انجمن کامپیوتر ایران

در فراوانـی هـای کـاربرد مصـنوعی عصـبی هـای شـبکه
از یکـی دارنـد. ماشـینی یـادگیری و پـذیری انطباق ها، دادهجداسازی باشـد. مـی ٓان ٓاموزش مسئله عصبی های شبکه در موجود هایچالش هـایش اندوختـه اساس بر سپس و ببیند ٓاموزش ابتدا بایست میشبکه (Back خطـا انتشار پس همچون ٓاماری ٓاموزش های روش نماید.عمل مـی محلـی بهینه نقاط در توقف و پایین سرعت دارایPropagation) سـرمایش بـا ذرات تـوده سـازی بهینـه الگـوریتم دیگـر سـوی ازباشد. سـرمایش ایـده دو ترکیـب بـا کـه اسـت قـادر(SAPSO) تـدریجی (Particle ذرات تـوده سازی بهینه و(Simulated Anealing)تدریجی هـا، جـواب فضـای در قطعی غیر روش یک،Swarm Optimization) بـا نمایـد. پیـدا بـاال دقتی و سرعت با را جواب بهترین به نزدیکجوابی برای برایSAPSO از که است بار اولین برای نگارندگان، دانش بهتوجه مقاله این در ٓان گزارشات که شود می استفاده عصبی های شبکهتعلیم طور به الگوریتم این که دهد می نشان سازی شبیه نتایج شود. میارائه %20 متوسـط طـور بـه و خطـا انتشار پس روش از سریع %30متوسط دارد. خطا انتشار پس روش از بهتریصحت

طرح های سنتی ایران شامل مجموعه ای از نقش های اصیل و هندسی پایه است که از حیث تعداد و تکرار قابل تغییر می باشند. خلق یک اثر هنری توسط هنرمند عموما بر اساس بکارگیری یک یا چند نقش پایه و سپس استفاده از ذوق هنری در نحوه چینش و تکرارآنها است که از این طریق قادر به خلق نقوشی با تنوع و گستردگی فراوان خواهند بود. به دلیل کثرت و گستردگی نقوش و همچنین به دلیل ظرافت بالای نقش های خلق شده، فرآیند ارزیابی و رتبه بندی نقوش سنتی ایران مستلزم دقت بالا در کنار صرف زمان بسیار زیاد می باشد. لذا ارائه یک روش خودکار و کارآمد جهت رتبه بندی زیبایی نقوش خلق شده از اهمیت بسزایی برخوردار است. در این مقاله از مهمترین ویژگی زیبایی شناسی نقوش سنتی ایران یعنی تقارن برای تدوین یک روش کارآمد جهت ارزیابی کمّی آنها استفاده شده است. صحت عملکرد روش تدوین شده با استفاده از رتبه کیفی شخص خبره (استاد نگارگری) جهت امتیاز دهی به مجموعه ای از نقوش و مقایسه نتایج حاصله با نتایج حاصل از روش ارائه شده مورد بررسی قرار گرفته است. بررسی نتایج و مقایسه آنها نشان دهنده قابلیت اطمینان روش ارائه شده می باشد.

در جامعه کنونی به کارگیری کامپیوتر جهت آموزش امری ضروری است و در این میان سیستم¬های آموزشی هوشمند توجه محققان را به خود جلب کرده است. مدلسازی دانشجو نقطه تمرکز اصلی و یکی از اجزاء سیستم آموزشی هوشمند و نمایشی از رفتار و وضعیت دانشجو است. در هنگام استفاده دانشجو از سیستم، دنباله¬ای از اعمال انجام شده او ثبت می¬شود و سیستم تلاش می¬کند تا بر اساس آن، مدل یادگیری دانشجو را تعیین کند. این مقاله یک دیدگاه جدید برای مدل کردن رفتار دانشجو در سیستم شبه¬آموزشی با استفاده از ترکیب آتوماتای یادگیر و یادگیری تقویتی بیان می¬کند. در مدل پیشنهادی، مدل دانشجو توسط عامل تعیین¬کننده¬سطح به نام LDA -QLA که مدل یادگیری دانشجو را مشخص می¬کند، تعیین می¬شود. LDA-QLA در حقیقت الگوریتم یادگیری Qرا به عنوان مکانیزم یادگیری برای تعیین اینکه دانشجو یادگیرنده کند، نرمال یا سریع می¬باشد، بکار می¬¬گیرد و نشان داده شد با بکارگیری الگوریتم یادگیری Q سرعت تعیین مدل یادگیری دانشجو افزایش یافته است.

