انجمن کامپیوتر ایران

در اين مقاله، روشي پيشنهاد شده است که با حملات اشکال در الگوريتم استاندارد رمزنگاري پيشرفته (AES) مقابله مي کند. اين روش با بکارگيري افزونگي هاي اطلاعاتي و زماني براي زيربخش هاي خطي و غيرخطي الگوريتم استاندارد رمزنگاري پيشرفته، هر يک از اين زيربخش ها را در برابر حمله اشکال محافظت مي کند. در روش پیشنهادی با استفاده از کدگذاري پريتي در موقعيت هاي بيتي که بيشترين قدرت تشخيص را فراهم مي آورند و تنها با استفاده از 8، 16 يا 32 بيت پريتي زيربخش هاي خطي الگوريتم رمزنگاري محافظت شده اند. همچنین از افزونگي زماني براي اجراي معکوس و محافظت زيربخش جانشاني بايت که يک عمل غيرخطي است استفاده شده است تا 100 درصد اشکالات رخ داده در اين زيربخش قابل تشخيص باشند. براي ارزيابي قدرت تشخيص روش پيشنهادي، الگوريتم رمزنگاري استاندارد پيشرفته را توسط زبان توصيف سخت افزار VHDL پياده سازي کرديم و با تزريق تصادفي گستره وسيعي از اشکالات گذراي چندگانه که مهم ترين مدل اشکال براي حملات اشکال هستند، ميزان تشخيص روش پيشنهادي را اندازه گيري کرديم. نتايج نشان دادند که روش پيشنهادي مي تواند بسته به اشکالات تزريق شده 4/99 تا 100 درصد از اشکالات تزريق شده را تشخيص دهد. مقايسه نتايج بدست آمده با ديگر روش هاي ارائه شده مشخص مي کند که روش پيشنهادي توانسته است تا 53 درصد از اشکال هاي کشف نشده توسط ساير روش ها را تشخيص دهد و بهبود بخشد.

گسترش رسانه های اجتماعی آنلاین و افزایش تمایل کاربران و مشتریان به انتشار عقاید و نظرات خود در محیط وب، فرصتی ارزشمند برای سازمان ها جهت بررسی تمایلات و ترجیحات مشتریان و همچنین ارزیابی شهرت نام های تجاری است. هدف اصلی در این پژوهش ارائه روشی نوین جهت سنجش و رتبه بندی شهرت نام های تجاری با استفاده از روش تحلیل احساسات در شبکه ی اجتماعی توییتر است. در این پژوهش استخراج و طبقه بندی نظرات و عقاید کاربران با بهره گیری از رویکردهای ترکیبی مبتنی بر لغت نامه، الگوریتم های یادگیری ماشین و نیز روش های پردازش زبان طبیعی انجام می گیرد. نتایج نشان می دهد الگوریتم های Naïve Bayes و Support Vector Machine با انتخاب ویژگی های Tri-grams و TF بهترین عملکرد را در میان مدل های مورد آزمون داشته اند. همچنین به کارگیری مقادیر مختلف پارامتر جریمه به منظور حل مشکل ماتریس پراکنده در داده های متنی کلان, سبب افزایش کارآیی در الگوریتم های مورد استفاده شده است. نوآوری اصلی این پژوهش به کارگیری روش خودکار تحلیل احساسات و استفاده از نظرات و عقاید کاربران در شبکه های اجتماعی جهت ارزیابی و طبقه بندی شهرت نام های تجاری است. همچنین ارتقای معیارهای ارزیابی طبقه بندی کننده ها در مقایسه با مدل های پیشین تحلیل احساسات و استفاده از مجموعه ای کارآمد از ویژگی ها، از جمله سایر دست آوردهای این تحقیق می باشد.

