انجمن کامپیوتر ایران

در اکثر پروتکل‌های مسیریابی مورد استفاده در شبکه‌های حسگر بی‌سیم، بسته‌ها در کل شبکه پخش می‌شوند تا به چاهک برسند. سربار زیاد غرق‌کردن بسته‌ها باعث مصرف بی‌رویه‌ی انرژی نود‌ها می‌شود. روش شایعه‌پراکنی یک جایگزین مناسب برای غرق کردن است که تعداد انتقالها را به طور مؤثری کاهش می‌دهد. ما در این مقاله برای اولین بار روش شایعه‌پراکنی جهت دار را مطرح می‌کنیم و بسته (شایعه) را فقط در جهت چاهک پخش می‌کنیم. برای حل مشکل مرگ زودهنگام نیز از چاهک متحرک استفاده می‌کنیم و با چرخش چاهک حول نودهای حسگر انرژی نودها به صورت متعادل مصرف می‌گردد. ما در این مقاله روشی به اسم SINKM با دو هدف ارائه کرده‌ایم. هدف اول این روش کاهش سربار ارسال و هدف دوم آن توزیع مصرف انرژی نودها در کل شبکه است. ما روش خود را با غرق کردن معمولی و روش شایعه‌پراکنی مقایسه کرده‌ایم و شبیه‌سازی‌ها نشان از صرفه‌جویی 50 درصدی انرژی در روش پیشنهادی نسبت به روش غرق کردن می‌دهند. همچنین روش پیشنهادی طول عمر شبکه را حدوداً دو برابر افزایش می‌دهد.

تشخیص وقایع غیرمعمول در صحنه‌های پرجمعیت، یک موضوع بسیار مهم برای امنیت عمومی است. در محیط‌های پرچمعیت به علت پیچیدگی ذاتی این ویدئوها و هم‌پوشانی بین افراد، شناسایی رویدادهای غیرمعمول چالش‌برانگیز است. در این مقاله، یک سامانه نظارت تصویری هوشمند برای تشخیص رویدادهای غیرمعمول در دنباله‌های ویدئویی مربوط به صحنه‌های پرجمعیت پیشنهاد شده است. روش پیشنهادی، ویژگی‌های حرکتی و مکانی تصاویر ویدئوهای آموزشی که تنها شامل رویدادهای معمول هستند بر پایه شار نوری استخراج می‌‌نماید. سپس، با توجه به ذات پویا و متغیر بودن این ویژگی‌ها، در این مقاله از قابلیت‌های مدل مخفی مارکوف چندین مشاهده در مدلسازی این ویژگی‌های متغیر با زمان استفاه می‌شود. رویدادهای غیرمعمول در تصاویر ویدئویی جدید از روی مدل یادگرفته شده، شناسایی و محل‌یابی می‌شوند. نتایج آزمایش‌ها روی ویدئوهای نظارتی نشان می‌دهد که روش پیشنهادی نه تنها به طور دقیق قادر به شناسایی رویدادهای غیرمعمول است بلکه می‌تواند محل رویداد غیرمعمول را در تصاویر ویدئوی پرجمعیت مشخص نماید.