اخيراً، تحقيقات در زمينه بازشناسي چهره روي نمايشی از چهره متمركز شده است كه قادر باشد اطلاعات مناسب را كه نسبت به تغيير روشنايي و حالت چهره ثابت باشد، بدست آورد. كه سبب ايجاد يك توصيفگر قدرتمند بافتي كه الگوي باينري محلي (LBP) ناميده مي¬شود شده است. ما در اين مقاله روش کارآمد جديدی مبتنی بر توصيفگر الگوی باينری محلی، برای تشخيص چهره معرفی کرديم. در اين روش ابتدا انواع عملگرهای LBP با مقياس¬های مختلف (تعداد پيکسلهای همسايه مرکزی، شعاع همسايگی) را بر روی تصوير نرمال شده چهره اعمال می¬کنيم. سپس با توجه به عملکرد کلي سيستم بازشناسی، بر مبنای الگوريتم ژنتيک ضريبی برای هر LBP بدست مي¬آيدکه بر اساس آن ضرايب از نتايج LBPها در عمل بازشناسي استفاده مي¬کنيم. روش جديد MLBP GA based ناميده می¬شود. روش پيشنهادی بر روی پايگاه داده ESSEX و ORLبا روش¬های LBP, Gabor, KPCA, PCA وHierarchical Multi-scale LBP موردمقايسه قرار گرفت. نتايج بدست آمده برتری الگوريتم پيشنهادی را نسبت به الگوريتم¬های ديگر نشان داد. بخصوص هنگامی که فقط يک نمونه از هر فرد برای آموزش استفاده شد، روش ما عملکرد شناسايی چهره بهتری را نسبت به ساير روشهای موجود نشان داد.

رشد سريع فناوري اطلاعات و همه گير شدن استفاده از اينترنت، كشورها را بر آن مي‌دارد تا از اين فناوري ها در جهت كسب مزاياي انكارناپذير آن استفاده كنند. برخي از اين مزايا عبارتند از: دقت، سرعت، كاهش هزينه‌‌هاي زماني-مالي و غيره. انتخابات الكترونيكي يكي از اموري است كه در سال‌هاي اخير رغبت براي تبديل آن به حالت الكترونيكي افزايش يافته است. با اين روش افراد مي‌توانند بدون متحمل شدن سختي و هزينه‌‌هاي حمل و نقل براي حضور در محل راي دادن، راي خود را ارسال كنند. مجريان انتخابات نيز مي‌توانند مراحل مختلف انتخابات را اعم از آماده سازي، جمع آوري و شمارش آرا، با دقت و سرعت زياد و هزينه كمتر انجام دهند. آمارها نشان مي‌دهد كه انتخابات اينترنتي تا حد زيادي، شركت افراد را در انتخابات افزايش مي‌دهد.از طرف ديگر سرويس‌‌هاي وب بعنوان جديد ترين رويكرد در برنامه نويسي توزيع شده هستند. در اين مقاله يك معماري در بر دارنده مفاهيم اتكاپذير براي راي گيري اينترنتي ارائه مي‌كنيم كه تامين كننده تمام نيازمندي‌هاي راي گيري الكترونيكي است. اين سيستم را با استفاده RBD مدل كرده و قابليت اطيمنان و دسترسي آن ارزيابي مي كينم.