در شبکه های نظیر به نظیر غیرساخت یافته برخلاف شبکه های ساخت یافته ساختار شبکه از پیش مشخص نیست بنابراین محل قرارگیری گره ها کاملا مستقل از توپولوژی شبکه می باشد و گره ها اطلاعاتی در رابطه با وضعیت شبکه ندارند پس روشی که برای جستجو در این شبکه ها به کار می رود در بازدهی کل شبکه تاثیر زیادی دارد. در این مقاله برای بهبود جستجو در شبکه های نظیر به نظیر غیرساخت یافته، الگوریتم جستجوی آگاهانه ای مبتنی بر اتوماتای یادگیر مطرح شده است. این الگوریتم بر خلاف روش های قبلی جستجو در شبکه های نظیر به نظیر غیرساخت یافته، محتویات اشیا را در نظر می گیرد. روش پیشنهادی از نظر تعداد اشیا کشف شده به ازای هر درخواست و میزان سرباری که به شبکه تحمیل می کند با روش های K-walker random walk ،APS و DS مقایسه شده است. شبیه سازی ها نشان می دهند که روش پیشنهادی با توجه به دو معیار مطرح شده بهتر از روش های قبلی عمل می کند.

دسته‌بندی بسته، به‌عنوان یکی از وظایف کلیدی مسیریاب‌ها و دیواره‌های آتش نوین، با توجه به افزایش نرخ لینک و حجم ترافیک با چالش جدی در کارایی مواجه است. یکی از راه‌های افزایش کارایی الگوریتم‌های دسته‌بندی بسته‌، استفاده از پردازنده‌های چندهسته‌ای برای موازی‌سازی آن‌ها است. الگوریتم درخت سلسله‌مراتبی، یکی از الگوریتم‎های مهم در دسته بندی بسته ها بر اساس درخت تصمیم است. در این الگوریتم از آدرس IP مبدأ و آدرس IP مقصد برای ساختن درخت تصمیم گیری استفاده می‌شود. در این مقاله با استفاده از کتابخانه های موازی‌سازی Thread ،PPL،Open MP و TBB، الگوریتم درخت سلسله مراتبی را بر روی پردازنده‌های چندهسته‌ای پیاده سازی نموده ایم. نتایج ارزیابی این الگوریتم در همه بسترهای فوق الذکر و با مجموعه فیلترها و بسته های آزمون متنوع، حاکی از بهبود کارایی آن از نقطه‌نظر معیارهای مختلف نظیر گذرداد و تسریع می باشد. همچنین، نتایج نشان می دهد بیشترین گذرداد دسته بندی بسته ها در نسخه موازی شده با TBB و حدود 45/5 میلیون بسته در ثانیه است.

تا کنون راهکارهای زیادی برای ارتباطات بین سیستم‌های نرم افزاری مطرح گردیده که ترکیب سرویس‌ها یکی از این روش‌ها است. با توجه به رشد روز افزون و فراگیر معماری سرویس گرا و سیستم‌های تحت وب، انتخاب وب سرویس‌های مناسب و نحوه ترکیب آن‌ها مسئله‌ای حائز اهمیت است. بدیهی است که با توجه به نیازهای کنونی سیستم‌ها و اهمیت سرعت و دقت در جریان امور استفاده از عوامل هوشمند مورد نیاز بوده و کیفیت و بازدهی را به حداکثر می‌رساند. به همین دلیل مطالعه در مورد وب سرویس‌ها و ترکیب آن‌ها بر اساس عامل‌های هوشمند بسیار ضروری و مورد توجه می‌باشد. نظر به اهمیت در دسترس پذیری و پاسخ گویی بدون وقفه در سیستم‌های تحت وب، ایجاد چندین ترکیب بهینه می‌تواند مؤثر واقع ‌شود. بنابراین در این مقاله سعی بر آن گردیده است که روشی مناسب برای ترکیب سرویس‌های اتمیک بر مبنای عوامل با لحاظ نمودن پارامتر کیفیت سرویس به کار گرفته شود. این روش با استفاده از الگوریتم Top-k و ساختار موازی آن می‌تواند چندین راه حل مناسب به دست آورد تا در مواقع لزوم از قابلیت جایگزینی این راه حل‌ها به جای بهترین ترکیب استفاده نماید. همچنین فیلتر نمودن داده‌ها قبل از ایجاد ترکیب در داده‌هایی با مقیاس بزرگ، مجموعه سرویس‌های انتخابی را کاهش می‌دهد. بنابراین نتایج حاصل از تحلیل و ارزیابی روش پیشنهادی، بهینه سازی مطلوبی در زمان اجرا و مصرف حافظه نمایان می‌سازد.