مسأله‌ی جایابی ماشین‌های مجازی یکی از مهمترین مسائلی است که باید توسط فراهم‌کنند‌گان بستر ابر در مراکز داده در‌نظر گرفته شود. استفاده از راه‌حل مناسب برای این مسأله این امکان را به فراهم‌کنندگان بستر ابر می‌دهد، تا از منابع موجود بیشترین استفاده را داشته باشند؛ همچنین با تامین پارامترهای کیفیت سرویس، سبب افزایش رضایتمندی مشتریان شوند. اغلب راه‌حل‌هایی که در رابطه با این مسئله وجود دارند، درصدد بهبود یکی از معیار‌های کیفیت سرویس می‌باشند و برای تامین این هدف از روش‌های مختلف استفاده می‌کنند. در این مقاله یک راه‌حل پویا برای مسأله‌ی جایابی ماشین‌های مجازی ارائه کرده‌ایم، روش ارائه شده حالت خاصی از مسئله‌ی تخصیص زیر‌ساخت به عنوان سرویس در بستر ابر می‌باشد، که با انتخاب ماشین فیزیکی مناسب، سبب تامین معیار‌های کیفیت سرویس، از جمله بهبود در زمان پاسخ و زمان تکمیل طولانی‌ترین کار برنامه‌های اجرایی توسط ماشین‌های مجازی، می‌شود. الگوریتم پیشنهادی به ما کمک می‌کند، تا با درنظر گرفتن قابلیت‌های هر ماشین‌های فیزیکی و ایجاد تعادل بار بر روی آن‌ها، علاوه‌بر استفاده‌ی بهینه از منابع، سبب کاهش زمان پاسخگویی و تامین معیار‌های کیفیت سرویس شویم. نتایج شبیه‌سازی نشان می‌دهد که روش پیشنهادی بهبود خوبی در زمان پاسخ، نسبت به روش‌هایی که معیار آنها میزان بهره‌وری منابع می‌باشد، دارد.

شبکه‌های اجتماعی در چند سال اخیر رشد گسترده‌ای پیدا کرده‌اند، به گونه‌ای که امروزه شبکه‌هایی چون فیسبوک با بیش از یک میلیارد کاربر در صدر جدول مشهور‌ترین شبکه‌های اجتماعی قرار گرفته است. این شبکه‌ها، با دریافت اطلاعات شخصی کاربران و علایق آن‌ها می‌توانند منابع مناسبی برای بهبود سیستم‌های توصیه‌گر در تجارت و بازاریابی الکترونیکی باشند. کشف کاربران متشابه و خوشه‌بندی آن‌ها از دغدغه‌های اصلی این شبکه‌ها محسوب می‌شود و دقت بالای این کشف می‌تواند در بهبود پیشنهادات در این شبکه‌ها موثر باشد. در این مقاله، به بررسی برخی روش‌های رایج کشف تشابه ساختاری کاربران مانند SRank و SimRank و استفاده از آنها در شبکه‌های اجتماعی پرداخته می‌شود. در این روش‌ها، روابط کاربران با یکدیگر مورد سنجش قرار گرفته و افراد با ویژگی‌های مشابه به هم در یک خوشه قرار داده می‌شوند که خوشه‌بندی پیشنهادی دارای سرعت بیشتر نسبت به روش پیشین است. سپس توصیه‌هایی براساس کاربران با بیشترین تعداد دوست در خوشه‌ها صورت میگیرد. هدف از این مقاله پیشنهاد دوست در شبکه‌های اجتماعی به جهت افزایش میزان اطلاعات دربارهی کاربران و شناخت بهتر آنان است که متد SRank دارای دقت بیشتر حداقل 10 درصدی نسبت به متد Simrank میباشد.

FPGA-based multiprocessors, referred as soft-multiprocessors, have an increasing use in embedded systems due to appealing SRAM features. More than 95% of such FPGAs are occupied by SRAM cells constructing the configuration bits. These SRAM cells are highly vulnerable to soft errors threatening the reliability of the system. This paper proposes a fault-tolerant method to detect and correct errors in the configuration bits. The main of this method is to analyze the scheduled task graph and select a subset of tasks to be replicated in multiple processors based on the utilization of the processors in different execution phases. To this end, 1) errors are detected by re-executing a subset of tasks in multiple processors and comparing their output; 2) errors are corrected by re-downloading the fault-free bitstream; 3) errors are recovered from correct checkpoints. To evaluate the proposed method, a FPGA containing four and eight processors running randomly generated task graphs is evaluated. The simulation results show that the performance overhead of the proposed method for four and eight processors is 20% and 15%, respectively. These values for lockstep method are about 90% and 45%, respectively. Moreover, the area overhead of the proposed method is zero.

