انجمن کامپیوتر ایران

امروزه سیستمهای نهفته به میزان زیادی در کاربردهای قابل حمل استفاده میشود. کاهشتوان در این گونه از سیستمها بسیار مورد توجه است. در این مقاله سعی شده است با بررسی روشهای کاهش توان در سیستمهای نهفته اثرات آنها را بر کاهش تغییرات سیگنال و در نتیجه کاهش توان پویا مورد ارزیابی قرار دهیم. تغییرات سیگنال بر روی نودهای خارجی و بخصوص گذرگاهها نقش مهمی در توان مصرفی در یک تراشه خواهد داشت لذا بررسی تکنیکهایی که این تغییرات را کاهش دهند در حوزهی کاری ما قرار دارد. تکنیکهای مختلف توسط سیمولاتور simplescalar مورد ارزیابی قرار گرفتهاند. در این آزمایش این تکنیکها بر روی دو معماری Alpha و Arm پیاده سازی شده اند. همچنین از برنامه های Spec2000 به عنوان ورودی تست استفاده شده است.

در سال¬های اخیر، حاشیه نویسی خودکار تصاویربه دليل تأثیر آن روی بازیابی و جستجوی تصاویر مورد توجه بسياري از پژوهشگران بوده است. حاشیه نویسی تصاویر اگر چه برای انسان کار پيچيده‌اي نمي‌باشد اما براي ماشين مسئله ا¬ی سخت و چالشی محسوب می‌شود. هرچنداز روش¬های طبقه‌بندي مختلفي می¬توان برایيادگيري حاشیه نویسی استفاده کرد،در این مقاله از الگوریتم kNN وزن دار به عنوان طبقه بند پایه استفاده شده است. در چارچوب پیشنهادی با تغييرات در تعداد و تنوع تصاوير آموزشي و واژه‌ها، نيازي به يادگيري مجدد طبقه بند نمي‌باشد.در این مقاله جهت کاهش شکاف معنايي از تلفيق ویژگی¬های محلی و سراسری استفاده شده است. آزمایش¬ها روی مجموعه داده¬ی Corel 5k عملکرد مطلوب روش ارائه شده را در مقايسه با روش‌هاي موجود نشان می‌دهد.

در مقاله حاضر، ما از روش يادگيري پیشنهادی به نام يادگيري TAQ به منظور استفاده¬ي عامل¬ها در يک پروسه چانه¬زني تک رويکرده بهره جسته¬ايم. الگوريتم يادگيري TAQ نسخه¬ي بهبود يافته الگوريتم Q مي¬باشد که ازالگوریتم پذیرش آستانه بهره مي گيرد. هدف از اين الگوريتم، غلبه يافتن بر چالش تعادل بين اکتشاف و بهره¬برداري از تجربيات در يادگيري Q مي¬باشد. استقبال چشمگيري از رويکرد¬هاي هوش مصنوعي براي حل مسئله چانه¬زني صورت گرفته است، زيرا نظريه¬ي بازي¬ها نياز به يک سري فرضيات غير واقعي براي حل مسئله چانه¬زني دارد. بنابراين ما بوسيله طراحي عامل¬هاي مبتنی بر يادگيري پیشنهادی TAQ، که با يکديگر بر روي مسئله قيمت، به چانه¬زني مي¬پردازند، به کارايي بالاتري دست يافته¬ايم. اين کارايي از نقطه نظر معيارهاي نرخ توافق، ميانگين منفعت و همچنين زمان مورد نياز براي رسيدن به سياست بهينه، مورد ارزيابي قرار گرفته است. در نهايت مي¬توان گفت اين روش پیشنهادی يادگيري مي¬تواند بعنوان يک الگوريتم يادگيري مناسب براي چانه¬زني خودکار آنلاين عامل¬ها در تجارت الکترونيک مورد استفاده قرار گيرد.

در اين مقاله بر اساس نيازمندی¬های اصلی سيستم¬های تشخيص نفوذ در شبکه¬های موردی سيار به ارائه يک الگوريتم تشخيص نفوذ تعاونی مبتنی بر رای¬گيری مطمئن می¬پردازيم. در اين راستا سه نوع گره با عناوين گره تشخيص نفوذ مانيتور، تشخيص نفوذ کلاينت و عمومی در يک شبکه مبتنی بر خوشه¬بندی و ناحيه¬بندی تعريف می¬شوند. گره تشخيص نفوذ مانيتور با ارسال بسته¬ای برای گره¬های عمومی موجود در خوشه خود فرايند تشخيص نفوذ را آغاز می¬کند و در نهايت با دريافت رای از گره¬های تشخيص نفوذ کلاينت و آناليز آنها، گره¬های مهاجم را تشخيص می¬دهد. در اين الگوريتم با بهره¬گيری از گره¬های مطمئن و مورد اعتماد در فرايند رای¬ گيری، تعريف سه سطح اطمينان برای گره¬های عمومی، توجه به نرخ ترافيک، ميزان انرژی و سرعت گره¬ها در مرحله تصميم گيری، به ميزان قابل توجهی ميانگين درصد تشخيص اشتباه کاهش يافته و هيچگونه محدوديتی در تشخيص تعداد گره¬های مهاجم وجود ندارد.