اطلاعات در شبکه سلامت بطور قابل توجهی در حال افزایش است و ضرورت استفاده از روش ها و تکنولوژی های ارائه شده در کلان داده ها وجود دارد. با توجه به تنوع منابع داده ای در کلان داده ها، روش های موجود در یافتن شباهت بیماران دارای میزان درصد خطایی در ارائه نتایج است. هدف این مقاله، ارائه روشی مقیاس پذیر و گسترش پذیر، مبتنی بر نگاشت و کاهش است که می تواند تا حدود 99 درصد درستی نتایج را تضمین کند. روش پیشنهادی به کاربران کمک می کند تا شرایط مختلف را بر روی کلیه موجودیت ها در منابع داده مختلف اعمال کنند و نتایج را مشاهده نماید. ارزیابی ما نشان می دهد این روش با استفاده از طرح ستاره ای مبتنی بر انبار داده، در مقایسه با روش های مشابه، امکانات بهتری در پرس وجو ها به کاربر ارائه می کند.

آریتمی قلبی یکی از شایع ترین بیماری های ناشی از اختلال در فعالیت الکتریکی قلب است که منجر به نامنظم بودن ضربان قلب، کمتر و یا بیشتر از حد معمول می شود. انواع مختلفی از آریتمی ها از تغییرات پیش آمده در ریتم طبیعی قلب حاصل می شوند و سالانه تعداد بسیاری از افراد مبتلا جان خود را در اثر عوارض این بیماری از دست می دهند. از این جهت، تشخیص و شناسایی به هنگام و زودرس آریتمی ها باعث افزایش شانس نجات بیمار و درمان مؤثر آن خواهد بود. یکی از راه های بررسی عملکرد الکتریکی قلب، استفاده از نوار قلبی است که از ثبت فعالیت الکتریکی قلب بدست می آید. اين مقاله، با استخراج ویژگی های مؤثر از مجموعه داده های شامل اطلاعات بیماران و استفاده از روش های مختلف یادگیری ماشین سعی در تشخیص و دسته بندی آریتمی ها دارد. همچنین، با ترکیب الگوریتم های دسته بندی بررسی شده، روش جدیدی مبتنی بر ترکیب الگوریتم ها بصورت سلسله مراتبی، برای تشخیص نوع آریتمی ها، ارائه شده است. نتایج بدست آمده حاکی از افزایش دقت دسته بندی توسط روش ترکیبی پیشنهادی است.

از حافظه های نهان روی تراشه برای کاهش اختلاف سرعت پردازنده و حافظه اصلی و دسترسی هر چه سریعتر به عناصر حافظه استفاده می شود. در پردازنده ‏های امروزی، حافظه نهان بخش زیادی از مساحت کل تراشه را اشغال می کند و همچنین درصد قابل توجهی از توان مصرفی کلی تراشه را به خود اختصاص می دهد. به همین دلیل کم کردن توان مصرفی این واحد تاثیر قابل توجهی در توان مصرفی کل تراشه خواهد داشت. در این مقاله با ارائه معماری برچسب فشرده ‏شده سعی در کاهش توان مصرفی ناشی از ذخیره سازی و بازیابی برچسب را داریم. در این روش، با استفاده از یک بافر محلی و یک تکنیک ذخیره سازی، مکانیزم جدیدی از نگاشت برچسب در حافظه ی نهان معرفی شده است. ایده اصلی این طرح فشرده کردن بخش برچسب داده‏ هایی است که برچسب یکسانی دارند. در این مقاله نشان داده خواهد شد که وجود محلیت مکانی احتمال شباهت برچسب‏ ها در حافظه نهان را بالا می برد که می توان با سربار ناچیز سخت افزاری آنها را فشرده کرده و بهبودی حدود 30% در مصرف توان الکتریکی حافظه های نهان روی تراشه را بدست آورد.

