انجمن کامپیوتر ایران

اقبال روزافزون در به کارگیری ابزارهای اتوماسیون و مدیریت جریان کار به عنوان یک روش مهم در تعریف و اجرای فرآیندها از یک سو و از سوی دیگر توسعه کارکردهای اینترنت از صرفاً دسترسی آسان و سریع به اطلاعات به پردازش اطلاعات ما را بر آن داشته است تا به ارائه معماری و پیاده‌سازی یک سیستم مدیریت جریان کار مبتنی بر گرید مبادرت ورزیم، در این معماری از وب‌ سرویسها به عنوان سیستم نرم افزاری زیربنایی در برقراری ارتباط و تعامل میان ماشین‌های شبکه استفاده شده است و اجرای جریان‌های کاری به اتکای منابع نرم‌افزاری و سخت‌افزاری توزیع شده در گرید میسر گردیده. تحقق این امر کارکردهای مهمی نظیر تسریع و تسهیل در دسترسی به سرویس‌ها، توزیع و توزین بارکاری، افزایش کارایی، قابلیت مواجه با خطا و نظایر آن فراهم می‌آورد. در این مقاله ضمن ارایه معماری‌ای نوین برای سیستم‌های مدیریت جریان کار، زبانی جدید برای تعریف جریان کار و روال پیاده‌سازی آن با استفاده از گرید و وبه سرویس‌ها معرفی و ارزیابی شده است.

اساساً الگوریتم‌های جذر را می‌توان به دو مجموعه اصلی تقسیم کرد: روش‌های «تکراری » و روش‌های «تقریبی با توابع حقیقی ». الگوریتم‌های تکراری راه حل‌های کندتر اما دقیق‌تری را نسبت به الگوریتم‌های تقریبی پیشنهاد می‌کنند. یکی از عیب‌های روش‌های تقریبی استفاده ازLUT برای بدست آوردن یک تقریب اولیه می‌باشد. از آنجا که سربار سخت افزاری این جداول بسیار زیاد است، در این مقاله، راه حل‌هایی برای بدست آوردن تقریب اولیه پیشنهاد شده است. در این زمینه دو روش ارائه می‌شود که با استفاده ازHybrid Multiple Expert System ، یعنی ترکیب چند روش جذر با ترتیب خاص، کارایی مدارات محاسبه جذر بهبود بخشیده می‌شوند.

در این مقاله روش جدیدی بر مبنایAdaBoost در زمینه سیستم‌های مولتی مودال بیومتریک ارائه می‌گردد. AdaBoost برای غلبه بر مشکل محدودیت داده‌های آموزشی در سیستم‌های تک ساختاری بکار می‌رود که از ترکیب شبکه‌های عصبی مختلفی با نام "آموزش یافته‌های ضعیف" تشکیل می‌گردد. ساده‌ترین شبکه عصبی یعنی یک نرون تنها، نقش آموزش یافته‌های ضعیف را دارا می‌باشد. آزمایشات متعددی با تعداد تکرارها و ورودی‌های متفاوت در این مقاله صورت پذیرفته است. نتایج بدست آمده از ساختار چندگانه AdaBoost در قیاس با ساختارهای یگانه نتایج بهتری را ارائه می‌دهد. در مطالعه ساختار ابتدایی soft AdaBoost ، طبق انتظار، نتایج حاصل به قوت نتایج بدست آمده از سیستمAdaBoost حاشیه سخت نمی‌باشد. علت گرایش به سمت حاشیه نرم، حساسیت کمتر آن نسبت به نویز در قیاس با ساختار حاشیه سختAdaBoost می‌باشد. همچنین نتایج نهایی وابسته به مقدار اختیار شده برای ضریب ایجاد حاشیه نرم (c) می‌باشد که اثر افزایشC در کاهش خطا به صورت تقریباً نمایی ملاحظه شده است.

