انجمن کامپیوتر ایران

Previous studies have shown the advantages of Gabor filters for the purpose of writer identification. Current study attempts to show that designing a set of such filters is domain specific however tuning of their parameters is not an easy task. Here we use genetic algorithms as a systematic approach to search in the space of filter parameters to choose a set of best filters for the problem of offline writer identification based on handwriting. Specifically, each chromosome encodes the parameters of filters and then during an evolutionary process those filters which show the best classification performance are selected. Identification was performed using two different classifiers: weighted Euclidean distance (WED) and nearest neighbor classifier (KNN). Our results show the superiority of proposed method compared with traditional Gabor filters and Gray Scale Co-occurrence matrices (GSCM).

The unit selection speech synthesis method is accounted of concatenative speech synthesis methods that it produces more natural quality speech than other approaches. So developing and improvement of this approach attracts great attraction to produce more natural output speech. Synthesis unit is one of important factors that have great effect on output quality of synthesizer systems. Using phones as synthesis unit can cause more natural output, however the discontinuity at the boundaries of concatenated phonemes can be potentially increased in output speech. In this paper, we proposed using unseen unit generation idea to eliminate discontinuities at phoneme boundaries when phone instances are used as synthesis units. In proposed method, existence discontinuities at phoneme boundaries in output speech are firstly found and then if it possible, one of adjacent phonemes of these boundaries are replaced by a suitable unseen unit. To synthesizing every unseen unit, left half phone of one existence instance of corpus are merged by right half phone of other existence instance. Perceptual Evaluations show quality output improvement due to decreasing discontinuities at boundaries.

In this paper, we propose a novel approach whereby a reinforcement learning agent attempts to understand its environment via meaningful temporally extended concepts in an unsupervised way. Our approach is inspired by findings in neuroscience on the role of mirror neurons in action-based abstraction. Since there are so many cases in which the best decision cannot be made just by using instant sensory data, in this study we seek to achieve a framework for learning temporally extended concepts from sequences of sensory-action data. To direct the agent to gather fertile information for concept learning, a reinforcement learning mechanism utilizing experience of the agent is proposed. Experimental results demonstrate the capability of the proposed approach in retrieving meaningful concepts from the environment. The concepts and the way of defining them are thought such that they not only can be applied to ease decision making but also can be utilized in other applications as elaborated in the paper.

Many definitive and approximate methods have been so far proposed for the construction of an optimal binary search tree. One such method is the use of evolutionary algorithms with satisfactorily improved cost efficiencies. This paper will propose a new genetic algorithm for constructing a near optimal binary search tree. In this algorithm, a new greedy method is used for the crossover of chromosomes while a new way is also developed for inducing mutation in them. Practical results show a rapid and desirable convergence towards the near optimal solution. The use of a heuristic to create not so costly chromosomes as the first offspring, the greediness of the crossover, and the application of elitism in the selection of future generation chromosomes are the most important factors leading to near optimal solutions by the algorithm at desirably high speeds. Due to the practical results, increasing problem size does not cause any considerable difference between the solution obtained from the algorithm and exact solution. Task parallelism causes an improving effect on proposed algorithm.

In this paper, we present a cycle-accurate co-simulation environment developed for verification and performance evaluation of OO-ASIP in our ODYSSEY design methodology. This environment is composed of a processor Instruction Set Simulator (ISS) integrated with a hardware simulator and communicate with it through socket connections. We demonstrate the effect of our co-simulation method in increasing speed of simulation without missing cycle accuracy of results by means of two case studies.

Attacks on Computer networks can be divided into four groups including denial of service (DOS), unauthorized access from remote machine (R2L), unauthorized access to super user privileges (U2R) and probing (Probe). Using information collected from a system along probing attack, an attacker can identify vulnerability of victim system and specify the kind of attack to penetrate that system. Probing attack is the preamble of other attacks, so if that attack is detected and prevented, the immunity of the system is more promoted . In this paper we use support vector machine (SVM) to detect probing attack. The results of our experiments performed on dataset provided by the DARPA intrusion detection evaluation program; show that SVM classifier outperforms many other classifiers for detection of probing attacks.