در این مقاله، روشی مبتنی بر اطلاعات متقابل، برای تثبیت دو تصویر ارایه شده است. عموم روش های مبتنی بر اطلاعات متقابل، از یک سو از همبستگی بین پیکسل های تصویر چشم می پوشند و از این رو در برابر نویز تصویر حساس هستند و از سویی دیگر، اندازه ناحیه همپوشانیِ بین دو تصویر، بر صحت تثبیت تاثیر گذار است. در این مقاله، دو دیدگاه بلوکی و متناوب انگاری تصویر، به ترتیب برای در نظر گرفتن همبستگی های موجود بین پیکسل های همسایه و کاهش وابستگی الگوریتم به اندازه ناحیه هم پوشانی، مد نظر قرار گرفته اند. نتیجه شبیه سازی ها، نشان دهنده بهبود چشم گیری، به ویژه در عملکرد روش های مبتنی بر الگوریتم های تکاملی است.

در عصر کلان‏ داده، روز به روز بر محبوبیت سیستم‌های توصیه‏‌گر افزوده می‏شود. سیستم‏های توصیه‌گر برنامه‌هایی هستند که روش‌های کشف دانش را برای ایجاد توصیه های شخصی‌سازی شده، به کار می‌برند. سیستم‌های توصیه‌گر آگاه از اعتماد، از داده‌های شخصی کاربران و اطلاعات مربوط به اعتماد میان آن‌ها برای غلبه بر مشکلات روش‌های مبتنی بر پالایش گروهی استفاده می‌کنند. با این حال خیلی از سیستم‌های توصیه‌گر مقیاس‌پذیری لازم برای پردازش حجم عظیمی از داده‌ها را ندارند. بنابراین ما در این مقاله با انتخاب یکی از سیستم‌های توصیه‌گر مبتنی بر اجتماع و آگاه از اعتماد، یک سیستم توصیه‌گر مقیاس‌پذیر با استفاده از چارچوب پردازش موازی اسپارک ارائه می‌کنیم. در این سیستم دوستان بالقوه در شبکه بر اساس ترکیبی از مقادیر شباهت و اعتمادشان، به کاربر هدف پیشنهاد می‌شوند. آزمایش‌های انجام‌شده روی مجموعه‌ی داده‌ای Flixter نشان می‏دهد که الگوریتم ارائه شده دارای مقیاس‌پذیری بالایی است.

تشخيص نويسنده بر اساس متون دست‌نویس از زمینه‌هایی است که از قدیم متداول بوده و امروزه با توجه به گسترش هوش مصنوعی و پردازش تصویر، محققان سعی در ارتقا الگوریتم‌های اتوماتیک این کار دارند. با توجه به پیچیدگی‌های ساختاری زبان فارسی نسبت به سایر زبان‌ها از نظر فرم و تحریرهای موجود در دست نوشته، تشخیص هویت نویسنده بر اساس فرم دست خط در فارسی مطمئنا می‌تواند کارایی مناسب‌تر و در عین حال ویژگی‌های پیچیده‌تری داشته باشد. با توجه به کارهای اندک انجام شده در زمینه تشخیص نویسنده بر اساس دست نوشته در زبان فارسی، در این مقاله سعی شده بر اساس ویژگی های عمومی مبتنی بر گرادیان، یک مدل احتمالاتی برای هر نویسنده در هر گرافم برآورد شده و سپس کارایی مدل بدست آمده در تشخیص نویسنده بررسی شود. نتایج پیاده‌سازی روش پیشنهادی بر روی یک پایگاه داده نسبتا جامع فارسی، انطباق بسیار بالای مدل احتمالاتی پیشنهادی و دقت بسیار مناسب و سرعت بالای آن را در تشخیص نویسنده نشان می‌دهد.