محاسبات گرید گون‌های از سامانه‌های موازی و توزیعی است که امکان به اشتراک گذاشتن، انتخاب و گردآوری منابع خودگردان (کامپیوتر، نرم افزار، بانک‌های اطلاعاتی، تجهیزات) را که از نظر جغرافیایی توزیع شده‌اند را مهیا می‌نماید. مدیریت و اکتشاف منبع یکی از مباحث کلیدی در سیستم‌های توزیع شده و بخصوص گرید می‌باشد. باید درنظر داشت که گرید از کاربردهای متفاوتی تشکیل شده که هر کدام شامل منابع سخت‌افزاری و نرم‌افزاری متنوعی می‌باشند، بنابراین شناسایی و مدیریت این منابع در یک گرید دارای اهمیت ویژه‌ای می‌باشد. شیوه‌های کلاسیک مربوط به مدیریت و اکتشاف منابع گرید بصورت متمرکز یا سلسله مراتبی هستند و ممکن است با توسعه سریع گرید این روش‌ها کارایی لازم را ارائه نکنند. در این مقاله سعی شده با استفاده از معماری سرویس‌گرا روشی بهینه برای مدیریت و اکتشاف منابع ارائه شود.

شرط لازم در استاندارد اروپايي درجه بندي سيب، داشتن دم است. در اين مقاله روشي جديد براي آشكارسازی دم سيب ارائه شده است. لگوريتم ارائه شده از تركيب دو تكنيک آشكارسازی دم براساس شكل و آشكارسازی دم براساس رنگ استفاده می كند. نرخ بازشناسي الگوريتمهاي آشكارسازي براساس شكل و آشكارسازي براساس رنگ به ترتيب67/96 % و 82 % است. نتايج آزمايش نشان مي دهد كه اگر از تركيب دو الگوريتم فوق براي آشكارسازي دم استفاده شود، نرخ بازشناسي به 5/88 ٪ می‌رسد. در الگوريتم تركيبی ممكن است در پاره ای موارد كاسبرگ و يا زنگ دمگاه به عنوان دم معرفي شود. اين خطاها از الگوريتم آشكارسازی دم براساس رنگ ناشي مي‌شود.

در اين مقاله ساختار جديدي را براي پياده سازي دروازه هاي منطقي معرفي مي كنيم. روند توليد منطق در اين روش طراحي، اختلاطي از متدهاي مد و لتاژ و مد جريان است. به اين ترتيب مدار پايهي ارائه شده بسيار انعطاف پذير بوده و قابليت توليد همزمان دو خروجي مد ولتاژ و مد جريان را دار د . ازاينرو ميتوان مدارهاي ساخته شده در اين خانواده را به نوعي مختلط ناميد. با توجه به پيوستگي شبكه هاي ولتاژ و جريان و اثرپذيري آنها از يكديگر، به واسطه نگرشي جديد، مي توان مدار هاي ساخته شده با اين تكنولوژي را به عنوان نوعي تشخيص دهنده امپدانس بالا نامگذاري كرد. خروجي مد جريان در اين طراحي، بر اثر عملكرد ذاتي مدار در هنگام تشخيص امپدانس بالا به وجود آمده و بنابراين سعي در استفاده از قطعهي اضافي جهت ساخت شبكهي مد جريان نشده است. ثابت بودن بخش اعظم اين دروازه ها در طراحي هاي مختلف از يك سو و نيز داشتن دو نوع خروجي مد ولتاژ و مد جريان از سوي ديگر، اين دروازهها را بسيار پر كاربرد جلوه ميدهد.