برون سپاری محاسبات از یک سو با انتقال اجرا از موبایل به سرورهای قدرتمند می تواند موجب کاهش زمان اجرا و مصرف انرژی روی دستگاه های موبایل شود و از سوی دیگر با تبادل داده بین سرور و موبایل موجب ایجاد هزیه ی انتقال (تأخیر) می شود. یک برنامه ی کاربردی باید به نحوی بین سرور و موبایل بخش بندی شود که بهترین مصالحه بین زمان اجرا/مصرف انرژی و هزینه ی انتقال برقرار شود. در بیشتر کاربردهای موبایل امروزی از وب سرویس استفاده می شود که قاعدتاً به دلیل الزام به اجرای غیر محلی، فرآیند بخش بندی و برون سپاری را تحت تأثیر قرار می دهد. در این مقاله با در نظر گرفتن تغییرات پهنای باند در سیستم سیار، مسئله ی بخش‌بندی و برون‌سپاری اجرای این نوع کاربردها به صورت سه مدل جداگانه با اهداف متفاوت فرموله شده و روشی ابتکاری مبتنی بر الگوریتم ژنتیک برای حل هر مسئله ی بهینه‌سازی در زمان معقول ارائه شده است. نتایج نشان می دهد الگوریتم ارائه شده قادر است بخش بندی تطبیقی نزدیک به حالت بهینه را ارائه نماید. همچنین نتایج شبیه سازی و ارزیابی الگوریتم پیشنهادی حاکی از این است که در مقابل تغییرات پهنای باند در دسترس سیستم سیار، عملکرد الگوریتم ارائه شده به نحو قابل ملاحظه ای بهتر از کار مشابه انجام شده است.

استخراج ویژگی های ضمنی یکی از مراحل دشوار در تحلیل احساسات مبتنی بر ویژگی است. از آن جایی که تحقیقات زیادی در این زمینه برای متون زبان فارسی صورت نگرفته است، لزوم انجام تحقیقات بیش تر احساس می شود. روش های ارائه شده، تمام جنبه های زبان فارسی را پوشش نمی دهند و از دقت کافی برخوردار نیستند. در این مقاله از قواعد نحوی زبان فارسی و گراف وابستگی جهت پوشش جنبه های مختلفی از نحو زبان فارسی استفاده شده است. ارزیابی های انجام شده، نشان می دهند روش ارائه شده از دقت و بازخوانی بیشتری نسبت به کارهای قبلی برخوردار است.

با افزایش روز افزون حجم اطلاعات ذخیره ‌شده در شبکه هاي جهانی وب و زیرمجموعه هاي آن همانند شبکه‌های اجتماعی، فرآیند بازیابی و استخراج اطلاعات اهمیت ویژه اي یافته است. سیستم‌های پرسش و پاسخ شکل پیچیده‌تری از سیستم‌های بازیابی اطلاعات هستند که نتایج بازیابی شده را در قالب پاسخی مستقیم و اجمالی به کاربر ارائه می‌دهند. سیستم ارائه شده در این مقاله یک سیستم پرسش و پاسخ دامنه باز مبتنی وب است. در بخش طبقه بندی پرسش، جهت بهبود کارایی طبقه بندی از ویژگی های مختلف لغوی، نحوی و معنای استفاده‌ شده است. در بخش استخراج پاسخ، ویژگی های مختلف آماری، نحوی و معنایی استخراج می شود. در بخش طبقه بندی پاسخ، برای افزایش کارایی از یک طبقه بند ترکیبی استفاده ‌شده است. میزان معیار دقت بر روی مجموعه ای با تعداد 200 پرسش شامل پرسش های دستی و پرسش های حقایق TREC-10 برابر با 78 درصد به دست آمده است که نشان ‌دهنده قابل ‌قبول بودن عملکرد سیستم است.