بسیاری از کاربردهای پردازش زبان طبیعی مانند سیستم‌های پرسش و پاسخ، استخراج اطلاعات و خلاصه سازی متن با پدیده بیان معنای یکسان در قالب جملات متفاوت و بیان غیرمستقیم معنا در متون روبرو هستند. حوزه پژوهشی استلزامات متنی به شناسایی، استخراج یا تولید جملات قابل نتیجه گیری از متن اختصاص دارد. در این مقاله یک روش جدید برای شناسایی استلزامات متنی ( RTE) معرفی می‌گردد. در این روش رابطه استلزام متنی به صورت مسئله دسته بندی دوکلاسه در نظر گرفته شده و یک سیستم یادگیری ماشین با استفاده از ویژگی‌های معنایی برای حل آن آموزش داده شده است. این ویژگی‌ها به صورت عمده از بازنمایی معنایی زوج متن و فرضیه استخراج شده اند. نتایج ارزیابی نمایانگر عملکرد قابل قبول سیستم معنایی ارائه شده است که در آن مقدار 62 برای معیار f بر روی مجموعه ای ترکیبی از دادگان رقابت‌های RTE بدست آمده است. صرف نظر از این موضوع که سیستم پیشنهادی نسبت به سیستم‌های شرکت کننده در رقابت‌های RTE سال‌های مختلف عملکرد خوب و قابل قبولی ارائه نموده است، در مقایسه با سیستم پایه پیاده سازی شده که بر اساس یک معیار ترکیبی شباهت سنجی طراحی شده است، کارایی بهتری داشته است.

با توجه به گسترش روزافزون شبکه‌های کامپیوتری، نیاز به استفاده از روش‌های گوناگون و کارا برای مدیریت یکپارچه و متمرکز شبکه‌ها نیز افزایش می‌یابد. درواقع راه‌کاری که بتواند با هزینه معقول و مناسب و بر اساس شرایط مختلف، شبکه را مدیریت و کنترل نماید، مدنظر می‌باشد. شبکه‌های مبتنی بر نرم‌افزار یکی از راهکارهای ارائه شده براساس این نیاز می‌باشند که پیاده‌سازی این نوع شبکه‌ها بر اساس سخت افزارهای کمتر و افزایش روش‌های نرم‌افزاری میباشد. در این شبکه‌ها قسمت کنترل از قسمت ارسال یا انتقال داده مجزا شده و به صورت نرم‌افزاری طراحی و پیاده سازی می شوند. یکی از مسائل و چالش‌های اصلی در این نوع شبکه‌ها، کنترلرها و عملکرد آن‌ها برای کنترل سخت‌افزارها و مدیریت یکپارچه و بهینه شبکه میباشد. در این مقاله چالش مهم « پیچیدگی عملکرد کنترلرها» مورد بحث و بررسی قرارگرفته و با ارائه الگوریتمی جدید درصدد بهینه‌سازی عملکرد کنترلرها برآمده است. چالش پیچیدگی بر اساس نحوه برخورد کنترلر با جریانهای عبوری و مدیریت آن‌ها در نظر گرفته میشود. این جریانها به دو دسته عظیم و کوچک تقسیم میشوند که کنترلر وظیفه مدیریت این جریانها را بر اساس پهنای‌باند مورد نیاز هر جریان بر عهده دارد. در این مقاله الگوریتم ارائه‌شده اقدام به تشخیص نوع جریانها، تفکیک جریان‌ها در شبکه و مدیریت کارای آن‌ها برای مسیریابی مینماید. این الگوریتم در شبیهساز NS3 بر اساس توپولوژی مشخصی پیادهسازی شده و نتایج آن با نتایج کنترلرهای اصلی و بدون تغییر در این شبکه‌ها مقایسه شده است. نتایج نهایی حاصل از این مقایسه حاکی از بهبود عملکرد کنترلر با استفاده از روش ارائه‌شده نسبت به الگوریتم اصلی کنترلرها در شبکه‌های مبتنی بر نرم‌افزار میباشد. این بهبود شامل «بهبود گذردهی» روش ارائه شده بین 5 تا 8 درصد و «بهبود استفاده از مسیر» بین 6 تا 8 درصد نسبت به الگوریتم اصلی کنترلرها میباشد. علت این بازه بهبود به دلیل مقدار درصد خطای لحاظ شده در شبیهسازی و محاسبه میانگین مقادیر و نتایج به‌دست‌آمده در شبیهسازیهای متعدد میباشد.