با توجه به روند رو به رشد خريد و فرو شهای اينترنتی در دنيای امروز، نياز رو زافزونی به وجود عاملهايی که بتوانند بطور خودمختار و بدون کمک انسان در اين بازارها داد و ستد نمايند، احساس میشود. اين احساس نياز نه تنها بخاطر حجم زياد اين فعاليتها، بلکه بخاطر نياز به دقت و سرعت در اين بازارها نيز اس ت. در اين مقاله سعی شده است تا با تکيه بر تکنيکهای هوش مصنوعی ، عامل معاملهگری برای انجام اينگونه داد و ستد ها طراحی گردد که توانائي فعاليت همزمان در چندين بازار پويا و مختلف را داشته باشد. اين عامل مطابق با معيارهای مسابقات معتبر TAC SCM که در سطح جهان برگزار میگردد، طراحی گرديده است تا بتواند در اين مسابقات نيز شرکت نماي د. از نکات مورد توجه بکارگيری معماري BDI در طراحی اين عامل است که يکی از نتايج آن راندمان بالای خط توليد م یباشد. براي پركردن ظرفيت خط توليد نيز از الگوريتم كوله پشتي استفاده گرديده است تا از ظرفيت موجود به بهترين نحو استفاده شود . نتايج حاصل از مسابقات انجام شده، نشان دهنده موفق بودن ايده های استفاده شده در ساخت اين عامل می - باشد.

هدف ما در این مقاله، طراحی و تحلیل مکانیزم هاي هماهنگی براي نسخه هاي مختلف مساله زمان بندي خودخواهانه می باشد. ما در اینجا فرض می کنیم که فعالیت ها خودخواه هستند و بنابراین بر روي ماشینی می روند که نارضایتی شخصی آن ها را کمینه کند . در یک مکانیزم هماهنگی، نارضایتی هر فعالیت تنها به مجموعه فعالیت هایی که روي همان ماشین زمان بندي شده اند بستگی دارد. ما در اینجا به ویژگی هایی از راه حل عمومی که بر اساس استراتژي هاي خودخواهانه فعالیت ها در یک تعادل نشَ بوجود می آیند علاقه مند هستیم. در اینجا به طور خاص کمینه کردن میانگین زمان اتمام فعالیت ها هدف قرار گرفته است. در این مقاله، ما چهار دسته متفاوت از مسائل زمان بندي بر روي چند ماشین موازي را در نظر گرفته، سه مکانیزم هماهنگی را براي آن ها بررسی کرده و حدود بالا و پایینی را براي آن ها کردهایم.

معماري نر مافزار يك فراورده حياتي در چرخه حيات نرم افزار است. يك معماري خوب در موفقيت و تامين خواستههاي وظيف هاي و علي الخصوص خواست ههاي غير وظيف هاي نرم افزا رها، نقش اساسي دارد . يك فعاليت اصلي طراحي معمار ي نرم افزار، تجزي ه نرم افزار به مولف هها است كه به منظور تامين وظيفه مند يهاي مورد نظر با يكديگر همكاري مي كنند. هدف از اين فعاليت كاهش پيچيدگي مسئله با تجزيه آن به بخشهاي قابل مديريت كوچكتر مي باشد . سبك معماري علاوه بر توصيف نرمافزار و تجزيه آن به مولفهها برصفات كيفي نرم افزار نيز اثر دار د. يكي از تصميمات مهم در فرايند طراحي معماري نرم افزا ر، انتخاب سبك معماري نرم افزار با توجه به اولويت صفات كيفي مورد نظر مي باش د. دراين مقاله روشي براي انتخا ب سبك معماری نرم افزار از ميا ن سب كهاي كانديد با توجه به تقدم صفات كيفي نر مافزار و با استفاده از فرايند تحليل سلسله مراتبي ارائه شده است. علاوه بر آن در ارزيابي صفت كيفي قابليت استفاده مجدد نرم افزار و صفت كيفي قابليت اصلاح نرم افزار از معيار اتصال استفاده شده است كه راهي براي كمي كردن بعد اتصال در اين دو صفت كيفي است.