مسأله‎ي زمانبندي وظيفه‏هاي مستقل در گريدهای محاسباتي يک مسأله‎ي NP-Complete است. بنابراين، براي رسيدن به راه‏حل‎هاي نزديک به بهينه در اين مسأله از روش‏هاي ابتکاري استفاده مي‎شود. الگوريتم رقابت استعماري (ICA) يک روش‏ جديد بهينه‎سازي تکاملي مي‏باشد که تاکنون براي حل مسأله زمانبندي گريد بررسي نشده است. در اين مقاله، ما با ترکيب ICA و جستجوي محلي، الگوريتم جديدي‎ برای کاهش makespan همزمان با افزايش بهره‏وري منابع و توازن بار معرفي کرده‎ايم. براي ارزيابي ‎الگوريتم پيشنهادي، آن را بر روي نمونه‎هاي محک براون و سايرين بررسي کرديم؛ اين نمونه‏ها سخت‏ترين محک براي مسأله زمانبندي در حالت ايستا هستند. نتايج ارزيابي نشان داد که الگوريتم ترکيبي براي زمانبندي در مقايسه با الگوريتم‎هاي قطعي، الگوريتم ژنتيک و ICA خالص، کارايي بهتري از نظر معيار makespan داشته و نگاشت‎هاي بسيار متوازني را توليد مي‎کند. همچنين، سرعت همگرايي اين الگوريتم به جواب‏هاي بهينه، نسبت به الگوريتم‏هاي تکاملي بررسي شده، بيشتر است.

هدف اين مقاله، ارايه روشي جهت تشخيص خودکار الگوي مناسب فراخواني غير همزمان در سرويسهاي وب مي باشد. اصولا"، چهار الگو جهت فراخواني غير همزمان وب سرويسها مطرح است که در چارچوبهاي موجود براي ايجاد سرويسهاي وب به صورت دستي تعيين و مورد استفاده قرار مي گيرند. استفاده ناصحيح از اين الگوها مي تواند در طولاني شدن زمان اجراي برنامه ها بسيار موثر باشد. مي توان با تعيين وابستگي ها به نتايج حاصل از فراخواني و زمان لازم براي رسيدن به اولين مکان وابستگي و همچنين با در نظر گرفتن زمان لازم براي اجراي تابع مورد فراخواني، الگوي مناسب را براي فراخواني ها به صورت خودکار تشخيص داد. ابزار پيشنهادي با تحليل نحوي کد برنامه، تشکيل زنجيره تعريف و استفاده، تخمين زمان اجراي برنامه و تخمين زمان پاسخ وب‌سرويس الگوي مناسب براي فراخواني غيرهمزمان را تشخيص داده و با جايگزيني کدهاي متناسب با الگوي تشخيص داده شده در کد، برنامه را بهينه مي¬کند. اين کار باعث ساده تر شدن بکار بردن فراخواني‌هاي غيرهمزمان و همچنين افزايش شفافيت و سرعت اجراي کد برنامه مي¬شود.

در سال¬های اخیر شاهد پيشرفت¬ها و دستاوردهاي فراواني در سيستم¬هاي ترجمه ماشيني به عنوان زير شاخه¬اي از سيستم¬هاي پردازش زبان طبيعي هستيم. اين در حالي است که در حوزه سيستم¬هاي مبتني بر هوش روش¬هايي جهت ارزيابي جنبه¬هاي مهندسي نرم¬افزار همچون تضمين کيفيت و ارزيابي ساختار وجود ندارد. روش¬هاي موجود ارزيابي سيستم¬هاي ترجمه ماشيني، تنها به بررسي کارايي جملات توليدي توسط سيستم¬ها مي¬پردازند. با توجه به پيچيدگي و هزينه¬بر بودن توليد سيستم¬هاي ترجمه ماشيني، ارايه روشي جهت ارزيابي معماري سيستم¬هاي ترجمه ماشيني را ضروري دانستيم. در روش ارايه شده ارزيابي معماري سيستم¬هاي ترجمه ماشيني، خصيصه¬هاي کيفي مرتبط با نيازمندي¬هاي غيرکارکردي اين سيستم¬ها استخراج شده و با کمک روش استاندارد سنجش کمي، اندازه¬گيري شده¬اند. روش ارزيابي معماري پيشنهادي براي سيستم¬هاي ترجمه ماشيني را بر روي سيستم¬هايي با معماري ترکيبي موجود اعمال نموده و نتايج حاصل از اين ارزيابي¬ها را براي انتخاب مناسب¬ترين معماري به اهداف خود انتخاب کرديم.