با افزایش روزافزون حجم داده‌های موجود در اینترنت، پیدا کردن مطلب موردنظر دشوارتر می¬شود. اغلب کاربران دنبال روشی هستند که بتوانند با سرعت بالایی مطالب دلخواه خود را مشاهده کنند. با گسترش استفاده از شبکه‌های اجتماعی و به اشتراک گذاشتن مطالب در آن‌ها پیدا کردن مطالب موردعلاقه از بین سیل عظیم اطلاعات دشوار به نظر می¬رسد. وظیفه¬ی سیستم‌های توصیه¬گر، توصیه¬ی مطالب یا کالاهایی به کاربر است که احتمال می¬دهد مورد دلخواه او باشد. در این مقاله سعی می‎کنیم تا با استفاده از دانش پردازش زبان طبیعی، اطلاعات معناداری را از کامنت‎های کاربران در شبکه‎های اجتماعی ویدئویی استخراج کنیم و از این اطلاعات برای بهبود سیستم‎های توصیه‎گر این شبکه‎های اجتماعی استفاده کنیم. این اطلاعات را با استفاده از معیارهای شباهت و از شباهت بین کامنت‎های ویدئوها به‎دست می‎آوریم. نتایج به‎دست آمده نشان دهنده تاثیر مثبت استفاده از این روش در سیستم توصیه‎گر و وجود ارتباط مناسب بین محتوای کامنت‎های کاربران با محتوای ویدئوها است.

صرع شایع‌ترین اختلال عصبی است که افراد زیادی در سراسر جهان به آن مبتلا هستند. تشنج‌های مکرر و ناگهانی ناشی از صرع خطرناک هستند و ممکن است زندگی فرد را تهدید کنند، به همین دلیل پیاده‌سازی سیستم‌هایی که بتوانند وقوع تشنج را قبل از روی دادن آن پیش‌بینی کنند به بیماران صرعی کمک شایانی خواهد کرد. جهت تشخیص تشنج صرع، تجزیه و تحلیل الگوهای سیگنال EEG (Electroencephalogram) رویکردی بدون مداخله است. برای این تجزیه و تحلیل به منظور استخراج یک سری ویژگی از سیگنال EEG و بکارگیری در سیستم‌های خودکار پیش‌بینی تشنج، روش‌های مختلفی وجود دارد. در این مقاله تمرکز آزمایش‌ها بر روی آن است که آیا مجموعه ویژگی‌های انتروپی طیفی، بعد فراکتال هایوچی، مدل رگرسیو خودکار، و قدرت باند که در تشخیص بیماری اسکیزوفرنی صحت خوبی داشته‌اند (در کنار ویژگی‌های ساده‌ای مثل واریانس و ضریب همبستگی) در پیش بینی وقوع تشنج صرع هم خوب عمل می‌کنند؟ در این تحقیق به جای استفاده از مجموعه داده‌های مرسوم دانشگاه‌های بُن و فرایبورگ، از مجموعه جدیدتر در سایت کگل استفاده شده است. آزمایش‌ها نشان دادند که این ویژگی‌ها در شناسایی حمله صرع موثر بوده و بالاخص به صورت مجزا، ویژگی رگرسیو خودکار و در ترکیبات دوتایی، ترکیب رگرسیو خودکار با قدرت باند، و در ترکیبات سه تایی نیز ترکیب رگرسیو خودکار، قدرت باند و ضریب همبستگی بهترین نتایج را می‌دهند اما افزودن دیگر مجموعه ویژگی‌های فوق به این سه مجموعه سازگار نبوده و باعث کاهش صحت تشخیص می‌شوند.

