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.

يافتن الگوهاي تكرارشونده در داده كاوي، خصوصاً در مجموعه داده هاي پر حجم، از اهميت بالايي برخوردار است. يكي از الگوريت مهاي متوالي مورد استفاده براي يافتن الگوهاي تكرارشونده FP-Growth م يباشد. اجراي موازي اين الگوريتم به منظور افزايش سرعت و كارايي آن مستلزم داشتن روشي كارا براي توزين بار بين پردازشگرها مي باشد. در اين مقاله روشي جديد به نام "شمارش گره" براي توزين بار پيشنهاد شده، كه بر اساس تعداد گره هاي درخت تراكنش هاي غربا لشده عمل م يكند. اين الگوريتم عناصر تكرارشونده به طول يك را به گونه اي ميان پردازنده ها تقسيم م يكند كه مدت زمان كل كاوش، نزديك به ميانگين زمان كاوش پردازنده هاي مختلف باشد. نتايج شبيه سازي الگوريتم كه با استفاده از داده هاي نمونه تصادفي تهيه و ارايه گرديده، نشان م يدهد كه روش پيشنهادي به طور قابل توجهي باعث افزايش كارايي شده است. در اين شبيه سازي معماري سخت افزاري خاصي لحاظ نشده لذا موضوعات متنوع ذيربط پردازش موازي مي تواند براي كارهاي آينده منظور شود.

رشد روز افزون و فراگير استفاده از اينترنت و شبکه هاي کامپيوتري علاوه بر مزاياي متعدد، راه را براي سارقين اطلاعات و محصولات ديجيتالي هموار کرده است. از اين رو طي چند دهه اخير به دو مقوله نها ننگاري ٤ به عنوان روشي براي ارسال نهفته و امن اطلاعات، و نق شآب زني ٥ به عنوان روشي براي پيش گيري از سوء استفاده از محصولات ديجيتالي، توجه ويژه اي شده است. بحث نق شآب زني و نها ننگاري در حوزه انواع رسانه ها مانند تصوير، ويدئو و صوت از قدمتي حدود چند دهه برخوردار است؛ در حالي که کمتر از يک دهه از تولد دو مبحث نق شآب زني نر مافزار و نها ننگاري نر مافزار مي گذرد. اين مقاله با هدف ارائه روشي براي نها ننگاري نر مافزار، روش Monden را از دو منظر ميزان نرخ داده 6 و ميزان نهفتگي 7 بهبود داده است. همچنين الگوريتم ي براي خودکار سازي تمام يمراحل استفاده از آن ارائه م يدهد. در اين مقاله روش Monden پس از بهبود و خودکارسازي روش درج متد ساختگي ٨ ناميده مي شود. اين روش در ادامه با ساير روش هاي موجود در نها ننگاري نر مافزار مورد مقايسه و ۱ برابر دست يافته و از / ارزيابي قرار م يگيرد. در نتيجه اين ارزيابي روش مذکور نسبت به دو روش مطرح در نها ننگاري نر مافزار به نرخ داده اي تا ۷ حيث ميزان نهفتگي نيز داراي برتري هاي قابل توجهي است. به علاوه روش درج متد ساختگي به دليل شکنندگي در برابر انواع حملات تخريب نقش آب ٩ به عنوان روش مناسبي براي نق شآب زني شکننده نر مافزار پيشنهاد م يشود. از جمله کاربرد هاي نقش آب زني شکننده نرم افزار تعيين اعتبار نر مافزار و کنترل استفاده از نر مافزار است.

با گسترش روزافزون كاربري اينترنت و استفاده از مستندات ديجيتالي، نياز به ابزارها و تكنيكهايي براي سازماندهي، مرتبسازي و بازيابي اطلاعات بيشتر احساس ميشود. خوشهيابي مستندات يكي از روشهاي متعارف براي اين منظور است. در اين مقاله از يك روش خوشهيابي تركيبي بر مبناي دو روش خوشهيابي مورچهاي و خوشهيابي فازي استفاده شده است. ابتدا از خوشهيابي مورچه اي براي توليد خوشههاي خام و اوليه استفاده شده و بعد اين خوشهها با استفاده از الگوريتم خوشه يابي fuzzy C-Means(FCM) اصلاح ميشوند. سپس اين خوشهها با استفاده از معيار بيشترين درجه عضويت غيرفازي شده و به عنوان واحدهاي سازندهي الگوريتم خوشهيابي در مراحل بعدي استفاده ميشود. اين فرايند تا تشكيل خوشههاي بزرگتر ادامه مييابد. مستندات خوشه شده را مي توان به صورت پويا در درختي از موضوعات نمايش دا د. اين موضوعات به صورت خودكار و با توجه به محتواي مستندات هر خوشه توليد م يشوند. نتايج خوش هيابي با استفاده از مجموعه ي مستندات ،REUTERS ارائه شده و بهبود در كيفيت خوشهيابي در مقايسه با به كارگيري مجزاي هر كدام از روشهاي خوشهيابي فازي و خوشهيابي مورچهاي ديده شده است.

خوشهبندي را ميتوان نو عي طبق هبندي داد هها بر اساس شباهت از ديدگاههاي مختلف دانس ت. تفاوت در نما يش داد هها، نحو ه اندازهگيري شباهت بين ه ريک از آنه ا و گرو هبندي آنها، دستههاي بسياري از روشهاي خوشهبندي را به وجود آوردهاند که هر ي ک ابزاري قدرتمند در جا ي خود به شمار م ي آيند. غالباً در هر يک از اين دست هها رو شهاي کم کي وجود دارند که س عي در پوشاندن معايب هست هي اص لي خوش هبندي دارن د. روش تر کيبي ارائه ش ده در اين مقاله، از روش DSRPCL2 که نو عي از روشه اي RPCL است، به عنوان روش مرکز ي استفاده ميکند که البته قابل جايگزيني با هر روش خوشهبندي مناسب ديگري نيز م يباش د.در اي ن مقاله چند روش کمک ي ن وين پيشنهاد شده اس ت که نوعاً متفاوت م يباشند و به نظر م يرسد که تر کي ب آنها قابل ي ت تش خيص و پوشش مع ايب يک هست هي خوش هبندي را از ديدگاههاي متفاوت دارد. اين تکنيکهاي جديد با چند تکنيک استفاده شده در الگوريتمهاي ISODATA , RPCL مقايسه شده و بهبود در نتايج حاصل شده است.