در اين مقاله يك طبقه بندی کننده فازی مبتنی بر اتوماتای يادگير سلولی پيشنهاد ميگردد. در اين طبقه بندی کننده به كمك مجموعه ای از اتوماتاهای يادگير سلولی توابع عضويت و قوانين فازی به طور اتوماتيک توليد ميشوند. از اتوماتای يادگير سلولی نا همگنِ ناهمگامِ باز به عنوان ابزاری برای يافتن بهترين ساختار توابع عضويت فازی استفاده شده است. در اتوماتای يادگيرسلولی ناهمگام باز هر سلول برا ی انتخاب عمل خود علاوه بر پاسخ سراسری محيط از نتيجه اعمال انتخابی توسط اتوماتاهای يادگير همسايه خود نيز تاث ير ميپذيرد . طبقه بندی کننده فازی پيشنهادی به ازای هر ويژگی يک اتوماتای يادگير سلولی جهت تنظيم توابع عضويت مربوط به آن ويژگی استفاده می نمايد.هر تابع عضويت مربوط به يک ويژگی به يك سلول در اتوماتای يادگير سلولی متناظر با آن نگاشت ميشود كه وظيفه آن يافتن مناسب ترين واريانس و ميانگين براي آن می باشد. طبقه بندی كننده فازی پيشنهادی بر رو ی آزمايش شده است. نتايج آزمايشات (Iris) پايگاه داده استاندارد گل زنبق نشان ميدهد كه طبقه بندی کننده پيشنهادی با استفاده از ۸ قانون ۹۷ % طبقه بندی كند که در مقايسه / فازی ميتواند دادهها را با راندمان ۳ با بيشتر روشهاي گزارش شده نتيجه بسيار خوبی می باشد.

در اين مقاله روشی جهت افزايش دقت سيستم های بازيابی تصوير مبتنی بر محتوا (Retrieva l CBIR: Content Based Image ) ارائه می شود. اين سيستم ها ابتدا به دسته بندي تصاوير پرداخته و سپس به بازيابي دسته اي از تصاوير كه مورد نظر كاربر است اقدام مي كنند. ما با انتخاب ويژگي هاي كيفي، به ارتقاء دقت دسته بندي مي پردازيم. در روش پيشنهادی قدرت دسته بندی هر ويژگی به کمک يک معيار آماری محاسبه شده و سپس به گزينش ويژگی هايي می پردازيم که قدرت دسته بندی بيشتری داشته باشند . نتايج آزمايشی نشان می دهند، تعداد کمی از اين ويژگی ها قادرند پيچيدگی محاسباتی را کاهش و دقت دسته بندی را افزايش دهند.

طبقه بندی خودکار متون از موارد کاربرد الگوریتمهای یادگیری ماشینی در مبحث بازیابی اطلاعات میباشد. در این مقاله نیز نتایج طبقه بندی خودکار متون فارسی با استفاده از معیارهای شاخص گذاری -gram ٤-gram٣ و کلمه ارائه شدهاست . در ضمن نتایج در دو حالت با حذف stop word و بدون حذف stop word های متون نیز مقایسه شدهاند. به منظور دستهبندی متون از الگوریتم یادگیری ماشینی نزدیکترین k همسایه (knn) استفاده شده است و در نهایت به منظور ارزیابی و مقایسه نتایج، دو معیار دقت و یادآوری برای هر روش شاخصگذاری نیز محاسبه شدهاند. نتایج بدست آمده نشان داد که بهترین روش شاخصگذاری متون فارسی -gram ٤ میباشد و حذف stop word ها نتایج را اندکی بهبود میبخشد.

یادگیری الکترونیکی روشی برای ایجاد سیستم آموزشی انعطاف پذیر منطبق بر سطح دانش یادگیر در هر زمان و هر مکان است. شخصی سازی، یکی از مفاهیم کلیدی در جریان آموزش و پرورش است. بر این اساس یادگیری الکترونیکی باید متمرکز روی شخص گرا بودن فرایند یادگیری شود تا به نتیجه مطلوب در یادگیری برسد. همچنین ضرورت تشریک مساعی و تعامل در محیط های یادگیری الکترونیکی امری بدیهی و لازم است. در این مقاله روشی جهت بهبود شخص گرا بودن فرایند یادگیری ارائه شده است. روش پیشنهادی ارائه ی محیطی مبتنی بر تطبیق دانش (محتوای آموزشی) بر اساس توسعه مهارت و صلاحیت یادگیر در یادگیری الکترونیکی مطرح شده است. که با تفکیک مهارت ها به دو بخش "لازمه" و "آموختن"؛ امکان یادگیری در محیط توزیع شده، منطبق بر شرایط یادگیر فراهم می شود. همچمنین برای پیاده سازی محیط یادگیری متحرک، از تکنولوژی عامل سیار استفاده شده است.

