انجمن کامپیوتر ایران

مدل مخفی مارکوفHMM) ) جهت مدل‌سازی دنباله‌های تصادفی با ساختار حالت متناهی مورد استفاده قرار می‌گیرد. به‌دلیل وجود الگوریتم‌های قوی و کارای بیشترین درست نمایی جهت یافتن پارامترهای HMM، این روش به عنوان یک ابزار مدل‌سازی موفق مطرح گردیده است. با استفاده از دادگان آموزشی مناسب، پارامترهای یک مدل با ساختار معلوم را می‌توان با تخمین خوبی به‌دست آورد، اما در عمل تضمینی برای دستیابی به بهینه سراسری وجود ندارد. عدم توجه به دقت بازشناسی یا به عبارت دیگر آموزش مستقل هر مدل، از دیگر معایب این الگوریتم‌های آموزش است. روش‌هایی برای رفع این معایب ارائه شده‌اند، که یا به دلیل مشکلات عددی از کارایی لازم برخوردار نیستند و یا فاقد پایه نظری قوی جهت تضمین همگرایی می‌باشند. در این مقاله الگوریتم PSO جهت آموزش تمایزی مدل مخفی مارکوف پیوسته در یک سیستم بازشناسی گفتار فارسی بکار گرفته می‌شود؛ هدف آن است که با استفاده از قابلیت الگوریتمPSO در جستجوی بهینه سراسری فضای راه حل مسأله و با استفاده از مفاهیم آموزش تمایزی، دقت بازشناسی سیستم بهبود یابد. نتایج آزمایشات نشان می‌دهد که با استفاده از این روش، خطای بازشناسی نسبت به آموزشHMM با روش‌های مبتنی بر بیشترین درست نمایی، 3,36 درصد کاهش یافته 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.

تخمین بردار حرکت یکی از بحرانی‌ترین وظایف در سیستم‌های فشرده‌سازی ویدئو می‌باشد و به همین دلیل روش‌های متفاوتی برای افزایش سرعت آن ارائه شده است. این مقاله به ارائه یک معماری مبتنی بر سخت‌افزار برای پیاده‌سازی الگوریتم‌های تخمین بردار حرکت می‌پردازد. به منظور ارائه یک معماری کارآمد، ابتدا الگوریتم WMBPM با توجه به هزینه پیاده‌سازی سخت افزاری بهبود داده شده است و سپس یک معماری کارآمد برای الگوریتم بهبود داده شده ارائه و ارزیابی شده است. نتایج آزمایشات انجام شده نشان می دهد که الگوریتم بهبود داده شده کارآمدتر از روش اولیه عمل می‌کند.

در این مقاله سعی شده است رویکرد آموزشی جدیدی در محیط‌های چند عاملی اپیزودیک شرح داده شود. این رویکرد جدید با استفاده از مانیتورینگ وضعیت محیط و ثبت بردار ویژگی‌های هر عامل در حالت‌های مطلوب و پس از آن بکارگیری روش‌های آماری و همینطور خوشه‌بندی، قواعد مناسبی را استخراج می‌نماید که هر عامل مستقلاً بتواند بوسیله آن قواعد حالت مطلوب خود در شرایط بعدی را تعیین نماید. به منظور انجام یک مطالعه موردی، این روش برای آموزش مربی در شبیه‌سازی فوتبال بکار گرفته شده است. تمرکز اصلی در این روش بر روی یافتن الگوهای مطلوب برای حرکت بدون توپ بازیکنان در بازی فوتبال است. هرچند که حرکت بدون توپ بازیکنان تنها بخش کوچکی از کل استراتژی بازی یک تیم محسوب می‌گردد اما در این تجربه ثابت شده است که یکی از عوامل مهم تعیین کننده در نوع حرکت تیم و استفاده از فرصت‌های موجود در بازی می‌باشد.