با توجه به رشد روزافزون حجم متون و لزوم دستيابي مناسب و استخراج اطلاعات از آنها، دسته بندي بدون سرپرست متون اهميت زيادي پيدا کرده است. روش آناليز معنايي پنهان احتمالاتي » (PLSA) ، يكي از روشهايي است كه در سالهاي اخير در دسته بندي متون مورد توجه قرار گرفته است. روش PLSA که بر پاية آناليز معنايي پنهان » يا (LSA) است، داراي زيربناي آماري محکمي بوده و در زمينههاي مختلف کار با متون عملکرد بسيار خوبي داشته است. در اين مقاله روش PLSA به منظور بيان مناسب متون در فضاي کاهش بعد يافتة معنايي و نيز دسته بندي متون مورد استفاده قرار گرفت و روشي براي بهبود مدل PLSA با حذف متغيرهاي پنهان نامناسب در حين تعليم پيشنهاد شد. آزمايشات بر روي تعدادي متن فارسي شامل ۶ موضوع کلي و داراي برچسب موضوعي كه از پيرة متني « فار س دات انتخاب شده بودند، صورت گرفت. با استفاده از روش PLSA به همراه الگوريتم ساده k-means به ۸۷,۲۳% صحت دستهبندي دست يافتيم که %6.09 بيشتر از روش LSA در کنار مدل k-means بود. همچنين توانستيم با استفاده از روش PLSA بهبود يافتة پيشنهادي صحت دستهبندي را نسبت به روش PLSA ، 3.75% افزايش دهيم.

شيوههاي محاسباتي ماشيني در پردازش زبان بيشتر منحصر به روش هاي با مربي است و به دليل کارايي و جوابهاي دلسرد کننده- اي که مکررًا از روشهاي بد ون مربي بدست م يآيد بر دادههاي دستيساز تکيه دارد. اين درحاليست که روشهاي استنتاج گرامر بدون مربي بسيار مفيد هستند، چرا که متون تجزيه شده دستي تنها براي تعداد کمي از زبان ها موجود ميباشند. به هرحال با اينکه مسئله يادگيري نحو زبان از ميان متون خام، توجه زيادي را درحدود يک دهه به خود اختصاص داده است، نتايج کمي در بر داشته است. در اين مقاله، روشي بدون مربي جهت استخراج گرامر زبان فارسي ارائه خواهد ش د. اين روش با استفاده از الگوريتم هاي ژنتيک و بهر هگيري از الگوريتم درون -بيرون جهت توليد جمعيت اوليه، کار م يکند. مزيت الگوريتمهاي ژنتيک در اين پروژه خروج از بهينههاي محلي به کمک عملگر جهش، و مشکل آن حجم بالاي محاسبات درصورت استفاده از جمعيت اوليه تصادفي اس ت. از طرف ديگر الگوريتم درو ن-بيرون با اينکه مشکل بهينه محلي دارد مي تواند گرامرهاي ابتدايي را که بسيار برتر از گرامرهاي تصادفي هستند ارائه ده د. نتايج آزماي شهاي انجام شده در دو زمينه فارسي و انگليسي برتري آشکار اين روش را نسبت به عموم روش هاي بدون مربي نشان ميدهد.

ارزيابي امنيت ي الگوريتم هاي رمز قطع ه اي از طريق مقاومت آنها در مقابل حملات شناخته شد ه، صورت م ي گيرد. يکي از مهمتر ين حملات، تحليل خطي ميباشد. يافتن يک مشخصه خطي مناسب قسمت بسيار مهمي از اين حمله است. در اين مقال ه، بازنمايي تقريبات خط ي الگوريتم رمز معماگ ر با يک گرا ف مطرح م يشود. اين مد ل، فضاي تمامي تقريبات خطي الگوريتم رمز را به صورت يك گراف چندسطحي وزن دار يکطرفه نشان م ي دهد، بطوريكه مسئله يافتن بهترين مشخصه خطي الگوريتم رمز متناظر با يافتن كوتاهترين مسير گراف است. جهت بدست آوردن گراف نمايش تقريبات خطي الگوريتم رمز معماگر، در ابتدا گراف متناظر با هر جز از الگوريت م رمز بدست آورده م يشود. سپس با تعريف توابع الحاق و تقسيم، ترکيب موازي و متوالي اجزا يک دور از الگوريتم رمز تعريف م يشود و گراف متناظر با هر دور ساخته مي شود. در آخر گراف متناظر با تق ريبات خط ي كل الگوريتم رمز با توجه به دو ساختار SPN و شبه DES موجود در الگوريتم رمز معماگر بدست آورده م يشو د. در انتها چگونگي بكارگيري شيوه بهين هسازي اجتماع مورچه ها جهت جستجوي مشخص ه هاي مناسب بر روي گراف تقريبات خطي الگوريتم رمز معماگر شرح داده و نتايج بدست آمده ارائه م يشود.

