انجمن کامپیوتر ایران

انتخاب بهترین مجموعه آزمون از بین مجموعه آزمون های مختلف، تأثیر زیادی روی کاهش توان و زمان بکارگیری آزمون دارد. روشهای پیشین انتخاب مجموعه آزمون، به دو معیار کاهش توان و زمان بکارگیری آزمون بصورت جداگانه پرداخته‌اند. در این مقاله دو معیار کاهش توان و زمان بکارگیری آزمون بصورت همزمان در نظرگرفته شده و روش جدیدی ارائه شده است. نتایج شبیه‌سازی روی محک‌های ISCAS 85 بهبود مصرف توان و زمان بکارگیری آزمون را نشان می‌دهد.

شبکه‌های کامپیوتری علیرغم منافعی از قبیل اشتراک منابع، خطراتی را نیز در خصوص امنیت سیستم‌های کامپیوتری به همراه می آورند. از آنجا که ساخت سیستم‌های بدون نقص کاری غیر ممکن به نظر می‌رسد و از طرفی خطای انسانی در پیکربندی سیستم‌ها همیشه وجود داشته است، نیاز به سیستم‌های تشخیص نفوذ به شدت احساس می‌شود. در این مقاله طراحی و پیاده‌سازی یک سیستم تشخیص نفوذ با استفاده از مدل مخلوط گوسی بیان شده است. تکنیک مدل مخلوط گوسی یک روش یادگیری از نوع مولد و احتمالاتی می‌باشد. در این روش، هر یک از دسته‌های ورودی به تنهایی و بدون مقایسه با سایر دسته‌ها، مدل می‌شود. در این روش سعی می‌شود تا توسط مجموعه‌ای توابع توزیع احتمال گوسی که آنها را مخلوط‌های گوسی می نامیم، بهترین توزیع احتمال ممکن برای هر دسته ساخته شود. استفاده از این تکنیک امکان آموزش هر یک از دسته‌ها بدون نیاز به آموزش و تغییر در سایر دسته‌ها را فراهم می‌سازد. آزمایشات انجام شده نشان می‌دهد که این روش در دسته‌هایی که تعداد داده آموزشی زیادی دارند، از کارایی خوبی برخوردار است.

در این مقاله یک روش فازي براي یافتن منشأ انتشار گازهاي سمی در محیط با استفاده از شبکه‌هاي سنسوري پیشنهاد می‌گردد. روش ارائه شده با به کارگیري یک سیستم خبره‌ی فازي می‌تواند در محیط‌هایی با نویز بالا و نیز در شرایطی که برخی از ندهاي شبکه‌ی سنسور اطلاعات نادرستی را گزارش می‌نمایند به خوبی عمل نماید و منشأ انتشار گازهاي سمی را پیدا کند. در این روش، هر ند سنسور میزان ماده‌ی سمی اطراف خود را تعیین کرده و آن را به همراه موقعیت مکانی فعلی خود در سطح شبکه‌ی سنسور پخش می‌نماید. سپس هر ند با دریافت اطلاعات سایر ندها و به کمک سیستم خبره‌ی فازي ارائه شده، مناسب‌ترین موقعیت مکانی بعدي خود در محیط را تعیین کرده و به سمت آن موقعیت حرکت می‌کند. فعالیت شبکه تا زمانی که یکی از ندها منشأ انتشار گازهاي سمی را بیابد ادامه پیدا می کند. روش پیشنهادي شبیه‌سازي گردیده و با روش‌هاي موجود مقایسه شده است.

مسائل برنامه‌ریزی و زمان‌بندی از جمله مسائل پیچیده همراه با محدودیت‌های متنوع هستند. از سویی دیگر الگوریتم‌های ژنتیك ابزاری مناسب در زمینه یافتن جواب‌های قابل قبول و نزدیك به بهینه در مسائل برنامه‌ریزی محسوب می‌شوند. این مقاله، از الگوریتم‌های ژنتیك جهت حل مسأله برنامه‌ریزی دروس دانشكده استفاده كرده‌است. برنامه ریزی‌های درسی با توجه به محدودیت‌های متعدد حاصل از نوع دروس, اساتید و دانشجویان از جمله مسائل بسیار پیچیده هستند كه حل آنها می‌تواند در موارد متعددی به كار آید. بررسی‌های ما نشان داده است كه جهت یافتن جوابی قابل قبول باید محدودیت‌های اصلی را لزوماً رعایت كرده و در زمینه تنظیم سایر محدودیت‌ها از مكانیسم تصادفی الگوریتم‌های ژنتیك استفاده كرد. نتایج پیاده‌سازی, توانایی این روش در حل مسائل پیچیده را نمایش می‌دهد.

در این مقاله یک ساختمان داده یگانی براي نمایش طرح‌هاي انتقال ثبات ارائه می‌گردد. در حال حاضر نمایش یگانی و مبتنی بر گرافی به نام دیاگرام بسط تیلور وجود دارد. اگرچه می‌توان دیاگرام بسط تیلور را براي نمایش بهینه عبارات جبري در سطح کلمه به کار گرفت، اما آنها در نمایش عبارات بولی سطح بیت بهینه نمی‌باشند. همچنین دیاگرام بسط تیلور نمی‌تواند عبارات بولی در سطح کلمه (بردار) را نمایش دهد. در این مقاله تغییراتی به دیاگرام بسط تیلور اعمال می‌گردد که قابلیت نمایش سطح بیت آن‌ را افزایش می‌دهد و همزمان قابلیت نمایش عبارات بولی در سطح کلمه را به آن اضافه می‌کند.

شبكه‌های عصبی یكی از روش‌های پركاربرد در یادگیری سیستم‌های هوشمند است كه كارایی بسیار بالایی در یادگیری الگوهای آموزشی دارد. در این مقاله سعی بر این شده است که با استفاده از شبکه عصبی مدل مخچه CMAC*) ) به پیش‌بینی پارامترهای هواشناسی بپردازیم و در واقع با استفاده از یک مثال عملی و بارز برتری مدل‌های هوشمند نظیر CMAC را نسبت به مدل‌های خطی از جمله ARMA بررسی کنیم. در ادامه سعی بر این شده است که با استفاده از بهینه‌سازی پردازش تکاملی، قابلیت پیش بینی روش خطی ARMA را بالا ببریم. این مقاله نشان می‌دهد که با استفاده از روش‌های خطی بهینه شده توسط الگوریتم ژنتیک می‌توان کارآیی آن را به نحو چشمگیری افزایش داد به گونه‌ای که شبکه مدل مخچه ارائه شده، قادر نیست رفتار دینامیکی پارامترهای هواشناسی را در مقایسه با روشARMA تعمیم یافته بوسیله الگوریتم ژنتیک پیش‌بینی نماید.