تجهیزات الکتریکی و الکترونیکی بطور فزاینده‌ای به یک محصول اقتصادی و فردی از جامعه تبدیل شده‌اند. در نتیجه، حفاظت از سلامت انسان و محیط‌زیست از اثرات مضر مرتبط با حمل نامناسب و دفع چنین محصولات و تجهیزاتی، از چشم‌اندازهای چالش‌برانگیز در مدیریت شهری محسوب می‎‌گردد. مدیریت پایان عمر تجهیزات فناوری اطلاعات و ارتباطات به منظور حمایت از محیط‌زیست، حفظ تامین مواد اولیه و نیز لزوم توجه به پتانسیل اقتصادی فراوان چرخه بازیافت در اشتغال زایی و سودآوری، امری ضروریست که در کشورهای خاورمیانه نادیده گرفته شده است. در این تحقیق به بررسی روش‌های مختلف مدیریت هوشمند ضایعات الکترونیک در راستای توسعه استاندارها، بالا بردن سطح آگاهی و همکاری با صنعت فناوری اطلاعات و ارتباطات در جهت مقابله با مشکلات روبه رشد وابسته به ضایعات الکترونیکی پرداخته شده است. در همین راستا با معرفی و امکان سنجی پیاده سازی اینترنت اشیا گامی مهم در حل راهبردی چالش‌های مدیریتی ضایعات شهری برداشته شده است.

هدف پژوهش حاضر، بررسی تأثیر استفاده از ابزارهای نوظهور فناوری اطلاعات و ارتباطات بر کیفیت زندگی شهری در میان دانشجویان دانشگاه‌های شهر تهران است که با استفاده از شاخص‌های سنجش استفاده‌ی مؤثر از ابزارهای فناوری اطلاعات و نیز شاخص‌های کلیدی سنجش کیفیت زندگی شهری، به روش پیماشی و بر مبنای حجم نمونه‌ی استخراجی از فرمول کوکران، با جمع آوری 389 پرسشنامه به طور تصادفی از دانشجویان 22 دانشگاه شهر تهران بدست آمده است. همچنین برای سنجش همبستگی میان متغیرها از روش های تحلیل آماری پیرسون و اسپیرمن استفاده شده است. نتایج بدست آمده از تحقیق بیانگر عدم وجود رابطه معنادار میان استفاده از ابزارهای نوظهور فناوری اطلاعات و ارتباطات، و کیفیت زندگی شهری می‌ باشد. همچنین تحلیل های صورت گرفته روی داده‌ها، حکایت از همبستگی مثبت میان استفاده از ابزارهای نوظهور فناوری اطلاعات و ارتباطات، و احساس امنیت، رضایت و آسایش ناشی شده از استفاده‌ی آنها دارد. حسب یافته‌های پژوهش در خاتمه نیز پیشنهاداتی در مورد تغییر زاویه نگاه به مسئله‌ی استفاده‌ی روز افزون از ابزارهای نوظهور فناوری اطلاعات و ارتباطات مطرح شده است که می‌تواند به پیشبرد مطالعات آتی پیرامون این موضوع در ایران کمک نماید.

محدودیت انرژی و ازدحام بالای گره‌ها بر سر تصاحب کانال فرکانسی، دو مشکل عمده شبکه‌های حسگر بی‌سیم است. محدودیت طیف بدون مجوز باعث گردیده تا فناوری رادیوی شناختگر به منظور استفاده از طیف مجوزدار در شبکه‌های حسگر بی‌سیم مطرح شود. از سوی دیگر مسیریابی فرصت‌طلبانه در شبکه‌های حسگر بی‌سیم مورد توجه قرار گرفته است تا با استفاده از ذات همه‌پخشی رسانه‌های بی‌سیم، گذردهی بالاتر با مصرف انرژی کمتر را به ارمغان آورد. در این مقاله با ترکیب دو تکنولوژی مسیریابی فرصت‌طلبانه و رادیو شناختگر تلاش شده است تا یک پروتکل مسیریابی آگاه از انرژی با هدف بهبود نرخ تحویل و تعدیل مصرف انرژی در شبکه‌های حسگر بی‌سیم ارائه شود. عملکرد پروتکل پیشنهادی با یک پروتکل پیشین مقایسه شده و نتایج آن در محیط شبیه‌سازی شده، حاکی از کاهش متوسط و واریانس مصرف انرژی شبکه در عین بهبود نرخ هدایت بسته‌ها نسبت به راهکار پیشین است.

