انجمن کامپیوتر ایران

محلي كردن ارتباط بين کروموزوم‌ها در الگوريتم‌هاي ژنتيکي علاوه بر سرعت دادن به محاسبات مي‌تواند باعث بهبود كيفيت جواب‌های بدست آمده گردد. يكي از مدل‌هايي كه براي محلي کردن عملگرهاي ژنتيكي ارايه شده است اتوماتاي سلولي ژنتيکي مي‌باشد. در اين مقاله براي اولين بار مكانيزمي به نام بازچيني به منظور بهبود عملکرد اتوماتاي سلولي ژنتيكي پيشنهاد مي‌شود. اين مکانيزم در فواصل مشخص به تغيير همسايگي‌ها و ايجاد آرايش جديد در سلول‌ها مي‌پردازد. مزيت استفاده از اين مكانيزم کاهش تعداد همگرايي‌هاي زودرس و نامطلوب در همسايگي‌ها و ايجاد فرصت‌هاي بهتر براي افراد جمعيت به منظور توليد نسل مي‌باشد. به منظور نشان دادن کارايي مکانيزم بازچيني روش‌هاي مختلف بازچيني بر روي مسائل متنوعي مانند مسائل کول پشتي، فروشنده دوره‌گرد و مينميم كردن توابع آزمايش شده است.

درخت ضرب کننده Wallace تصحیح یافته با استفاده از جمع کننده‌های بر اساس تسهیم کننده (Multiplexer) جدید ارائه شده است. نشان داده شده است که تاخیر برای کل ضرب کننده از پیچیدگی ((O(log(n می‌باشد. طراحی برای ضرب کننده 32 بیت انجام شده است. با توجه به خط لوله مجموع 10 تاخیر دروازه منطقی برای ضرب کننده به دست آمده است. معماری بر پایه تسهیم کننده برای جمع کننده یک بیت ارائه شده است. پیاده‌سازی با دروازه عبور تسهیم کنندهCMOS انجام گردیده است. در جمع کننده ارائه شده حاصلضرب تاخیر * توان 8،4٪ کاهش یافته است. ضرب کننده طراحی شده با نرم افزارHSPICE تحت تکنولوژی0.25µm شبیه سازی شده است و از نظر تعداد ترانزیستور 7٫64 ٪ كاهش، سطح تراشه 6٫72 ٪ کاهش و توان مصرفی 8،25% کاهش نسبت به طرح‌های دیگر داشته است.

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.

میزان دریافت نامه‌های الکترونیکی، پیوسته در حال افزایش می‌باشد و روزانه وقت زیادی جهت فیلترنمودن و سازماندهی آن‌ها در پوشه‌ها صرف می‌گردد، بنابراین نیاز به سیستمی احساس می‌شود که بطور اتوماتیک جهت طبقه‌بندی و مدیریت نامه‌های الکترونیکی مورد استفاده قرار گیرد. سیستم‌های طبقه بندی مختلفی توسط پژوهشگران، جهت دسته‌بندی اتوماتیک نامه‌های الکترونیکی ارائه شده‌اند. در این مقاله الگوریتمی جهت دسته‌بندی نامه‌های الکترونیکی برای نرم افزارMicrosoft Outlook ارائه شده که در آن از طبقه‌بندی کننده نزدیک‌ترین همسایه استفاده شده است. این الگوریتم به مدیریتinbox کاربر کمک می‌کند تا نامه‌ها را بر اساس پوشه‌های تعریف شده توسط کاربر، دسته‌بندی کند. مزیت اصلی این سیستم، عدم نیاز به داده‌های آموزشی زیاد، بار محاسباتی کم و دقت بالا می‌باشد.

در این مقاله ضمن بررسی الگوریتمPSO وGCPSO ، الگوریتم باینریGCPSO (GCBPSO) بطور دقیق و مفصل تحلیل شده است. نتایج این تحقیق نشان می‌دهد که الگوریتمGCBPSO دو مشکل بزرگ و عمده دارد که موجبات عدم همگرایی و یافتن جواب بهینه را فراهم می‌کنند. با ارائه راه‌حل‌های مناسب، این دو عیب برطرف شده و تعمیمی بر این الگوریتم ارائه شده است. نتایج آزمایش‌ها برتری مطلق روش پیشنهادی به روش متداول را روی یازده تابع محک استاندارد نشان می‌دهد.