الگوريتمهاي مسيريابي چندمسيري براي رسيدن به مزيتهايي از قبيل تحملپذيري در برابر خطا و کاهش تاخير انتها به انتها درطول فرآيند کشف م سير، چندين مسير را از مبدا تا مقصد کشف ميکنند. دربرخي از الگوريتمهاي چندمسيري، جهت کاهش تاخير انتها به انتها و حت ي متعاد لکردن بار ، همزمان از چند ين م سير کشف شده برا ي ارسال اطلاعات استفاده ميش ود. در اي ن حالت ب راي افزايش تحم لپذيري خط ا انتخاب م سيرهاي مجزاي گرهاي يکي از بهترين گزينهها ميباشد. اما روشن است که در شبکههاي بيسيم ارسال اطلاعات از طر يق م سيرهاي کاملاً مجزا نيز از هم مستقل نيستند و ميتوان حالتها و سناريوهاي متعددي را درنظر گرفت که بخاطر مسائ ل ذا تي شبک ههاي بيسيم و مکان يزمهاي دستر سي به کانال مانند ارسالِ RTS و CTS ، استفاده از دو مس ير کاملاً مجزا نيز به يکديگر وابسته است و در بخ شهاي زيادي از زمان، بر خي از گرههاي مياني بايد ارسال خود را متوقف کنند. بر اي حل اي ن مشکل ميتوان از م سيرهاي مجز اي نا حيهاي به ج اي م سيرهاي مجز اي گر هاي استفاده کرد. يک راه براي کشف م سيرهاي مجز اي ناحيهاي استفاده از آنتنهاي جهتدار ميباشد، اما در بسياري از تجهيزات موجود، اينگونه آنتنها در دسترس نيستند. در اين مقاله روش ج ديدي پيشنهاد ميشود که مجز ا بود ن نا حيهايِ گر ههاي مجهز به آنتنهاي معمولي و همهجهته را تشخيص ميدهد و ب راي انتخاب مسيرها، از گرههاي مجزاي ناحيهاي استفاده ميکند. اين ايده در همه الگوريتمهاي مسيريابي برحسبتقاضا قابل پيادهسازي خواهد بو د. کارآيي روش پيشنهادي در سنا ريوهاي مختلف ار زيابي شده و بهبود قابل توج هاي در درصد ارسال موفق بسته ها و کاهش تاخير انتها به انتها نسبت به روشهاي موجود ارائه داده است.

يك عامل سيا ر عبارت است ا ز نرم افزاري كه به طور مستقل و متكي به خود به عنوان دستيار يك شخص يا سازمان عملي را انجام م يدهد. از عام لهاي سيار براي جستجوي اطلاعات، بازيابي اطلاعا ت، فيلترينگ، تشخيص مزاحم در شبك ه ها و … استفاده م يشود. يكي از مسايل مورد بحث در مورد عام ل هاي سيار مساله امنيت آنها م يباشد. جهت استفاده موثر و ايمن از عامل هاي سيار بايد موارد مختلف امنيتي را در نظر گرفت. يكي از اين موارد حفظ يكپارچگي عامل هاي سيار مي باشد. در اين مقاله ابتدا با مرور ي ب ر روش هاي موجود ابتدا مزايا و معايب هر يک بررسي مي گردد. با توجه به اينکه هري ک از اي ن روش ها داراي مز ايا و معايب خاص خو د مي باشند، لذا به نظ ر مي رسد با ترکيب اين روش ها مي توان به روش بهتر ي بر اي محافظت ا ز يکپارچگي عام لهاي سيار رسيد. بنابراين د ر اين مقاله روش مذکور ارائه گر ديده و در ادامه با توجه به روشها ي موجود مورد ار زيابي قرار گرفته اس ت. درنهايت روش مورد نظر شبيه سازي گرديده و نتايج حاصل از آن نشان دهنده بالا رفتن احتمال حفظ يکپارچگي عامل سيار مي باشد.