یکی از مهم‌ترین چالش‌های مطرح در توسعه سیستم‌های سرویس‌گرا، نحوه شناسایی سرویس‌های همسو با نیازمندی‌های کسب‌و‌کار است. در این پژوهش روشی مدل‌محور برای شناسایی سرویس‌ها از بستر کسب‌و‌کار ارائه شده است که در آن، ابتدا در فاز مدل‌ سازی کسب‌و‌کار به مدل‌ سازی فرآیندها، داده‌ها و اهداف کسب‌و‌کار پرداخته می‌شود؛ سپس در فاز شناسایی ابتدا نیازمندی‌های سیستمی و فرآیندهای To-Be از روی مولفه‌های متناظر خود در مدل کسب‌و‌کار بدست می‌آیند و با استفاده تومان از فرآیندهای To-Be، داده‌ها ونیازمندی‌های سیستمی، سرویس‌ها شناسایی می‌شوند. هم چنین اصول طراحی سرویس از جمله چسبندگی، اتصال سست، دانه‌بندی مناسب و قابلیت استفاده مجدد مورد بررسی و نحوه دستیابی به آن‌ها مشخص می‌شود. روش پیشنهادی از نقطه نظر مدل ‌محور بودن، نیمه‌خودکار بودن، سطح کاربردپذیری سرویس‌های شناسایی شده و رعایت اصول طراحی سرویس نسبت به روش‌های موجود برتری دارد.

کاهش انرژی مصرفی مراکز داده از موضوعاتی است که در سال‌های اخیر مورد توجه بسیاری قرار گرفته است. به این منظور ارائه‌کنندگان ساختار به عنوان سرویس در محیط ابر سعی می‌کنند تا حد امکان در مصرف انرژی صرفه‌جویی و سرورها را به حالت خواب ببرند. با استفاده از الگوریتم‌های مبتنی بر بسته‌بندی بسته‌ها می‌توان منابع ابر را به گونه‌ای بهینه، اختصاص و از این طریق مصرف انرژی را کاهش داد. تقسیم منابع مرکز داده با ایجاد ماشین‌های مجازی روی سرورها و اختصاص آنها به کاربران مختلف ابر ممکن می‌شود. در این پژوهش، با کمک الگوریتم بدترین انطباق کاهشی، ماشین‌های مجازی روی تعداد کمتری از سرورهای فیزیکی قرار می‌گیرند. به این ترتیب تعداد بیشتری از سرورها می‌توانند بیکار و خوابیده شوند و انرژی کمتری مصرف کنند. با شبیه‌سازی شبکه‌ی ابر و استفاده از نشانگرهای استاندارد، ارزیابی عملکرد روش پیشنهادی انجام گرفته و نشان داده شده است که با این شیوه انرژی مصرفی به میزان قابل توجهی کاهش می‌یابد.