درخت مدل خطي محلي يا LOLIMOT كه در آن از نوعي از مدل فازي عصبي خطي محلي استفاده شده است، الگوريتمي بر اساس استراتژي تقسيم و غلبه م ي باشد كه در آن حل مسئله پيچيده از طريق تقسيم م سئله به تعدادي زير مسئلة كوچ ك تر (و از اين رو ساده تر) صورت مي پذيرد. بنابراين مشخصات اين مد ل هاي فازي -عصبي (زير مسئله هاي كوچك تر شده ) به مقدار زيادي ، به ساختار الگوريتم بكار برده شده جهت تقسي م بندي، وابسته مي باشد. يكي از مشكلات الگوريتم LOLIMOT رو به ر شد بودن تعداد مدل هاي محلي خطي LLM ها مي باشد، بدين معني كه براي رسيدن به خروجي بهتر (خروجي با خطاي كمتر ) تنها راه در الگوريتم LOLIMOT ، پيدا كردن بدترين LLM ( LLMبا خطاي بيشتر) و تقسيم آن به دو LLM مي باشد و اين يعني اضافه شدن تعداد LLM ها . در اين مقاله س عي شده با ارائه روشي براي تركيب LLM ها و قرار دادن آن در الگوريتم LOLIMOT از افزايش بي رويه تعداد مدل هاي محلي جلوگيري گردد. لذا مي توان گفت هدف اصلي تركيب نرو ن ها، رسيدن به خطاي مطلوب با تعداد مد ل هاي كمتري نسبت به الگوريتم اصلي LOLIMOT مي باشد، در پايان الگوريتم پيشنهادي توانست با يافتن مد ل هاي مناسب و تركيب آنها بخوبي به اين مهم دست يابد.

بسیاري از برنامههاي کاربردي تحت وب در معرض حملات SQL injection قرار دارند. در این برنامهها دادهها و اطلاعات مورد نیاز برنامه در جداول موجود در بانک اطلاعاتی ذخیره شده و در صورت نیاز، بازیابی میشوند. دسترسی به این اطلاعات نیز از طریق اجراي پرس و جو هاي ایجاد شده در برنامه بر روي بانک اطلاعاتی صورت میگیرد. به طور کلی یک حمله از نوع SQL injection زمانی اتفاق میافتد که ورودي دریافت شده از سوي کاربر به عنوان بخشی از پرس و جو در نظر گرفته شود. در نتیجه ممکن است ساختار و به دنبال آن نتیجه اجراي پرس و جو با آنچه مد نظر برنامه نویس بوده است متفاوت باشد. در این مقاله از روش ایجاد یک درخت پویش Parse ) (Tree و گرامر اصلاح شده، از پرس و جو در زمان اجراي برنامه و تحلیل اجزاء آن، استفاده کرده ایم. زمان این روش نسبتأ سریع تر از روش هاي موجود است.

در سالهاي اخير به منظور بهبود صحت طبقه بندي تصاوير ابرطيفي الگوريتمهاي استخراج ويژگي زيادي مانند تحليل مولف ه هاي اصلي، نگاشت جستجوگر، استخراج ويژگي با مرز تصميم گيري و تبديل موجک مورد استفاده قرار گرفتن د. اين الگوريتمها فقط از اطلاعات طيفي تصاوير ابرطيفي استفاده مي کنند و به دليل حجم زياد داده ها و محدود بودن تعدا د نمون ه هاي آموزشي کارايي مطلوبي ندارن د. در اي ن مقاله با استفاده همزمان از اطلاعات طيفي و مکاني در استخراج ويژگيهاي خطي طيفي، صحت و اعتبار کلي طبقه بندي بهبود داده شده اس ت. در الگوريتم ارايه شده ، ابتدا فاصله هر پيکسل تا پيکسلهاي همسايه اش، متناسب با شباهتي که با آنها دارد، کم مي شو د و سپس با استفاده ا ز يک الگوريتم استخراج ويژگي خطي، ويژگيها استخراج مي گردد . در اين مقاله ثاب ت شده است که با اين عمل اطلاعات متقابل ويژگيها و کلاسها افزايش يافته و در نتيجه خطاي طبقه بندي کاهش مي ياب د. در مرحله دوم نقشه طبقه بندي با استفاده از ويژگيهاي به دست آمده از مرحله قبل و طبقه بندي کننده حداکثر احتمال حاصل میشود. نتايج حاصل از طبقه بندي داده هاي واقعي سنجنده AVIRIS و HYDICE نشان م يدهد كه الگوريتم پيشنهادي برا ي طبقه بندي داد ههاي ابرطيفي کارآمد بوده و مشكل محدود بودن تعداد نمونه هاي آموزشي را تا حد قابل توجهي جبران مي نمايد.