دانستن مدل تحرك يك شبكة موردي سيار مي تواند در ارزيابي كارايي آن تأثير بسزايي داشته باشد . پژوهشهاي زيادي براي به دست آوردن مدل هاي مختلف تحرك گر ه ها 4 در شبكههاي موردي سيار انجام شده است. پژوهشهاي ديگري نيز براي ارزيابي كارايي شبكه هاي موردي سيار بر اساس مد ل هاي تحرك شكل گرفته اند. اما اكثر پژوهشهاي اخير فرض را بر اين نهاد ه اند كه مدل تحرك ش بكه مشخص است و بر اساس اين فرض اوليه به ارزيابي كارايي شبكه پرداخته اند. با توجه به اينكه در كاربردهاي واقعي هميشه مدل تحرك شبكه در دست نم ي باشد و يا ممكن است كه مدل تحرك شبكه با گذشت زمان تغيير كند، لذا نياز به ارائه روشي براي تشخيص يا تخمين 5 مدل تحرك شبكه حس مي شود. در اين مقاله روشي ارائه شده است كه ميتواند مدل تحركيك شبكة موردي سيار را با استفاده از الگوريتمهاي يادگيري ماشين تخمين بزند تا بر اساس آن ارزيابي كارايي شبكه صورت گيرد.

با توجه به کاربرد فراوان سیستم هاي دسته بن دي در علوم مختلف از جمله تشخیص طبی، تاکنون انواع مختلفی از روش هاي دسته بندي با ساختار و عملکردهاي گوناگون ارائه شده اند . یکی از رو شهاي ر ایج، روش هاي دسته بندي فازي مبتنی بر قانون میباشند که مزیت مهم آنها در توصیف پذیري اس ت. یکی از مشکلاتی که بسیاري از روش هاي فازي مبتنی بر قانون دارند، این است که د ر مسائل با ابعاد ز یاد، تنها قوانین با تعداد مقد م 1 کم را م یتوانند تولید کنن د(تولید تمام تر کیبات ممکن غ یر ممکن است ). در بخش نخست از این مقاله ، با بکار گرفتن مفاهیم ی از داده کاو ي، م یتوانیم قوانین خوب با ابعاد مختلف و تعداد مقدم دلخواه را تولید کرده و به عنوان قوانین کاندید انتخاب کنی م. در گام بع د، با استفاده از تحلیل R.O.C ، وزن هایی به قوانین منتسب می کنیم تا بر اساس آنها عملکرد گروهی مجموعه قوانین در فرایند دسته بندي بهینه باشد . هدف ما در این مقاله بررس ی این موضوع است که آیا با داشتن حجم گسترده تر ي از قوا نین فاز ي (ترکیب قوا نین با ابعاد پا یین و بالا ) و انتساب وزن مناسب به آنها میتوان دقت ی ک دسته بند فازي را بالا برد؟ براي ارزیابی سیستم دسته بند ساخته شده، عملکرد آن را بر روي چند مورد از مجموعه داده هاي مربوط به پزشکی مورد آزمایش قرار دادی م. نتایج آز مایش ها نشان می دهد که دسته بند ارائه شده بر رو ي ترک یبهاي بیشتر، دقت بهتري داشته است و در اکثر موارد با افزایش ابعاد قوانین تولیدي، دقت سیستم نیز بهبود مییابد.

در قلب فرآیند معماري سازمانی مرحل ه اي به منظور تنظیم چارچوب معماري سازمانی براي دست ه بندي مدل ها و فرآورده هاي تولید شده وجود دارد . تیم معماري سازمانی در انتخاب و تنظیم چارچوب معماري در مراحل آغازین تدوین معماري سازمانی نیاز به دانستن نحوة عملکرد سازمان و برخی خصوصیات سازمان دارد . گاهی اوقات این شناخت کامل نبوده و منجر به شکست پروژه معماري سازمانی خواهد شد . تنظیم چارچوب معماري، علاوه بر این شناخت، نیاز به در نظر گرفتن معماري وضع مطلوب سازمان نیز دارد، چرا که محصولاتی که در معماري وضع مطلوب ایجاد می شوند باید در چارچوب دسته بندي و مشخص شوند. در این مقاله با بررسی مشکلات تنظیم چارچوب معماري، را هحلی مبتنی بر سبک معماري سازمانی ارائه گردیده است . تیم معماري با شناخت از سبک هاي معماري سازمانی می تواند براي توسعه معماري وضع مطلوب از آنها استفاده نمای د. معمار م یتواند با تاکید بر روي خصوصیت یا خصوصیات خاصی از معماري با توجه به سند راهبردي فناوري اطلاعات، ابعاد سازمانی و نیز استفاده از سبک هاي موفق دیگر سازما ن ها، معماري وضع مطلوب را توصیه نماید . همچنین، با تاثیري که سبک بر روي چارچوب معماري سازمانی دارد و در این مقاله نیز نشان داده شده است، می توان از آنها براي تنظیم چارچوب معماري استفاده نمود . استفاده از سبک در فرآیند تدوین معماري سازمانی منجر به استفاده از تجربیات قبلی معماري سازمانی، کاهش زمان فرآیند معماري، تناسب محصولات و فرآورده هاي معماري با نیازهاي سازمان و تنظیم بهتر ساختارهاي اولیه معماري می شود.