همكاري در يادگيري برا ي سيستم هاي چند عامله وقتي عام ل ها از روش هاي يادگيري تقويتي اس ت فاده مي كنند اهميت مي يابد. در چنين محيط هايي عامل ها مي توانند دانش و تجرب ه هاي شخصي خود را به اشتراك بگذارند تا با اقتباس و استفاده از دانش يكديگ ر ، سرعت و سهولت بيشتري در يادگيري پديدآي د . البته اين مقصود به شرطي منطقي و شدني است كه هر عامل از عام ل هاي خبره تر از Q خود و تنها در ناحيه خبرگي آنها دانش كسب كن د . در اين مقاله براي آنكه عام ل هايي با يادگيري Q و دانش فازي د ر كي از خبرگي خود پيدا كنند روشي پيشنهاد مي شود كه در آن هر عامل به موازات جدول Q جدول ديگري را براي ثبت نشانه ي خبرگي ايجاد مي كند و در حين يا د گيري تغيير مي دهد. وجود اين جدول اضافي در نزد عامل ها به آنها كمك مي كند تا به هنگام تركيب دانش از محدوده خبرگي يكديگر اطلاع پيدا كنن د . آزمايش ها نشان مي دهند كه درك عامل ها از خبرگي خود نزديك به واقعيت است و تركيب دانش با استفاده از اين درك بازده بيشتري نسبت به تركيب ساده دانش ها دارد.

This paper presents a detailed traffic analysis of f-cube routing algorithm. Per-node traffic analysis illustrates the traffic hotspots caused by fault regions and provides a great assistance in developing fault tolerant routing algorithms. Moreover, the effect of a traffic hotspot on the traffic of neighbor nodes and global performance degradation is investigated, here. Currently, some coarse measures like global network latency are used to compare routing protocols. These measures do not provide enough insight of traffic distribution in presence of different fault regions. To analyze the per-node traffic, some per-node traffic measures are introduced here and one of them is selected for the rest of work. Different fault regions (single node, vertical line, horizontal line, and rectangular) in different places of a mesh network are simulated and the results are compared and interpreted. In an effort to gain deep understanding of the issue of traffic analysis of faulty networks, this paper is the first attempt to investigate per-node traffic around fault regions.

In this work, The scanner is calibrated by neural network techniques. for calibration, the RGB values converts to the device independent CIE color space. The method adopted in the paper through several test experiments consists of several structure and topology for neural network and non-linear filtering applied to the scanner RGB values. we devised. The experimental results are very considerable. The accuracy of this works is as good as other works.

This paper presents the theoretical development of nonlinear adaptive filter based on a concept of filtering in high dimensional space (HDS). The most common procedures for nonlinear estimation are the extended Kalman filter. The basic idea of the extended Kalman filter (EKF) is to linearize the state-space model at each time instant around the most recent state estimate. Once a linear model is obtained, the standard Kalman filter equations are applied. Main innovation in this paper is new linearization technique in EKF. The Linearization is performed by converting existing space to high dimensional space. HDS helps having linear space from nonlinear space. In this linear space, the standard Kalman filter gives rise to better results in estimation and prediction purposes. It is proven that MSE and error variance in this space is less than the input space. The proposed EKF is implemented in pedestrian tracking and results show that our method is superior to the standard extended Kalman filter.

Input-Queued switch architecture has become attractive for implementing high performance routers because the switching fabric and the buffer need not run at a multiple of input link's rate. It is challenging to provide a scheduling technique that is both highly efficient and fair in resource allocation. We propose an iterative Cell- based Fair scheduling (iCFS) scheme, based on SLIP that support fair bandwidth distribution among flows and achieves asymptotically 100 percent throughput.