امروزه نرم افزارها در زمینه¬های مختلف مانند کنترل پرواز،پزشکی و اقتصاد گسترش پیدا کرده¬اند که این امر باعث افزایش اندازه نرم افزارها و پیچیدگی آن¬ها شده است. از این رو آزمون نرم افزار امری ضروری است زیرا شکست نرم افزار موجب خسارات جبران ناپذیری می¬شود.یکی از تکنیک هایی که برای تسهیل آزمون نرم افزار بکار می رود استفاده از برش است. در این پژوهش الگوریتمی برای تکنیک برش علامت-فراخوانی برای زبانهای شی گرا پیشنهاد می¬شود. در نهایت تکنیک های مختلف برش در یک نمونه صنعتی (شبیه سازی دیگ بخار) با هم مقایسه می شوند. از این مقایسه در می یابیم که تکنیک برش حافظه-وابستگی شی گرا و برش علامت- فراخوانی شی گرا نسبت به بقیه مفیدتر هستند و سربار اجرایی کمتری دارند. زیرا تکنیک¬های برش قابلیت تبدیل یک برنامه بزرگ به یک برنامه نسبتا کوچک را دارند که بدین روش می توان برنامه را به راحتی چندین بار آزمون کرد.

یکی¬از مسائل مهم در شبکه¬های حسگر، مسئله¬ی پوشش است. یکی از شاخه¬های مسئله¬ی پوشش، پوششkتایی است.هدف این نوع پوشش نظارت حداقلk حسگر گوناگون بر تمام نقاط میدان حسی است.با توجه به محدود بودن انرژی حسگرها، مسئله¬ مهم دیگرکه در شبکه¬های حسگرمورد بررسی قرار می¬گیرد ذخیره ¬انرژی¬می¬باشد که باعث افزایش طول عمر شبکه نیز خواهد شد.در این مقاله، مسئله بهبودمصرف انرژی¬درشبکه¬های¬حسگر با پوششk تایی¬مورد بررسی و ارزیابی قرار گرفته و الگوریتم بهینه¬ای ¬برای ¬افزایش ¬کارایی¬انرژی حسگرها با کنترل تراکم آنها پیشنهاد می¬شود. طبق نتایج شبیه¬سازی، مشاهده می¬شود که این الگوریتم طول عمرشبکه را بیشتر افزایش می¬دهد.

