌ایم، این جابجایی دستورالعمل‌ها موجب افزایش قابل توجهی در میزان همروندی و بالنتیجه سرعت اجرای برنامه شده است.

با توجه به رشد سریع مجموعه‌های بزرگ تصاویر دیجیتال، و پاسخگو نبودن سیستم‌های اندیس گذاری متنی تصاویر در بازیابی کارای محتوای تصویر، بیش از یک دهه است که سیستم‌های بازیابی تصویر بر اساس محتوا ١ شکل گرفته است. در این سیستم‌ها، ویژگی‌های اولیه تصویر چون رنگ، بافت، شکل، و موقعیت مکانی به شکل اتوماتیک استخراج شده و به عنوان بردار ویژگی جهت مقایسه تصاویر، در پایگاه داده‌ای نگهداری می‌شوند. استفاده از ویژگی رنگ، بعنوان یکی از اساسی‌ترین ویژگی‌های اولیه تصویر، کاربرد بسیار گسترده‌ای در کلیه سیستم‌های بازیابی تصویر داشته و اکثراً این سیستم‌ها با تلفیق جستجوهای مبتنی بر رنگ، بافت، شکل و همچنین موقعیت مکانی، نتایج نهایی را بازیابی می‌کنند. در این مقاله سیستم بازیابی تصویر مبتنی بر رنگ با استفاده از دو تکنیک هیستوگرام رنگ و رشته بیت دودویی امضا پیاده سازی شده است. نتایج ارزیابی عملکرد این دو روش نشان می‌دهد که روش دوم نتایجی به مراتب بهتر از هیستوگرام رنگ خواهد داشت.

نقش رنگ در بسیاری از کارهای بازرسی غیر قابل انکار می‌باشد. با این وجود، در بعضی کارها، آنالیز بافت به دلایل وجود رنگ‌های غیرمفید یا سطوح غیررنگی الزامی می‌باشد. در اغلب کاربردهای بازرسی سطوح، برای بدست آوردن یک دقت خوب باید مشخصه‌های رنگ و بافت را با همدیگر ترکیب کرد. در همین حال پیچیدگی زمانی روش‌ها باید تا حد ممکن پایین باشد. در این مقاله روشی جدید برای ترکیب ویژگی‌های بافتی و رنگی در کاربردهای بازرسی سطوح ارائه می‌کنیم. ما یک فضای رنگی جدید معرفی خواهیم کرد و ویژگی‌های بدست آمده از آن را با ویژگی‌های بافتی که با استفاده از یک الگوریتم جدید مبتنی برLBP بدست می‌آوریم ترکیب خواهیم نمود. برای کلاس‌بندی تصاویر نیز از شبکه‌های عصبی مصنوعی استفاده می‌کنیم. ما همچنین از یک روش کلاس‌بندی اولیه/ثانویه برای ترکیب ویژگی‌های بافتی و رنگی استفاده می‌کنیم. نتایج روش‌ها با اعمال آنها برای تشخیص خرابی در سطوح فولاد توضیح داده خواهد شد.

در این مقاله یک ساختمان داده یگانی براي نمایش طرح‌هاي انتقال ثبات ارائه می‌گردد. در حال حاضر نمایش یگانی و مبتنی بر گرافی به نام دیاگرام بسط تیلور وجود دارد. اگرچه می‌توان دیاگرام بسط تیلور را براي نمایش بهینه عبارات جبري در سطح کلمه به کار گرفت، اما آنها در نمایش عبارات بولی سطح بیت بهینه نمی‌باشند. همچنین دیاگرام بسط تیلور نمی‌تواند عبارات بولی در سطح کلمه (بردار) را نمایش دهد. در این مقاله تغییراتی به دیاگرام بسط تیلور اعمال می‌گردد که قابلیت نمایش سطح بیت آن‌ را افزایش می‌دهد و همزمان قابلیت نمایش عبارات بولی در سطح کلمه را به آن اضافه می‌کند.