در اين مقاله روشي برای نهان¬نگاري درون تصویر در حوزه تبدیل كرولت ارائه شده است. ابتدا براي ضرايب كرولت مجموعه¬اي از ضريب ريشه و ضرايب فرزند در نظر گرفته مي¬شود، سپس بر اساس ارتباط بین گره ریشه و گره¬های فرزند در هر مجموعه، ميانگين مقدار گره¬ فرزند محاسبه می¬شود. بر اساس مقدار بيت نهان¬نگاره برای هر مجموعه، تعیین می¬کند که گره ریشه مجموعه¬ي انتخاب شده، چگونه کوانتیزه ¬شود. الگوريتم پيشنهادي در برابر حملات مختلف به¬غير از حمله اعمال نويز، مقاومت بالایی دارد. همچنین تصویر نهان¬نگاری شده از كيفيت بالايي برخوردار است و نهان¬نگاره در برابرحملات نسبت به روش-هاي مقايسه شده پايداري بالاتري دارد.

موضوع همکاری منابع توزیع شده¬ی جغرافیایی برای حل مسائل بزرگ، گرید محاسباتی نام گرفته است. گرید منابع زیادی را که بر روی ماشین¬های مختلف و جداگانه قرار گرفته¬اند، متحد می¬کند تا یک سامانه¬ی یکپارچه به وجود آورد. در گرید، مکانیزمی برای متعادل¬سازی استفاده از این منابع وجود دارد که مکانیزم زمان¬بندی می¬نامند. این مکانیزم درخواست¬های کاربران را به صورت متعادل و مطابق با اهداف خاصی بر روی منابع توزیع می¬کند. با توجه به NP-Hard بودن مسئله¬ی زمان¬بندی، رویکردهای مبتنی بر روش¬های قطعی در این زمینه کارآیی چندانی نخواهند داشت. الگوریتم¬های مکاشفه¬ای متعددی از جمله الگوریتم ژنتیک، کلونی مورچه¬ها، شبیه¬سازی تبرید برای حل این مسئله استفاده شده است. در این مقاله، هدف ارائه¬ی الگوریتمی جدید برای زمان¬بندی ایستای کارهای مستقل در گریدهای محاسباتی با استفاده از الگوریتم رقابت استعماری می¬باشد. الگوریتم رقابت استعماری همانگونه که از نام آن برمی¬آید، بر مبنای مدل¬سازی فرآیند اجتماعی - سیاسی پدیده¬ی استعمار بنا نهاده شده است و از این جهت در نوع خود یک الگوریتم جدید و قابل رقابت با سایر الگوریتم¬های مکاشفه¬ای می¬باشد. در الگوریتم پیشنهادی، هدف کمینه کردن زمان اتمام کل کارها می¬باشد. نتایج به دست آمده از پیاده¬سازی¬ها و آزمایشات، نشان می¬دهد که الگوریتم پیشنهادی در بیشتر موارد بهتر از سایر الگوریتم¬های زمان¬بندی ایستا عمل می¬کند.

مساله کوتاه‌ترین مسیر از مسائل بنیادی و پرکاربرد در علم کامپیوتر است. انواع و حالات مختلفی از این مساله وجود دارد که بسیاری از آن‌ها با توجه به کوتاه‌ترین مسیر در گراف‌ها قابل حل هستند. سطوح نامنظم مثلث‌بندی‌شده‌ی (تین) وزن‌دار , در نمایش سرزمین‌ها در سیستم‌های اطلاعات جغرافیایی کاربرد دارند و یافتن کوتاه‌ترین مسیر میان دو نقطه از این سطح به طوری که مسیر از روی تین عبور کند و هزینه آن کمینه شود مورد بررسی ماست. به علت حجم زیاد داده‌ها در تین در کاربردهای واقعی, یافتن کوتاه‌ترین مسیر در زمان قابل‌قبول چندان ساده نیست. در این مقاله با استفاده از پردازش چندهسته‌ای, روشی برای پاسخ‌گویی سریع به پرس‌وجوهای کوتاه‌ترین مسیر میان دو نقطه از تین ارائه می‌دهیم. پردازش چندهسته‌ای حیطه‌ای نوین در پردازش موازی است که پیاده‌سازی برنامه‌های کارا با استفاده از آن متفاوت از سیستم‌های پردازش موازی پیشین است. مقایسه عملکرد روش پیشنهادی با معیارهای موجود برای ارزیابی این مساله و با داده‌های واقعی, کارایی روش را نشان می‌دهد.