هم¬ترازسازی زنجیره¬های بیولوژیکی به بیولوژیست¬ها در تحلیل و شناسایی نواحی مشابهت بین این زنجیره¬ها یاری خواهد رساند. این مشابهت¬های یافت¬شده نقاط مشترک بین زنجیره¬ها در روند تکامل تدریجی و همچنین جهش¬های بیولوژیکی را نشان می¬دهند. روش¬های هم¬ترازسازی مختلفی وجود دارند. الگوریتم اسمیت¬واترمن که مبتنی بر برنامه¬نویسی پویا می¬باشد یکی از دقیق¬ترین روشها برای هم¬ترازسازی زنجیره است،با این وجود این الگوریتم دارای میزان بسیار زیادی از محاسبات ماتریسی زمان¬بر است و ازاینرو می¬توان به¬منظور افزایش سرعت پردازش این الگوریتم، آن را از طریق شتاب¬دهنده¬های سخت¬افزاری موازی¬سازی و تسریع کرد. در این مقاله روش¬هایی ارائه می¬شود که منجر به تسریع این الگوریتم بر روی شبکه پردازش موازی GPU بر مبنای چارچوب CUDA خواهد شد. بهبود¬های ارائه¬شده در طی یک فرایند سه مرحله ای اعمال خواهند شد. در ابتدا ساختار بانک اطلاعاتی حاوی زنجیره¬های بیولوژیکی، تبدیل به ساختاری متناظر با مدل پردازش موازی GPU خواهد شد. سپس در مرحله بعد دسترسی¬ها به حافظه سراسری GPUجهت استفاده حداکثری از پهنای باند ادغام خواهند شد. در نهایت نیز روشی به¬منظور جلوگیری از برخورد پیمانه های حافظه مشترک GPU در نتیجه دسترسی¬های همزمان پرهزینه به پیمانه های آن ارائه خواهد شد. بررسی¬های انجام¬گرفته نشان می¬دهند که روش پیشنهادی دارای تسریع 82/1 تا 87/1 برابری، نسبت به CUDASW++ به عنوان یکی از سریع¬ترین پیاده¬سازی¬های انجام¬شده بر رویGPU، می¬باشد. همچنین این روش دارای تسریع 23/18 برابری نسبت به یک راه¬حل مبتنی بر CPU می¬باشد.

یادگیری مبتنی بر مورد و سیستم‎های چند عامله دو مبحث متفاوت در حوزه هوش مصنوعی هستند. یادگیری مبتنی بر مورد یکی از الگوریتم‎های یادگیری ماشین است که برای حل مسأله جدید، از تجربه‎های گذشته و روش‎های حلی که مشابه با مسأله جاری باشد، استفاده می‎کند. اما در سیستم‎های چند عامله، تعدادی عامل با دو نوع رفتار رقابتی یا همکاری در یک محیط قرار می‎گیرند و این عامل‎ها در اثر تعامل با محیط و پاداش یا جریمه دریافتی، به مرور زمان یاد می‎گیرند که چگونه با هم رقابت یا همکاری کنند بطوریکه بیشترین سود را دریافت کنند. از آنجائیکه خود‎مختاری در عامل‎ها، یکی از شرایط سیستم‎های چند عامله است، استفاده از یادگیری مبتنی بر مورد می‎تواند نقش موثری در یادگیری و خود‎‎مختاری عامل‎ها داشته باشد.در این مقاله سعی شده است با اعمال تغییراتی در اتوماتاهای یادگیر از آنها برای آموزش عامل‎ها استفاده شود؛ همچنین عامل‎ها از پایگاه مورد مشترک استفاده می‎کنند.

در اين مقاله يک روش مديريت کليد کارا مبتني بر پيش توزيع کليد با استفاده از ساختار خوشه¬بندي ناهمگن در شبکه¬هاي موردی با مقياس بالا ارائه مي¬دهيم. در روش ارائه شده از دانش گسترش گره¬ها در شبکه (آگاهي از اين که هر گره در چه خوشه-اي قرار مي¬گيرد) استفاده شده¬است. با اين فرض و استفاده از مزاياي ساختار خوشه¬بندي ناهمگن، وابستگي گره¬ها به منابع تا حد زيادي کاهش مي¬يابد.طرح مذکور در مقايسه با طرح¬هاي پيش توزيع موجود، برهم کنش بهتري بين سربار محاسباتي، سربار ارتباطي، اتصال شبکه و وابستگی به منابع شبکه فراهم می¬کند. در اين طرح حداکثر اتصالِ مورد انتظار براي شبکه¬هاي خوشه-بندي فراهم شده¬است و امکان اضافه شدن پوياي گره¬ها بعد از گسترش اوليه¬ي آنها در شبکه وجود دارد.