در این مقاله، ابتدا روشی براي بازنمایی فرومون مطرح شده و تاثیر آن بر بازنمایی اطلاعات فرومونی در الگوریتم کلونی مورچه ها مورد بررسی قرار گرفته است. نتایج اولیه آزمایشات نشان داده که کاهش چشم گیر حافظه مصرفی با افت کارایی الگوریتم پیشنهادي همراه بوده است. در مرحله بعدي، با بهره گیري از الگوریتم هاي ژنتیک کارایی الگوریتم بهینه شده است. این الگوریتم بهترین ترکیب ممکن از ارزش پارامترهاي مسئله را کشف می کند. براساس آزمایشات، الگوریتم پیشنهادي قادر است نرخ همگرایی را افزایش دهد و این مزیت مهم روش پیشنهادي در مسایل با تنگناي زمانی است.

مسئله ايمني ١ يكي از مسائل مهم و پي چيده عنوان شده در حوزه امنيت است . در ا ين مسئله بررس ي م ي شود كه آيا موجوديت S و دسترسي R را به موجوديت O پيدا خواهد كرد يا نه؟ اين مسئله در مدلهاي کنترل دسترسي از اهميت ويژ ه اي برخوردار است و يك مدل كنترل دسترسيِ با مسئله ايمني تصميم ناپذير ياNP-Complete داراي ارزش عملي نيست. ما قبلا سيستم حفاظتيِ مبتني بر گرافِ VGBPS را براي تحليل آسيب پذيري ارائه داده ايم. در VGBPS آسيب پذيري ها و قوا نين آ نها به يک مدل کنترل دستر سي ساده و يکريخت اضافه شده اند. ا ين و يژگي باعث شده است که نشر مجاز (با توجه به مدل کنترل دسترسي) و نشر غيرمجاز (با استفاده از آسيب پذيري) حقوق در کنار هم در مدل وجود داشت ه باشند و تاثير مستقيم ا ين دو گروه از قوا نين بر هم در مدل قابل بيان باشد. در اين مدل اساس تحليل آسيب پذيري مسئله ا يمني است . ما در اين مقاله تصمي م پذيري مسئله ا يمني در مدل VGBPS را برر سي نموده و نشان م ي دهيم كه مسئله ايمني در اين مدل تصميم پذير است . همچنين پيچيدگي زماني آنرا در حالت هاي مختلف بررسي کرده و ثابت مي کنيم در حالت كلي با حقوق و قوانين ماندگار مسئله ايمني در اين مدل NP-Complete است.

در اين مقاله راهكاري عملي براي استخراج جنبه از مدل طراحي نرمافزار با توجه به ر يشه ها ي جنبه در سطح طراح ي و نيازمنديها، در قالب يك فرآيند ارايه شده است. در اين فرآيند ابتدا از كامل بودن مدل طراحي اطمينان حاصل ميشود كه براي اين منظور دغدغههاي غيركاركردي وارد مدل موارد كاربرد شده، سپس مدل طراحي نرمافزار از دو ديدگاه ساختاري و رفتاري بررسي ميگردد. با بررسي دغدغههاي متلاقي 1، اطلاعات لازم از مدل موارد كاربرد استخراج ميشود. در ادامه تلاقي در دو سطح موارد كاربرد و كلاس در نظر گرفته شده و كلاسهايي كه دچار آميختگي 2 شدهاند مشخص ميشوند. در مراحل بعد ي نمودارها ي ترتيب ي مورد تحليل قرار گرفته و الگوهايي جهت كشف جنبه و نوع آن، ارايه شده است. در نهايت جهت امكان مقايسه بهتر، خصوصيات بررس ي شده بهصورت كمي بيان شده و فرمولي بر مبناي WMC پيشنهاد گرديده است.