انگیزه گرید محاسباتی، مجتمع کردن منابع توزیع شده ناهمگون جهت حل مسائل پیچیده علمی، صنعتی و تجاری است. جهت رسیدن به این هدف یک سیستم زمان‌بندی کارآمد به عنوان یک بخش حیاتی برای گرید لازم است. متاسفانه پویایی و ناهمگونی منابع گرید باعث پیچیدگی زمان‌بندی وظایف می‌شوند. بعلاوه با معرفی مدل اقتصادی گرید، علاوه بر زمان اتمام کار، هزینه اجرای کار نیز به نگرانی‌های کاربران اضافه شد. اکثر سیستم‌های زمان‌بندی موجود در محیط گرید، زمان اتمام و هزینه اجرای کارها را به صورت مجزا بهینه می‌کنند. در این مقاله یک سیستم زمان‌بندی ارائه شده که به کاربر اجازه می‌دهد اهمیت زمان اتمام و اهمیت هزینه اجرای کارهایش را به صورت "وزن زمان" و "وزن هزینه" مشخص کند. بر اساس این دو وزن یک تابع هدف وزن‌دار و دو متغیره برای زمان‌بند ارائه شده است. زمان‌بند پیشنهادی از الگوریتم SA) Simulated annealing ) برای بهینه‌سازی انتصاب وظایف به منابع بهره گرفته است. در استفاده ازSA زمان و هزینه به همراه وزنشان در نظر گرفته شده‌اند. ما نشان دادیم زمان‌بند SA ، زمان‌بندی بهینه‌تری ایجاد می‌کند.

هدف الگوریتم‌های یادگیری افزایشی در شبكه‌های چند لایه پرسپترونی، حفظ نتایج فازهای آموزشی قبلی و بهبود عملكرد شبكه با آموزش انحصاری آن بر روی نمونه‌های جدید است. الگوریتم‌هایی كه تاكنون برای یادگیری افزایشی در یك شبكه چند لایه پرسپترونی پیشنهاد شده‌اند قابلیت تعریف كلاس‌های جدید را در اختیار نمی‌گذارند. در این مقاله الگوریتمی برای یادگیری افزایشی در شبكه‌های چند لایه پرسپترونی مورد بررسی قرار می‌گیرد كه این نقطه ضعف را رفع كرده است. این الگوریتم از تركیب افزایشی تعدادی شبكه یادگیر ضعیف كه هریك مربوط به تعدادی از نمونه‌های آموزشی است كه در طول زمان به سیستم ارائه شده اند، یك شبكه یادگیر قوی می‌سازند و قابلیت پذیرش كلاس‌های جدید معرفی شده توسط نمونه‌های تازه وارد را نیز دارا می‌باشند. در اینجا تاثیر پارامترهای مختلف بر میزان كارایی الگوریتم مورد بررسی قرار گرفته و بوسیله نتایج بدست آمده، عملكرد الگوریتم مورد تحلیل قرار خواهد گرفت. به علاوه سه راه برای بهبود عملكرد چنین الگوریتمی پیشنهاد شده است. نتایج حاصل از پیاده سازی‌های صورت گرفته، حاكی از موفقیت این روش‌ها در بهبود عملكرد الگوریتم نسبت به نسخه اصلی می‌باشد تا جایی كه استفاده همزمان از این روش‌ها منجر به كاهش پنجاه درصدی خطا نسبت به نسخه اصلی الگوریتم گردیده است.

سیستم‌های بهبود گفتار مبتنی بر موجک موفقیت خود را در عمل نشان داده اند، با استفاده از این سیستم‌ها سیگنال صوتی در هر یک از دو حوزه زمان و فرکانس با رزولوشن دلخواه تجزیه می‌گردد. سپس با استفاده از آستانه گذاری یا روش‌های فیلتر کردن اجزا سیگنال بهبود یافته بازسازی می‌گردد. در مقاله حاضر یک چارچوب مناسب برای حذف نویز با استفاده از تبدیل موجک پیشنهاد شده است که در آن پیچیدگی محاسباتی با استفاده از روش WOLA محدود شده است. نتایج بهبود گفتار و ارزیابی تعداد محاسبات، نشان می‌دهند که بکارگیری بانک فیلترWOLA نه تنها سبب کاهش محاسبات سیستم حذف نویز مبتنی بر موجک می‌گردد، بلکه کیفیت سیگنال بهبود یافته را نیز به خوبی حفظ می‌کند. درصد کاهش محاسبات با توجه به طول فریم ورودی سیستم کاهش نویز مابین ۲۶ % تا ۴۲ % می‌باشد.