جرم‌یابی شبکه زیرشاخه‌ای از جرم‌یابی دیجیتالی و علم ضبط، جمع‌آوری و تحلیل ترافیک جهت کسب اطلاعات و تحلیل درباره‌ی‌منبع حمله است. جهت تحلیل ترافیک و شناخت منابع حمله از سیستم‌های پایش و نظارت بر شبکه استفاده می‌شود که اهداف متفاوتی از جمله کنترل و نظارت بر عملکرد سرویس‌دهنده‌ها، کاربران و تجهیزات شبکه و SLAرا دنبال می‌کنند. این سیستم‌ها علاوه بر بحث نظارت، وظیفه‌‌ی مدیریت متمرکز را نیز انجام می‌دهند. سیستم‌های سنتی از پروتکلی مانند SNMP استفاده می‌کنند که در تشخیص صحیح جرم و منابع حمله، پاسخگوی نیاز‌های نظارتی مانند جرم‌یابی شبکه‌ نمی‌باشند. سیستم‌های تشخیص نفوذ و دیواره‌های آتش، وظیفه‌ی تشخیص حمله و تهدیدات را بر عهده دارند، لذا در فرآیند جرم‌یابی خود جزئی از این سیستم می‌باشند و به عنوان یک حسگر امنیتی به فرآیند جرم‌یابی کمک می‌کنند. در سیستم‌های پایش لازم است تا تمام مراحل مدل جرم‌یابی گام به گام انجام‌ شده و از پروتکل مناسب با توانایی تحلیل بالا مانند پروتکل Netflow استفاده شود. پروتکل NetFlow به پنج سؤال رایج در ترافیک شبکه پاسخ می‌دهد، چه فرستنده‌ای به کدام گیرنده در زمان مشخص چه داده‌ای را در چه حجمی ارسال می‌کند. این تحقیق نشان می‌دهد که با استفاده از پروتکل NetFlow می‌توان ساختار پایش شبکه‌ها را اصلاح‌ کرده و یک زیرساخت بهینه جهت جرم‌یابی شبکه‌ها و سیستم‌ها ایجاد نموده و همچنین تحلیلی دقیق و سریع روی جرایم ارائه نمود.

امروزه برقراری سرویس اینترنت با کیفیت بالا در کنار افزایش امنیت در جاده‌ها مورد توجه فراهم کنندگان سرویس‌های شبکه قرار گرفته است. از این رو زیرساخت شبکه متحرک بی‌سیم برای وسایل نقلیه (VANET) در سال‌های اخیر توسعه یافته است. شبکه سلولی LTE از نسل چهارم شبکه موبایل تکنولوژی مناسبی جهت فراهم سازی زیرساخت موردنیاز VANET است. اما برقراری سرویس اینترنت در سناریوهایی با سرعت بالا از قطع سرویس در اثر پدیده هنداور رنج می‌برد. هنداورهای مکرر در سرعت‌های بالاتر منجر به قطع کامل سرویس داده موبایل می‌شوند. ما در این مقاله برای حل مشکل قطع سرویس از مکانیزم توازن بار توزیع شده بین وسایل نقلیه در حال حرکت استفاده می‌کنیم. این مکانیزم با برقراری یک همکاری توزیع شده بین وسایل نقلیه مجاور سرویس اینترنت یکپارچه (بدون قطعی) را برای مسافران جاده‌ای در سناریوهای سرعت بالا فراهم می‌کند. ما به کمک شبیه سازی عددی براساس پارامترهای واقعی LTE الگوریتم ارائه شده را مورد ارزیابی قرار می‌دهیم.

در اين مقاله، یک پروتکل ارتباطی چندعامل در یک سیستم نظارت ویدئویی ترافیک شهری به منظورره گیری غیرمتمرکز وسایل نقلیه ارائه شده است. نظارت خودکار ترافیک شهری یکی از حوزه های تحقیقاتی پراهمیت در سیستم های حمل و نقل هوشمند است. تطبیق مشخصه های وسایل نقلیه از منظر چندعامل نظارتی مختلف، یک پارامتر اساسی برای افزایش دقت ره گیری سیستم نظارتی خواهد بود. یک سیستم نظارتی تک عامل شامل محدودیت های ذاتی چون محدود بودن ناحیه دید عامل و انباشتگی خطا در الگوریتم های تفاضل زمینه است. در راهکار پیشنهادی، در نواحی دید مشترک، دو عامل نظارتی مختلف بطور همزمان، یک وسیله نقلیه را ره گیری می کنند و این ساختار نظارتی چندعامل با ناحیه دید مشترک می تواند مشکلات ناشی از همپوشانی وسایل نقلیه در ناحیه دید هر یک از عامل ها را از طریق دیگری مرتفع نماید و لذا سطح بالایی از خطاپذیری را ایجاد کند. لذا با ارائه یک پروتکل ارتباطی بر پایه تبادل پیغام، به ارزیابی دقت ره گیری سیستم نظارتی چندعامل می پردازیم. هدف اصلی از یک سیستم نظارت توزیع شده، کاهش کارآمد نرخ انتقال و همچنین آنالیز صحنه ترافیک بصورتی غیرمتمرکز و ارسال داده های مورد نیاز به دیگر عامل های سیستم نظارتی است. در این ساختار ناحیه دید سیستم نظارتی وسیع تر شده و با ادغام داده های چندعامل، یک وسیله نقلیه می تواند در کل ناحیه دید سیستم نظارت ترافیک شهری بطور یکنواخت ره گیری شود.

