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.

آموزش الکترونیکی بعنوان یک ابزار تازه، رفته رفته در جوامع بشری، جای رسانه‌های آموزشی را می‌گیرد. افزایش فرصت یادگیری برای یادگیرندگان، نگهداری و ثبت کیفیت یادگیری، امکان ماندن در خانه، کاهش هزینه‌های جانبی، قابلیت در دسترس بودن و امکان بهنگام سازی سریع مطالب آموزشی، از مزایای آموزش الکترونیکی هستند. بنابراین برای اینکه آموزش الکترونیکی، انتظارات را بر آورده سازد، مفاهیم و رسانه‌های آموزشی باید کار یادگیری را همزمان با فراهم کردن محیطی جذاب و ترغیب کننده برای یادگیرنده، به صورت ساده مشخص نمایند. برای رسیدن به این اهداف لازم است که معماری مشخصی برای شناسایی سیستم‌های مختلف آموزش الکترونیکی و زیر سیستم‌های آن‌ها و تعاملات بین زیر سیستم‌های آن‌ها و نیز خود سیستم با سیستم‌های بیرونی ایجاد گردد. در ضمن، در این معماری لازم است که اهداف سیستم و نقش عامل انسانی در آن به خوبی معلوم گردد. این مقاله مطالعه ای در مورد معماری‌های آموزش الکترونیکی می‌باشد که در آن تعدادی از معماری‌های موجود را از دیدگاه‌های مختلف، مورد بررسی و ارزیابی قرار گرفته است.

بسياري از کاربردهاي شبکههاي ميان ارتباطي به اطمينان پذيري و قابليت دسترسي بالايي نياز دارند. هر کامپيوتر بزرگ موازي نيازمند آن است که شبک ة ارتباط ياش، بدون از دست دادن بستههاي پيام، براي مدت زماني طولاني قادر به کار باشد . براي هر مسيرياب در شب کة اينترت، ميزان اندکي از گم شدن بست هها قابل قبول است، اما خود اين مسيرياب بايد در بيشتر زمان ها در دسترس باش د. شبکههاي ميان ارتباطي غالباً از صدها (يا هزارا ن) مؤلفه (مانند مسيريا بها، کانا لهاي ارتباطي، حافظ هها و اتصال دهندهها) تشکيل شد هاند که در مجموع نرخ خرابي بالايي را نسبت به ديگر کاربردها دارا هستند . بدين ترتيب، اين گونه شبکهها - با توجه به خرابي هاي گذرا و د ائمي هر مؤلفه- براي تداوم بي وقفه در عملکردشان بايد به مکانيزمهايي براي کنترل خطا مجهز بسياري از کاربردهاي شبکههاي ميان ارتباطي به اطمينان پذيري و قابليت دسترسي بالايي نياز دارند. هر کامپيوتر بزرگ موازي نيازمند آن است که شبک ة ارتباط ياش، بدون از دست دادن بستههاي پيام، براي مدت زماني طولاني قادر به کار باشد . براي هر مسيرياب در شب کة اينترت، ميزان اندکي از گم شدن بست هها قابل قبول است، اما خود اين مسيرياب بايد در بيشتر زمان ها در دسترس باش د. شبکههاي ميان ارتباطي غالباً از صدها (يا هزارا ن) مؤلفه (مانند مسيريا بها، کانا لهاي ارتباطي، حافظ هها و اتصال دهندهها) تشکيل شد هاند که در مجموع نرخ خرابي بالايي را نسبت به ديگر کاربردها دارا هستند . بدين ترتيب، اين گونه شبکهها - با توجه به خرابي هاي گذرا و د ائمي هر مؤلفه- براي تداوم بي وقفه در عملکردشان بايد به مکانيزمهايي براي کنترل خطا مجهز ،(Wormhole Switching=WS) ، سوئيچينگ مداري پايپ لاين (Pipelined Circuit Switching=PCS) و سوئيچينگ پيشاهنگي (Scouting switching) نوشته شده است. بدين منظور، به کمک يک برنام ة شبيهساز، هر سه اين روشها بر روي يک شبکة توري مدور (torus) با فرض وجود مؤلفه هاي معيوب شبيه سازي شدهاند.