رادارهای سار (SAR ) یكی از ابزارهای تصویربرداری در شرایط مختلف آب‌ و هوایی در كاربردهای نقشه‌برداری، نظامی، منابع زمینی و عمرانی می‌باشند. در سال‌های اخیر یک رادار جدید، جهت ثبت ویدئو اشیا در حالت حركت با توسعه رادارهای سار به نام ویدئوسار یا به‌اختصار ویسار (ViSAR ) ارائه‌شده است. یكی از چالش‌های اساسی تصاویر سار، وجود نویز ضربه در این تصاویر است. بدون شك با توجه به وجود این نویز در ویدئو سار نیاز است تا رفع نویز در این داد‌ها نیز انجام گیرد. در این مقاله چهار فیلتر مختلف رفع نویز در تصویر برای اعمال روی داده‌های ویدئویی ویسار ارزیابی شده‌اند. برای این منظور سه رویكرد رفع نویز فریم به فریم، میانگین‌گیری در بعٌد زمان و استفاده از بلاك‌های سه‌بعدی جهت اعمال بر روی داده‌های ویدئویی پیشنهاد شده‌است. جهت ارزیابی نتایج، از داده‌های واقعی رادار ویسار استفاده ‌شده و از شاخص‌های متداول بررسی كارایی روش‌‌های رفع نویز جهت مقایسه روش‌ها بهره گرفته‌شده است. نتایج به‌دست‌آمده نشان می‌دهد كه رویكرد میانگین‌گیری کارایی مناسبی نداشته و رویکرد سه‌بعدی نیز کارایی نزدیک به رویکرد فریم به فریم داشته است.

تعیین شدت قطبیت نظرات کوتاه (نظرکاوی مبتنی بر جنبه)، یکی از حوزه‌های پژوهشی مهم در طول چند سال گذشته است. با توجه به تفاوت‌های ساختاری، نحوی و معنایی، چالش‌های زیادی در این زمینه وجود دارد. از جمله‌ی این چالش‌ها، وجود سه طبقه‌ی اصلی از تعدیل کننده‌ها یعنی نفی‌ها، تقویت کننده‌ها و تضعیف کننده‌ها، می‌باشد که می‌توانند قطبیت و شدت احساس متن‌های همجوار خود را تحت تاثیر قرار دهند. یکی دیگر از این چالش‌ها این است که عمدتاً به دلیل کلمات و همرخدادی بسیار محدود در متن، استفاده از دسته‌بندهای بانظارت (مبتنی بر فرکانس کلمه) برای این نوع متن با مشکل مواجه است و نمی‌تواند فضای بردار ویژگی و رابطه‌ی بین کلمات و اسناد را به خوبی نشان دهد. در این مقاله، یک مدل بانظارت نظرکاوی مبتنی بر جنبه‌ی 5 ستاره برای طبقه‌بندی معنایی نظرات به زیر کلاس‌های: بسیار ضعیف، ضعیف، متوسط، بسیار خوب و خوب، پیشنهاد می‌شود. بدین منظور، از دسته‌بند جنگل تصادفی استفاده شده است. روش پیشنهادی شامل چندین گام پیش¬پردازش و بهبود بردار ویژگی (همگون‌سازی کلمات نظر هم قطب و شرح قواعدی برای انتقال شدت احساس تعدیل کننده‌ها به همسایه‌ها) است و بنا به دانش نویسنده، این تحقیق در این زمینه، در زبان فارسی پیشگام می‌باشد. بررسی‌های انجام شده از مقایسه‌ی روش پیشنهادی با دسته‌بند پایه‌ی جنگل تصادفی و دسته‌بندها و روش‌های دیگر، نشان از بهبود نتایج و موثر بودن مدل پیشنهادی دارد.