ترمیم تصاویر دیجیتال، یکی از حوزه های پردازش تصویر است که امروزه مورد توجه محققان بسیاری قرار گرفته است. این رشته به خصوص در بازیابی تصاویر، حذف نویز و حذف اشیای نامطلوب از تصویر کاربرد فراوانی دارد. در میان الگوریتم های مختلفی که تا کنون معرفی شده اند، الگوریتم های مبتنی بر نمونه ترمیم تصویر به دلیل سرعت و دقت بالا، مبنای بسیاری از پژوهش های این حوزه قرار گرفته اند. این الگوریتم ها اگر چه ساده، سریع و کارآمد هستند، اما در ترمیم تصاویر با ساختارهای خطی پیچیده، با مشکل مواجه و دچار خطاهای جدی می شوند. محدودیت این الگوریتم ها در ترمیم ساختارهای خطی، موضوعی است که تا کنون به آن کم تر پرداخته شده است. در این مقاله، با استفاده از همسان سازی تصویر به روش Anisotropic Diffusion الگوریتم جدیدی ارائه می شود که ضمن افزایش دقت و کیفیت ترمیم تصویر، بر مشکل فوق نیز غلبه می کند. نتایج حاصل از ارزیابی الگوریتم پیشنهادی این مقاله و مقایسه آن با الگوریتم های موفق در حوزه ترمیم تصویر، نشان می دهد الگوریتم ارائه شده، در دقت و کیفیت ترمیم تصویر، پیشرفت چشمگیری ایجاد کرده است.

کشف الگوهای پرتکرار از مجموعه داده‌های تراکنشی یکی از مهمترین وظایف داده‌کاوی است که تا کنون تحقیقات بسیار زیادی بر روی آن انجام گرفته است. بخشی از این تحقیقات بر روی الگوهای پرتکرار متناوب متمرکز گردیدهاند؛ الگوهای متناوب، الگوهایی هستند که به طور منظم تکرار میشوند؛ به عبارت دیگر الگوهایی، که فاصله بین هر دو رخداد متوالی آنها، از حداکثر از پیش تعریف شده کمتر باشد. اگرچه الگوهای متناوب میتوانند اطلاعات مفیدی برای کاربران به همراه داشته باشند؛ اما به نظر میرسد که حالتهای خاص، مثل افزایش یا کاهش تعداد رخداد یک الگوی پرتکرار، نیز میتواند مفید باشد. این در حالی است که این اطلاعات، با جدا کردن الگوهای متناوب از دست خواهد رفت. در این مقاله الگوریتمی مبتنی بر الگوریتم Eclat پیشنهاد نموده‌ایم که میتواند، با بررسی تغییرات فاصله رخدادها، حالتهای خاص در الگوها را کشف کند. آزمایشهای انجام شده نشان میدهد الگوریتم ارائه شده کارا بوده و میتواند الگوهای پرتکرار افزایشی و یا کاهشی را پیدا نماید.