يکی از مسائ لی که در استخراج دان ش در منبع داد ههای مختلف وجود دارد اين مسأله است که منابع ی که حا وی دادههايی با مفاهيم يکسان هستند، بت وانند از مدل دادههای همديگر برای مواردی همچون بالا بردن دقت پيش بينیهای خود استفاده نمايند و نيز به دستهای از قواعد و رواب ط موجود بين دادهها که در منبع داده محلی نيز صادق است اما بدليل نحوه توزيعشدگی دادهها امکان کشف آنها در منبع محل ی وجود ندار د، دس ت پيدا کنن د. اما در بسيا ری از اوقات، بدليل متفاوت بودن شما ی مجموعه دادههای اين منابع از يکديگر با وجود اينکه حاو ی داد ههايی با مفاهيم يکسان هستند امکان استفاده از مدل دادههای يکديگر وجود ندارد. در اين مقاله روشی بر ای مجتم عسازی مدل داد ههای منبع داد ههای مختلف با شماه ای متفاوت و قابل استفاده نمودن اين مد ل داد هها برا ی استفاده در يک منبع داده ديگر ارائه شده است و مراحل پياده سازی و نيز تست آن بر روی يک مجموعه داده آزمايشی شرح داده شده است و مشکلات موجود در اين زمينه مورد بررس ی قرار گرفته است و در نهايت با توجه به پتانسيل عامل و سيستمهای چن د- عامله، استفاده از عامل در جهت حل اين مشکلات مورد بحث قرار گرفته است.

This article will introduce a location estimating method for prediction of the behavior of a mobile robot and its position errors after tracking various paths. Firstly, different controllable parameters were investigated by a statistical method and those which are absolutely effective were employed as the inputs for artificial neural network. Afterward, more tests were implemented for providing training data for the connectionist. Finally, the performance of the neural networks was studied by new set of data.

در اين مقاله يك الگوريتم چندمقياسه و چندمرحلهاي براي بخشبندي كولون پيشنهاد شده است. هدف از مرحله اول الگوريتم، حذف اشياء اضافي و محدود كردن ناحيه مورد نظر ميباشد تا با يك الگوريتم دقيقتر در مرحله دوم مرزهاي دقيق مشخص گردند. در مرحله اول، الگوريتم از تركيب روشهاي آستانهگذاري تطبيقي، اعمال مورفولوژي و عملگر گسترش ناحيهاي ساده و پيشرفته با استفاده از دانههايي كه به صورت اتوماتيك ايجاد ميشوند، بهره برده است. اين اعمال خود در دو مرحله نيم-رزولوشن و تمام رزولوشن انجام ميشوند. در انتهاي اين مرحله، مرزهاي اوليه كولون استخراج ميشود. در مرحله دوم مرزهاي بدست آمده با كمك الگوريتم مدلهاي شكلپذير هندسي بهينه و هموار شده است. اين مدل قادر است هر توپولوژي پيچيده دلخواه مانند توپولوژي كولون را دنبال كند؛ لذا اين مدل در ادامه پيشنهاد شده است. تعداد دادههاي مورد استفاده شامل دو ديتا ست با 900 مقطع ميباشد. نتايج حاصله نشاندهنده بهبود مرزهاي كولون با استفاده از مدل پيشنهادي نسبت به مرزهاي اوليه ميباشد.