با توجه به روند رشد مدارات مجتمع، و افزایش روز افزون تعداد ترانزیستور های موجود در یک تراشه، میزان انرژی مصرفی در یک مدار، و به طبع آن، میزان گرمای تولیدی، رو به افزایش می باشد. افزایش دما، باعث بوجود آمدن مشکلات بسیاری از جمله کاهش طول عمر قطعات، کاهش قابلیت اطمینان، و افزایش هزینه خنک سازی می شود. روش های مدیریت دمایی، تلاش در کاهش دما بوسیله ابزارهای سخت افزاری و نرم افزاری موجود، می نمایند.از جمله روش های نرم افزاری برای پردازنده های چند هسته‌ای، روش مهاجرت وظایف می باشد که برای پائین نگهداشتن دما، وظیفه در حال اجرا بر روی هسته داغ را به هسته سرد منتقل می‌کنند. برخی از این روش ها برای تصمیم گیری برای انتخاب هسته مقصد، از پیشگو ها برای پیشگویی دما برای بهبود کارایی الگوریتم های مهاجرت استفاده می نمایند. با توجه به مشاهدات ما، مشخصات فیزیکی، در دمای هسته ای که وظیفه بر روی آن در حال اجرا می باشد، موثر است. به این معنی که اجرای یک برنامه بر روی هسته های مختلف، نتایج دمایی مختلف را از خود نشان می‌دهد. هدف این مقاله، ارائه پیشگویی است که این مشخصات را درنظر بگیرد. در تحلیل آزمایشات صورت گرفته در این مقاله، پیشگوی ارائه شده، بطور میانگین،دقت پیش گویی را به میزان 10% نسبت به روش های جدید و معروف پیش بینی ارائه شده، بهبود داده است.

در این مقاله بازدیدکنندگان وب سایت‌ها به چهار گروه انسان، روبات وب با رفتار خوب، روبات وب با رفتار مخرب و بازدیدکنندگان ناشناخته تقیسم‌بندی شده است. روبات‌های وب یا خزنده‌های وب برنامه‌های نرم‌افزاری هستند که دائما به صورت خودکار ساختار لینک‌های وب سایت‌ها را مورد پیمایش قرار می‌دهند. هدف روبات‌های وب کشف و بازیابی محتوا و دانش از وب می‌باشد. این روبات‌ها هم به منظور اعمال مفیدی مانند کشفلینک‌های خراب و هم اعمال مخربی مانند حمله توزیع شده مختل‌کننده سرویس طراحی شده‌اند. تشخیص روبات‌های وبی که تلاش در تقلید رفتار انسان دارند به عنوان مهم‌ترین چالش دسته‌بندی است. در این مقاله با استفاده از شبکه باور بیزی، به عنوان رهیافت کاربردی جدید به منظور تشخیص بازدیدکنندگان وب سایت‌ها پرداخته شده است. روش پیشنهادی با روش‌های شبکه عصبی، ماشین بردار پشتیبان و C4.5 استیوانوویچ و بیزین ساده استسپولو مقایسه شده است، که استفاده از روش پیشنهادی و استخراج سه ویژگی جدید باعث گردیده است که دقت روش پیشنهادی نتایج بهتری نسبت به سایر روش‌ها در تشخیص روبات‌های وب داشته باشد: و همچنین نشان داده شده است هر چه تعداد مجموعه داده آموزش بیشتر باشد دقت دسته‌بندی بالاتر خواهد بود.