جهت بهبود عملكرد سيستم هاي بازيابي تصوير براساس محتوا از روش هاي بازخورد ربط استفاده م ي شود. در اين مقاله، يك روش تركيبي جديد بازخورد ربط مبتني بر تخمين تابع توزيع پرس و جو و اصلاح وز نهاي تابع شباهت ارائه شده است . در اين روش با استفاده از تصاوير مرتبطي كه از بازخورد كاربر حاصل شده است، تابع توزيع پر س و جو تخمين زده م ي شود. علاوه براين با تعريف مناسبي از ويژگي خوب و بد، ويژگ ي هاي خوب و بد تصاوير مرتبط به يك شبكه عصبي آموزش داده م ي شود تا در تعيين وزن هر ويژگي از آن استفاده شو د . از ويژگي هاي بارز اين روش فراهم شدن امكان يادگيري كوتا ه مدت و بلندمدت پر س و جو براساس كاربرد است. جهت ارزيابي روش پيشنهادي، يك سيستم بازيابي تصوير با رويكرد فازي در كاربرد تصاوير راديولوژي گسترش پيدا كرده است. در اين سيستم، از گرا ف هاي فازي ويژگي دار نسبي جهت جايگزيني تصوير، از يك الگوريتم فازي تطبيق گراف جهت تعريف معيار شباهت و از يك الگوريتم خوش ه يابي مبتني بر گراف رهبر جهت نماي ه گذاري استفاده شده اس ت . بهبود پارام ترهاي ارزيابي سيستم، كارايي روش پيشنهادي را نشان می دهد.

تقريباً تمامي كساني كه از تلفن همراه استفاده م يكنند در هر روز چندين دقيقه از وقتشان را به دلايل مختلف، به تايپ كردن مت ن در تلفن همراه اختصاص مي دهند. به دليل محدوديتهايي كه از نظر اندازه براي تلفن همراه وجود دارد، تعداد كليدهاي اين وسيله از تعداد حروف الفبا كمتر است و سازندگان اين وسائل مجبورند برروي هر كليد بيش از يك حرف را قرار دهن د. اين امر باعث ميشود كاربران براي وار د كردن يك متن، تعداد كليدهاي بيشتري را فشار دهند . يكي از روشهاي متداول براي حل اين مشكل، استفاده از الگوريتمهاي پي شبيني براي حدس زدن حرف مورد نظر كاربر به هنگام فشردن هر كليد ميباشد. از عوامل مهم و تأثيرگذار در دقت الگوريتم پيشبيني، نحوه پراكنده شدن حروف (چينش) برروي صفحه كليد است. بدليل اينكه يافتن چينش بهينه، يك مسأله بغرنج به شمار ميآيد معمولاً از روشهاي مكاشفهاي براي حل اين مسأله استفاده ميشود. در اين مقاله از الگوريتم ژنتيك براي جستجوي چينش بهينه حروف فارسي برروي صفحه كليد تلفن همراه استفاده ك ردهاي م. نتايج بررسي ما نشان مي دهد استفاده از چينش هاي يافت شده توسط الگوريتم ژنتيك باعث ميشود خطاي الگوريتم پي شبيني براي حروف فارسي بيش از ۳۰ درصد كاهش يابد.

در اين مقاله يک طبق ه بندي کننده با ساختار ترکي بي ارائه شده که در آن از مدل مخفي مارکو ف (HMM) و بردارهاي پشتيبان ماشين (SVM) بصورت سريال به منظور بهبود طبقه بندي استفاده شده است. در اين ترکيب از مزاياي هر دو طبق هبندي کننده فوق استفاده شده، زيرا HMM توان ايي کار کردن با داد ه هاي ديناميک و سلسله مراتبي را داشت ه در حاليکه SVM عموميت بهتري مخصوصاً بر اي کلاسهاي با تعداد داد ههاي محدود دار د. در مرحله اول از طبقه بندي کننده HMM استفاده شده و بر اي حل مسأله عدم قط عيت آ ن، در مرحله بعد SVM به کار گرفته شده اس ت. همچنين بر اي بالا بردن کارا يي طبقه بندي کننده SVM از نسخه وزن دار شده آن استفاده شده که وزن دا د ها را بر اساس HMM ت عيين م يکند. روش ارائه شده در اين تحقيق بررو ي پايگاه داده هاي Cancer و Diabetes, Glass, Iris اعمال شده که نتايج حاکي از برتري اين روش ترکيبي برهر دو روش HMM و نسخه وزن دار شده SVM ميباشد.