کیفیت داده‌ها یکی از مباحث بسیار مهم در حوزه مهندسی نرم افزار می‌باشد. در سال های اخیر راهکارهای مختلفی جهت پاکسازی و ارتقاء کیفیت داده ها ارائه شده است. بسیاری از این راهکارها از روش‌های کاملا اتوماتیک و مبتنی بر الگوریتم به منظور شناسایی و تصحیح مشکلات کیفیت‌ داده‌ای استفاده می‌کنند. این راهکارها در حوزه پاکسازی داده‌های ساخت یافته، عملکرد مناسبی دارند ولی بخش قابل توجهی از داده‌های دنیای امروز را داده‌های غیرساخت‌یافته و نیمه ساخت یافته تشکیل می‌دهند که روش‌های یادشده، عمدتا به دلیل مشکلات پیچیدگی الگوریتم و عدم امکان پیاده‌سازی بسیاری از قواعد کیفیت داده‌ای، عملا کارایی خود را در این حوزه‌ها از دست می‌دهند. در این مقاله جهت شناسایی و تصحیح مشکلات کیفیت داده‌ای، یک رویکرد مبتنی بر جمع سپاری ارائه شده است که با استفاده از قابلیت های هوش انسانی قادر است در حوزه های داده‌ای نیمه ساخت یافته و غیرساخت یافته هم عملکرد مطلوبی داشته باشد و با توجه به نیازمندی‌های کاربر و بهره‌گیری از مفاهیم حوزه مهندسی کیفیت، امکان ارتقاء سطح کیفی داده‌ها را با در نظر گرفتن محدودیت‌های مهندسی موجود فراهم کند.

در این مقاله روشی برای بازنمایی معنایی جملات به منظور انجام استنتاج‌های منطقی بر روی متن ارائه شده است. در این شیوه از ویژگی‌های معنایی پردازش زبان مانند برچسب زنی نقش معنایی برای ذخیره‌ی حقایق در قالب پایگاه شناخت استفاده شده است. ماهیت ابهام‌آلود زبان طبیعی، بازنمایی منطقی آن را به یک مسئله باز برای پژوهش‌های حاضر تبدیل کرده است. علاوه بر این وجود عدم اطمینان و وجود حقایقی که تنها در بازه‌های زمانی خاص معتبر هستند، از چالش‌های دیگر در امر استنتاج روی زبان طبیعی هستند. برای حل این چالش‌ها سیستم پیشنهادی از یک پایگاه شناخت مبتنی بر دیدگاه دیویدسونی برای بازنمایی اخبار استفاده می‌کند. در طرح پیاده‌سازی شده اخبار ورودی با برچسب‌های معنایی در قالب یک پایگاه شناخت (OWL) ذخیره می‌شوند و در کنار منایع دانش مانند پایگاه شناخت‌های عمومی و واژگان زبان به موتور استنتاج داده می‌شوند. این سیستم خبره توانایی استنتاج بر روی متن خبر ورودی را با قواعد برخط تعریف شده توسط کاربر دارا می‌باشد. این سیستم قابلیت افزودن قواعد مورد نیاز کاربر و پایگاه‌های شناخت دلخواه را داراست.

مدل‌سازی تکامل سیستم‌های نرم‌افزاری شیگرا نقش اساسی در نگهداری، طراحی کارا و تحلیل مدل‌های توسعه سیستم‌های نرم‌افزاری ایفا میکند. کاوش مخازن کد سیستم‌های نرم‌افزاری متن باز امکان مطالعه و تحلیل روند تکامل نرم‌افزار را فراهم کرده است. نمایش ساختار سیستم‌های نرم‌افزاری بصورت شبکه امکان مطالعه‌ی تاثیرات ناشی از تغییرات خواص شبکه در تحلیل تکامل نرم‌افزار را فراهم میکند. در این مقاله، هدف مدل‌سازی تکامل سیستم‌های نرم‌افزاری شیگرا بر پایه تحلیل شبکه‌ی ارتباطات کلاسی نرم‌افزارها و تغییرات در معیارهای توسعه (ایجاد، حذف، انتقال، شکستن و ادغام کلاس‌ها)، با حفظ خواص تکاملی شبکه از جمله اتصال ترجیحی و خاصیت انجمنی است. قدرت شبیه‌سازی مدل پیشنهادی بر روی مدل واقعی پروژه متن باز اکلیپس به نام ای گیت (با 10 ورژن و میانگین تقریبی 720 کلاس) ارزیابی می‌شود. نتایج حاصله دقت بالایی در شبیه‌سازی رشد ساختار واقعی نرم افزار داشت. نتایج نشان میدهد با افزایش سن کلاس‌ها احتمال حذف و یا ادغام با کلاس‌های دیگر کمتر میشوند. همچنین میزان وابستگی به کلاس‌های پایه در روند تکامل نرم‌افزار بیشتر میشود. شبکه‌های ارتباطات کلاسی دارای خاصیت جهان کوچک بوده و نسبت به اشکال‌ها در یک کلاس بصورت تصادفی استحکام دارند. به علاوه، نتایج این مدل‌سازی به پیش‌بینی روند آینده توسعه نرم‌افزار، استخراج قواعد جدید و یا اصلاح قواعد موجود در حوزه تکامل نرم‌افزار به توسعه دهندگان کمک می‌کند.