همان¬طور که می¬دانیم فرآیند رمزنگاری یکی از اصلی¬ترین روش¬های حفاظت از اطلاعات گران¬بها است. نتیجه¬ی اجرای پویا فرآیند رمزنگاری، افزایش سطح امنیت و نیاز به تکنیک¬های پیشرفته¬تر برای رمزشکنی است. به طور جرأت می¬توان گفت که جداول جانشینی اصلی¬ترین جزء رمزهای بلوکی به حساب می¬آیند زیرا آن ها خاصیت غیرخطی بودن را برای سیستم به ارمغان می¬آورند. در این مقاله نیز الگویی جدید برای تولید جداول جانشینی mxnبه صورت پویا(وابسته به کلید)پیشنهاد شده است. این الگوی جدیدDBGS نام دارد که مخففDynamic s-box Based on Galois multiplication inverse with Straight transformation استو پیچیدگی روش¬های رمزنگاری را چندین برابر می¬کند. تولید جداول جانشینی قدرتمند (با مقدار تفاضلی 2 و یا حداکثر 4)، پشتیبانی از پیاده¬سازی مستقیم (پیاده سازی بهینه)، توصیف صریح ریاضی و میزان فروپاشی بهمنی بسیار بالادر عین وابسته بودن به کلید از مزایای اصلی این الگوی جدید است. تست¬های SAC, BIC, DP, LP, Nonlinearityنیز بر روی این الگوی جدید پیاده¬سازی شده¬اند که حاکی از ایمن بودن این الگوهستند. با استفاده از این الگو می¬توان رمزهای بلوکی پیشین را بهبود بخشید و یا رمزهای بلوکی ایمن¬تری تولید کرد.

با پيشرفت فن‌آوري ساخت مدارات مجتمع و رسيدن به ابعاد نانو، تغييرات پارامترهاي فرايند ساخت، تاثير زيادي روي مشخصه‌هاي زماني مدارات مي‌گذارند. در نتيجه، بارآوري زماني مدارات مجتمع را تحت تاثير قرار مي¬دهند. لذا، تخمين بارآوري زماني، يکي از اساسي‌ترين مراحل طراحي مدارات مجتمعِ در ابعاد نانو مي¬باشد. در اين مقاله، يک روش‌ آماري ناپارامتري جهت تخمين بارآوري زماني مدارات مجتمع ديجيتال ارائه شده است. در روش پيشنهادي،از اجراي موازي شبيه‌سازي مونت کارلو و حذف تکرارهاي آن، نمونه‌ي آماري کوچکي از تاخيرهاي بحراني توليد مي‌کنيم. سپس، تابع توزيع چگالي تاخير بيشينه‌ي مدارات را با يک روش ناپارامتري به نام هموارسازي هسته‌اي (kernel smoothing)روي نمونه‌ي به دست آمده، محاسبه مي‌نماييم. در نهايت، با استفاده از تابع توزيع چگالي، بارآوري زماني مدار را به دست مي‌آوريم. يکي ار مزاياي روش پيشنهادي، عدم وجود فرضي خاص، بر روي توزيع متغير‌هاي تصادفي پارامترهاي فرايند ساخت مي¬باشد؛ که استفاده از آن را در مدارات واقعي ميسر مي¬سازد. نتايج حاصل از شبيه¬سازي مدارات MCNC نشان مي‌دهد که در حضور تغييرات ساخت شديد با نسبت σ/µ برابر با 0.037، روش پيشنهادي تخمين بارآوري زماني حدود 30% دقيق‌تر از روش‌هاي آماري پارامتري عمل مي‌کند.

پايايي رنگ يکي از زمينه¬هاي پژوهشي در حوزه بينايي ماشين به شمار مي¬رود که امکان تشخيص رنگ اشياء را مستقل از شرايطي که در آن قرار دارند، فراهم مي¬سازد. در اين مقاله روشي ارائه شده است که با استخراج ويژگي¬هايي از تصوير و استفاده از یک روش چند سطحی مبتنی بر شبکه عصبی، بهترين الگوريتم از ميان الگوريتم¬هاي خاکستري را براي تصوير ورودي انتخاب مي¬نمايد. اين کار از طريق تخمين پارامترهاي الگوريتم خاکستري انجام مي¬پذيرد. نتايج بدست آمده از اعمال روش پيشنهادي بر روي پايگاه داده بزرگ گوي خاکستري با بیش از 11000 تصوير نشان دهنده¬ي عملکرد قابل قبول اين الگوريتم در مقايسه با ديگر روش¬هاي مشهور است.