خزنده¬ها مهم‌ترین و اولین بخش موتورهای جستجو هستند که بهبود عملکرد آن¬ها تأثیر چشم¬گیری در بهبود نتایج نهایی دارد.محدودیت منابع نظیر زمان و حافظه، باعث می‌شود تا هر خزنده تنها 8 تا 12 درصد از حجم عظیم صفحات وب را در مخزن محلی خود نگه ¬دارد.همه¬ی خزنده¬ها فرآیند خزش را در عمق خاصی مثلاً عمق 5 متوقف می¬کنند. در این مقاله الگوریتمی پیشنهاد شده است تا صفحات بهتر، پیش از بقیه دانلود شوند. در نتیجه پس از توقف فرآیند خزش می¬توان مطمئن بود که بیشتر صفحات دانلود شده از بین بهترین صفحات قابل دسترس از URL شروع بوده‌اند. برای بررسی کارایی الگوریتم پیشنهادی، عملکرد آن با یکی از الگوریتم‌های جستجو مقایسه شده است.

سيستم¬ بازنويسي ترم (TRS) مدلي انتزاعي از زبان¬هاي تابعي ارائه مي¬دهد.اثبات پايان¬پذيرييکTRSبراي تاييد درستي عملکرد زبانهاي تابعيضروري است.روش برچسب¬گذاري معنايي(SL) روشي کامل براي اثبات پايان¬پذيري به شمار مي¬رود. بخش معنايياين روش توسط يک شبه-مدلاز تفسير تابع¬نشانه¬ها ايجاد مي¬شود. بيشتر توان روش SLبه استفاده از مدل¬هاي نامتناهي مربوط مي¬شود کهارائه آنها در ابزارهاي آزمون خودکار پايان¬پذيري دشوار است. در اين مقاله روش SL با دامنه تفسيراعداد طبيعي به شکلي با ترتيب کُنت-بنديکس (KBO) ترکيب شده تا بتوان اثبات پايان¬پذيري با مدل¬هاي نامتناهي را به طور خودکار انجام داد. ابتدا تعميمي از KBO به نام ترتيب کُنت-بنديکس برچسب¬گذاري(ℓKBO) ارائه، سپس توانايي آن را در اثبات پايان-پذيري TRS نشان داده¬ايم. الگوريتم جستجوي خودکار يک ℓKBO براي يک TRSمعرفيشده و عملکرد آن روي کتابخانه TPDB 3.1 با موفقيت مورد آزمون قرار گرفته است.

چندپخشی یکی از اساسی‌ترین نیاز‌های شبکه‌های حسگر بی‌سیم است که در آن داده‌ها برای تمامی گره‌های شبکه ارسال می‌شوند. بسیاری از کاربردها در زمان‌هایی از کار شبکه، نیازمند ارسال چندپخشی هستند.در تعداد زیادی از کارهای انجام شده در زمینه‌ی ارسال چند پخشی، فرض شده که گره‌های شبکه همیشه بیدار هستند. در حالی‌که در شبکه‌های حسگر بی‌سیم، برای صرفه‌جویی در مصرف انرژی و افزایش طول عمر شبکه، گره‌ها بین حالت خواب و بیداری سوئیچ می‌نمایند و این عمل ارسال داده پخشی را دشوار می‌کند. در این مقاله، ما مساله پخشی را با درنظر گرفتن حالت خواب و بیداری گره‌ها، مبتنی بر سیستم حدنصاب، مورد بررسی قرار می‌دهیم و روش‌هایی را ارائه می‌کنیم که بتواند تعداد دفعات ارسال داده پخشی و همچنین تاخیر آن را کاهش دهد. روش‌های ارائه شده را توسط انجام شبیه‌سازی‌های متعدد بررسی کرده‌ایم. نتایج شبیه‌سازی نشان داده است که پیشنهاد‌های ارائه شده در این مقاله نسبت به کارهای مشابه انجام شده کارایی بهتری را فراهم می‌کند.