پوش محدب یکی از مرسومترین مسئلههاي هندسه محاسباتی محسوب میشود. الگوریتمهاي مختلفی براي پوش محدب ارائه شده است که از مهمترین آنها میتوان به الگوریتمهاي گراهام، جارویس و پوش سریع اشاره کرد. ما در این مقاله الگوریتمهاي جدی دي براي به دست آوردن پوش محدب ارائه میکنیم. این الگوریتمها با پیش فرض عدد صحیح بودن زاویه خط گذرنده از دو نقطه متوالی پوش محدب (زاویه نسبت به خط افق )، به خوبی عمل میکنند و بدون این پیش فرض جوابی تقریبی میدهند که میتوان ب ا بهین ه سازي این الگوریتمها جوابی بسیار دقیق و نزدیک به جواب نهایی تولید کرد. بهترین الگوریتمی که تاکنون از لحاظ مرتبه زمانی ارائه شده است الگوریتم ادغام قبل از غلبه اس ت ک ه داراي مرتبه زمانی O(n logh ) است h) تعداد نقاط روي پوش محدب است). اما الگوریتم جدید در تمام حالات داراي مرتبه زمانی O(n ) میباشد. هر چند که n داراي ضریب زیادي است؛ الگوریتم ما در صورتی که تعداد نقاط ورودي زیاد باشد سریعتر از الگوریتمه اي قبلی به جواب خواهد رسید.

paper, we have used Tilt intonation theory to represent pitch contour as symbolic elements. Also, classification and regression trees are considered to estimate Tilt parameters in our text-to-speech system. To train regression trees, about 70 minutes of speech are used as corpus and more than 100 input features are extracted from this corpus. Further, some experiments such as incremental adding tilt parameters as input features during training and test models or purposing stress syllables as accent events are examined to achieve optimal regression trees. Moreover, vector quantization method and building a codebook of tilt parameters are investigated to predict pitch contours. Finally 61.1% and 25/386 hertz are obtained for correlation coefficient and RMSE values between predicted and real pitch contours of test set using optimal regression trees.

The single traffic signal control agent improves its control ability with the NNQ-learning method. This paper proposes a Neural_Network_Q_learning (NNQL) approach with fuzzy reward designed for online learning of traffic lights behaviors .The Q-function table becomes too large for the required state/action resolution. In these cases, tabular Q-learning needs a very long learning time and memory requirements which makes the implementation of the algorithm in real-time control architecture impractical. To solve the problem of coordination between three TSCAs (Traffic Signal Control Agents) we used game theory. To test the efficiency of the coordination mechanism, a prototype traffic simulator was programmed in visual C++. Results using cooperative traffic agents are compared to results of control simulations where noncooperative agents were deployed. The result indicates that the new coordination method proposed in this paper is effective.

In recent years, the unit selection-based concatenative speech synthesis method using a large corpus has attracted great attention, as it produces more natural quality speech compared to the parameter driven models. Weights of cost functions of unit selection approach have great effect on output quality. Important proportion or weight of every feature must be determined such a manner that cost functions has suitable correlation by human perceptual. In this paper, we proposed a new approach to automatically determine optimal weights for target cost using classification and regression trees. In this method, an objective measure by suitable correlation to human perceptually is initially selected. So, for instances of every phoneme, a classification tree has build to predict objective measure. Therefore, the proportion importance of every feature in classifying data using regression trees are determined and considered as weight of this feature. The objective measure prediction has over 50% correlation using the proposed method that showed 65% improvement relation to previous methods.

A SRLG is a group of network links that share a common physical resource whose failure will cause the failure of all links of the group. To protect a logical connection in a network from a single SRLG failure, two different paths are usually assigned to the connection. The two paths must be disjoint to avoid synchronous failure. In this paper, we extend a high-performance link-disjoint routing algorithm called CoLE to SRLG-disjoint routing. The analysis and the simulation results demonstrate improvement over the previous algorithms.