سیستم‌های نهفته قابل بازپیکربندی بصورت پویا از پردازنده‌های همه منظوره و آرایه‌های منطقی قابل برنامه‌ریزی تشکیل شده‌اند، بطوریکه آرایه‌های منطقی قابل برنامه‌ریزی می‌توانند در زمان اجرا بازپیکربندی شوند و باعث کاهش هزینه گردند [ 1]. بعلت قابلیت بازپیکربندی بصورت پویا، مجازی‌سازی منابع امری شدنی است و یک راه حل جالب برای ذخیره فضای سیلیکان بشمار می‌رود. این مقاله یک الگوریتم افراز زمانی برای تقسیم‌بندی گراف‌های جریان داده برای سیستم‌های نهفته قابل بازپیکربندی بصورت پویا ارائه می‌کند. این الگوریتم بر اساس توسعه الگوریتم زمان‌بندی لیست ایستا به یک نمونه پویا، با در نظر گرفتن تابع هزینه جدید است. گره‌ها بایستی به داخل یک تکه بر اساس تابع هزینه‌ای که بطور پویا بعد از هر نگاشت محاسبه می‌شود، قرارگیرند. تابع هزینه برای هر گره با در نظرگرفتن وابستگی به تکه جاری، طول مسیر بحرانی و تعداد ارتباط‌های آن با سایر گره‌ها محاسبه می‌شود. نگاشت گره‌ها به یک تکه بر اساس رابطه وابستگی به تکه جاری، منجرمی‌شود تا گره‌های بیشتری با وابستگی بیشتر به تکه جاری اضافه شوند. بنابراین هزینه ارتبا ط کمتر، بهره‌وری از فضای افزاره بیشتر و زمان اجرای هر تکه با توجه به طول مسیر بحرانی کاهش می‌یابد.

کارآیی شبکه‌های مستقیم با سوئیچینگPCS تحت الگوی ترافیک یکنواخت در سال‌های اخیر بررسی شده است. اما فرض یکنواخت بودن ترافیک همیشه برقرار نیست؛ زیرا در عمل بسیاری از کاربردهای موازی وجود دارند که رفتاری غیر یکنواخت را از خویش به نمایش می‌گذارند. در این مقاله ما، در شبکه‌های توری مدور، تعداد بهینه‌ی کانال‌های مجازی را تحت الگوهای توزیع ترافیکی یکنواخت و غیر یکنواخت آدرس مقصد پیام‌های تولیدی بررسی کرده‌ایم. این بررسی از آن رو سودمند است که می‌تواند به برآورد مناسبی از عوامل هزینه کارآیی برای تعداد مختلفی از کانال‌های مجازی در هر کانال فیزیکی منجر گردد. نتایج حاصل از شبیه سازی‌ها نشان می‌دهند که گزینش بهترین تعداد کانال‌های مجازی، وابستگی زیادی به چندین پارامتر، به ویژه الگوی ترافیکی به‌کار رفته در شبکه دارد.

مطالعات نشان داده است که بعد فرکتالی از ویژگی‌های مناسب برای توصیف خصوصیات بافت و تمایز آن‌ها از یکدیگر است. در این مقاله الگوریتم جدیدی برای تخمین بعد فرکتالی براساس تقسیم درخت‌های چهارتایی ارائه شده است. در روش پیشنهادی تصویر سطح خاکستری به صورت یک سطح سه بعدی در نظر گرفته می‌شود، که بعد فرکتالی آن با تجزیه سطح تصویر به بلوك‌های درخت چهارتایی حساب می‌گردد. با این روش مقادیر حساب شده بعد فرکتالی برای بافت‌های مختلف از تمایز خوبی برخوردار بوده كه منتج به قطعه‌بندی بافت‌ها با خطایی پایین می‌گردد. این الگوریتم در مقایسه با روش‌های قبلی کارآیی بهتری را در ایجاد تمایز مابین بافت‌ها به ویژه در مواردی که بافت‌های مورد بررسی تباین‌های متفاوتی دارند، فراهم می‌کند.

فرآیند تبدیل مستندات آنالوگ به دیجیتالA/D) ) یکی از فرآیندهای مهمی است که در سازمان‌ها و شرکت‌هایی که با آن درگیر هستند برای ایجاد کتابخانه دیجیتال مورد استفاده قرار می‌گیرد. برای طراحی دقیق این فرآیند نیاز به استفاده از فنون مدل‌سازی و تحلیل سیستم‌ها است. با استفاده از فنون مدل‌سازی می‌توان فرآیند تبدیل مستندات آنالوگ به دیجیتال را به شکلی ارائه نمود که قابلیت تحلیل و اعتبارسنجی ساختارها و رفتارهای آن فراهم شود. به عنوان یک مطالعه موردی، بخش پیش پردازش کتابخانهPPL)) فرآیند تبدیل مستندات آنالوگ به دیجیتال در کتابخانه ملی ایران با استفاده از شبکه‌های پتری تصادفی تعمیم یافته (GSPNs) و با بهره‌گیری از ابزارSHARPE مدل‌سازی و تحلیل شده است. هدف از این تحقیق، رسیدن به مطلوب‌ترین و بهینه‌ترین زمان‌بندی و برنامه‌ریزی در سیستم است تا در نتیجه آن بره‌وری بالای منابع مختلف سیستمPPL حاصل شود. نتایج تحلیل، به عنوان بازخورد برای اصلاح فرآیند، به‌نحوی که دارای کارایی بالاتری باشد، قابل استفاده است.