در اين مقاله روشي كلي جهت بهبود کيفيت تصوير واترمارك شده با استفاده از تغيير هيستوگرام تصوير واترمارک ارائه گرديده است. با استفاده از مفهوم هيستوگرام و ارتباط آن با مقا دير ويژ ه ي تصوي ر با تغييراتی جزئی روی هيستوگرام تصو ير واترمار ک ، مقادير ويژ ه ي مذکور جهت استفاده در الگوريت مهای مبتنی بر SVD تعديل م یگردد. با كاهش آنتروپي و تغيير هيستوگرام تصوير واترمارك قبل از گنجاند ن در تص وير اصل ی، تصوير واترمارك شده با كيفيت بالاتري به دست خواهد آم د. در اي ن راست ا بازيابي تصوير واترمارك نيز بدون افت کيفيت نسبت به روش های متعارف صورت می پذيرد.

در نظر گرفتن ملاحضات آزمون پذيري در طي مراحل سنتز رفتاري، موجب کاهش سربار آزمون، کاهش هزينه هاي آزمون و نيز افزايش کيفيت آزمون پذيري مدار نهايي مي شود. ايده اصلي اين مقاله، بهبود بخشيدن آزمون پذيري مدارهاي سنتز شده، با استفاده از ترکيب الگوريتم ژنتيک و الگوريتم هم تکاملي، در فرآيند سنتز رفتاري است. نتايج حاصل از آزمايش ها نشان مي دهد که روش ارائه شده سبب افزايش پوشش خطا در مرحله آزمون خواهد شد، بي آن که تاثير منفي چنداني بر مساحت و تاخير مدار نهايي داشته باشد.

This paper is concerned with studying the forgetting factor of the recursive least square (RLS). A new dynamic forgetting factor (DFF) for RLS algorithm is presented. The proposed DFF-RLS is compared to other methods. Better performance at convergence and tracking of noisy chirp sinusoid is achieved. The control of the forgetting factor at DFF-RLS is based on the gradient of inverse correlation matrix. Compared with the gradient of mean square error algorithm, the proposed approach provides faster tracking and smaller mean square error. In low signal-to-noise ratios, the performance of the proposed method is superior to other approaches.

In this paper a new genetic algorithm is designed to solve a class of maze problems, more efficiently than the state of the arts. Here the solution is a set of paths directing every agent from any position in the maze towards a single goal point. The novel points of the proposed algorithm are the innovative crossover and mutation operators that improved the results. To evaluate the algorithm and compare it with other algorithms, different experiments were done. Here each algorithm for any problem was run five times and the average of the results was considered as the evaluation measure. All experiments showed that the proposed algorithm is the most efficient one.

Continuous-State Reinforcement Learning (RL) has been recently favored because of the continuous nature of the real world RL problems and many theoretical approaches have been devised to handle the case. However, most of these methods presume that the structure of the agent's perceptual environment is fed to it. But this is not the case in many real situations. Inspired from the subjective view existing in the Cognitive Constructivist learning theory, in this paper, a new method is presented to discover and construct the structure of the environment in parallel with learning the optimal policy. To achieve these goals, the proposed approach incorporates the Bayesian formalism to organize the perceptual space while it tries to learn the optimal behavior using a Q-learning-like learning algorithm. These characteristics as a whole define a Reinforcement Learning algorithm which is developed based on a mixture of Cognitive Constructivism and traditional Behaviorism ideas. Simulation results demonstrate the viability and efficiency of the proposed algorithm on continuous state RL problems.

From high level synthesis point of view, target design can be divided into two parts: controller and datapath. Single shared bus is a suitable structure for datapath synthesis regarding interconnections costs which suffers from several drawbacks such as its low data communication bandwidth. It has also been shown that the wordlength of functional units has a great impact on design costs. A combination of both methods is the core idea of this paper which is offering an improved communication structure. In this method datapath is partitioned into groups connected to segmented shared buses and every partition has a different width and all the functional units connected to a bus partition have the same input/output word-lengths. Having controlled the group binding and word-length of the functional units, as well as the other synthesis parameters, a high-level synthesis tool is introduced to implement DSP algorithms in digital hardware. The tool uses a multi-objective optimization genetic algorithm to minimize the circuit area, delay, power consumption and digital noise by selecting optimal grouping and word-length for the shared bus structure. Results demonstrate that savings can be made in the overall system costs by applying this method.