با توجه به گسترش روز افزون ارتباطات چند رسانه‌ای بر بستر اینترنت، امنیت داده‌ها دارای اهمیت زیادی میباشد. فایلهای تصویر در کاربرد‌های نظامی، پزشکی، شبکه‌های اجتماعی و ... به‌کرات مورد استفاده قرارگرفته و برای حفظ این داده‌ها از رمزنگاری استفاده میگردد. رمزنگاری فایلهای تصویر با توجه به دو ویژگی تصویر، حجم بالا و وابستگی شدید پیکسلهای مجاور با چالش‌های خاص خود دست ‌به ‌گریبان میباشد. روش رمزنگاری ضمن سریع بودن باید الگوی نهفته در تصویر را مخفی کرده و اطلاعات آماری تصویر اصلی را کاملاً تغییر دهد. این تغییر باید به‌گونه‌ای باشد که فایل رمز شده در مقابل انواع حملات رایج مقاوم باشد. روش رمزنگاری AES یک روش کاملاً استاندارد و ایمن بوده و دارای مدهای عملیاتی متفاوتی میباشد. عمده مشکل این روش سرعت‌پایین و یکسان بودن خروجی بلاک‌ها مشابه میباشد. GPU با توجه قابلیت پردازش موازی برای کار با داده‌هایی نظیر پیکسلها بسیار کارآمد میباشد. در این تحقیق با استفاده از GPU و نظریه آشوب دو کاستی بالا را جبران کرده و به نتایج بهتری رسیده‌ایم.

امروزه با سیستم‌های اطلاعاتی وسیعی مواجه هستیم که از سرویس‌های ارایه‌شده توسط سازمان‌های مختلف تشکیل شده‌اند و هر سازمان از طریق ارایه سرویس‌هایی، به شکل غیرمستقیم به کاربران و سایر سیستم‌ها اجازه دسترسی به منابع خود و استفاده از آن‌ها را می‌دهد. بدین‌ترتیب می‌توان گفت، امروزه مبحث تعامل‌پذیری سرویس‌ها از اهمیت بالایی برخوردار است. از طرفی، تفاوت در اندازه دانه‌بندی سرویس‌های ارایه‌شده توسط سازمان‌های مختلف می‌تواند مانعی در برابر ایجاد تعامل میان این سرویس‌ها و سیستم‌های اطلاعاتی مختلف به‌شمار آید. در این مقاله قصد ارایه راهکاری درجهت یکسان‌سازی دانه‌بندی سرویس‌های سازمان‌ها و بهبود تعامل‌پذیری میان آن‌ها داریم که این راهکار مبتنی بر معماری ریزسرویس‌ها است. بدین‌ترتیب، در این مقاله نقش معماری ریزسرویس‌ها در تعامل‌پذیری میان سرویس‌ها و از بین بردن موانع آن، بررسی خواهد شد.