در این مقاله روش جدیدی بر مبنایAdaBoost در زمینه سیستم‌های مولتی مودال بیومتریک ارائه می‌گردد. AdaBoost برای غلبه بر مشکل محدودیت داده‌های آموزشی در سیستم‌های تک ساختاری بکار می‌رود که از ترکیب شبکه‌های عصبی مختلفی با نام "آموزش یافته‌های ضعیف" تشکیل می‌گردد. ساده‌ترین شبکه عصبی یعنی یک نرون تنها، نقش آموزش یافته‌های ضعیف را دارا می‌باشد. آزمایشات متعددی با تعداد تکرارها و ورودی‌های متفاوت در این مقاله صورت پذیرفته است. نتایج بدست آمده از ساختار چندگانه AdaBoost در قیاس با ساختارهای یگانه نتایج بهتری را ارائه می‌دهد. در مطالعه ساختار ابتدایی soft AdaBoost ، طبق انتظار، نتایج حاصل به قوت نتایج بدست آمده از سیستمAdaBoost حاشیه سخت نمی‌باشد. علت گرایش به سمت حاشیه نرم، حساسیت کمتر آن نسبت به نویز در قیاس با ساختار حاشیه سختAdaBoost می‌باشد. همچنین نتایج نهایی وابسته به مقدار اختیار شده برای ضریب ایجاد حاشیه نرم (c) می‌باشد که اثر افزایشC در کاهش خطا به صورت تقریباً نمایی ملاحظه شده است.

در این مقاله، روش جدیدی برای بهینه سازی سراسری توابع با متغیرهای پیوسته معرفی شده است. در این روش، جستجو در فضای ورودی از طریق انجام جستجوهای متوالی و متناوب بر روی صفحات حاصل از انتخاب دو بعد از فضای ورودی انجام می شود. در هرصفحه جستجو، تعدادی نقطه بر روی شبكه ای منظم قرار داده می شود و طی رویه ای تکراری، هر نقطه با توجه به مقادیر تابع در یکی از نقاط همسایه اش تحت تأثیر مجموعه‌ای از قوانین جذب و دفع قرار می‌گیرد. در پایان الگوریتم نیز، با انجام جستجوی محلی با استفاده از روش نلدر- مید نقطه بهینه مشخص می‌گردد. روش ارائه شده با بیش از ۲۰ نوع تابع آزمون استاندارد، بصورت موفقیت آمیز مورد آزمایش قرار گرفته است. نتایج آزمایشات انجام شده نشان می‌دهند که، از مزایای این كار نسبت به كارهای مشابه، قابلیت روش ارائه شده دریافتن نقاط بهینه سراسری در توابع با ابعاد بالا (بیش از ۳۰ بعد) است.

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.

با افزایش تعداد و حجم سندهایXML اهمیت پردازش بهینه پرس و جوهایXML بیشتر به چشم می‌خورد. پرس و جوهایXML شامل مجموعه‌ای از المان‌هایی هستند كه تحت یك ساختار درختی به هم مربوط می‌باشند. در نتیجه مسأله انطباق شاخه ای مابین پرس و جو و سند، به عنوان هسته مركزی پردازش پرس و جو مورد توجه است. روش‌های زیادی برای انطباق پرس و جوهای شاخه ای ارائه شده است ولی در تمامی این روش‌ها گره‌هائی كه در نتیجه نهایی نیز شركت ندارند، پردازش می‌شوند. این مسأله باعث پردازش بی ثمر گره‌ها و درنتیجه افزایش زمان پاسخگوئی به پرس و جو می‌شود. در این مقاله با ارائه ایده راهنمای تطبیق الگو، روش جدیدی برای پردازش پرس و جویXML مطرح شده است. در این روش تنها گره‌هائی پردازش می‌شوند كه حتما در جواب نهایی شركت دارند. راهنمای تطبیق الگو، رابطی مابین شما و محتوای سند است. راهنمای تطبیق الگو بر خلاف برخی از روش‌های انطباق شاخه‌ای می‌تواند با بسیاری از شاخص‌های فعلی به خوبی كار كند و به انواع پرس و جوها به طور كارا پاسخ دهد. كارایی این روش با استفاده از محكDBLP در مقایسه با روش‌های مطرح در این زمینه نشان داده شده است.