در اين مقاله يک الگور يتم مبتن ي بر اتوماتاه اي ي ادگير بر اي يافتن درخت پوش اي م ينيمم با کمتر ين هز ينه مورد انتظار در گرافه اي تصادفي ارائه شده است . فرض بر اين است که تابع توز ي ع وزن يالها از قبل ش ناخته شده نيست و فقط به نمونه ه اي توزي ع يالها دسترس ي داريم. هدف يافتن چنين درختي با حداقل تعداد نمونه گ يري از يالهاي گراف م ي باشد . در الگور يتم پيشنهادي در هر تکرار اتومات اي ي ادگير يالي از گراف را بر اي نمونه گ يري نامزد م ي کند و سپس بر اساس تحليل آمار ي مشخص مي شود که آ يا از آن يال ب ايد نمونه گرفته شود يا نه . به منظور ارز يابي الگور يتم پيشنهادي، تعداد نمونه ه اي گرفته شده توسط الگور يتم پيشنهادي با تعداد نمونه ه اي مورد ني از به روش نمونه گ يري استاندارد مق ايسه شده است . نتايج آزم ايشي نشان داده که تعداد نمونه ه اي گرفته شده توسط الگوريتم پيشنهادي به مراتب کمتر از تعداد نمونه هاي گرفته شده به روش نمونه گيري استاندارد مي باشد.

در یک سیستم محاسباتی ناهمگن، منابع دارای توانمندی های متفاوت و وظایف دارای نیازمندی های مختلف است . برای حداکثر کردن کارایی اینگونه سیستم ها ضروری است که وظایف به منابع واگذار شوند(نظیریابی) و ترتیب اجرای وظ ایف روی منابع مشخص شود(زمانبندی)، بطوری که ناهمگنی وظایف و منابع نیز در نظر گرفته شود. در این مقاله نگاشت پویای وظایف بلادرنگ نرم در محیط های محاسباتی ناهمگن توزیع شده مطالعه شده است . نگاشت پوی ا(نظیریابی و زمانبندی ) زمانی انجام می شود که نرخ ورود وظایف از قبل معلوم نباشد. در محیط ناهمگن مطرح شده در این مقاله، ورود وظایف تصادفی بوده و وظایف مستقل از هم و همچنین وظایف دارای اولویت و چندین فرجه نرم هستند . در این مقاله ما الگوریتم هایی را با استفاده از آتاماتای یادگیر برای نگاشت وظایف بلادرنگ نرم در محیط های محاسباتی ناهمگن، پیشنهاد و آنها را با سه تا از بهترین الگوریتم های موجود مقایسه کرده ایم که نتایج شبیه سازیهای انجام شده نشان می - دهد، الگوریتم های پیشنهادی در محیط هایی با ناهمگنی بالا نسبت به بهترین الگوریتمهای موجود عملکرد بهتری دارند.

چارچوب معماري زکمن ١ که به نوعي جدول مندليف مدلهاي معماري سازماني به حساب مي آيد، چارچوب مرجعي است که شش جنبه اطلاعات، فرآينده ا، مکانها، افراد، رويداده ا و اهداف را تحت پوشش قرار مي دهد. چالش اصلي چارچوب زكمن، عدم ارائه روش انجام معماري است. واضح است كه داشتن يك چارچوب (هر چقدر هم كامل و خوش تعريف) بدون بكارگيري و اجراي آن ب يفايده خواهد بود. در اين مقاله متدولوژي معماري سازماني آقاي اسپيواك با توجه به رويكرد معماري سرويس گرا و در جهت پوشش كامل(در حد توان و دانش ) به چارچوب زكمن اصلاح و به روز رساني مي شود. نتايج اين رهيافت بر هر سه مورد چارچوب زكمن، متدولوژي معماري آقاي اسپيواك و معماري سرويس گرا اثر مي گذارد.

در اين مقاله يك ايدة جديد براي آشكارسازي مبتني بر حركت خودرو در تصاوير ويدئويي دوربين متحرك با استفاده از شار نوري متراكم و شبكة عصبي ارائه گرديده است . روش فوق بر اساس شناسايي نقاط ويژگي متعلق به خودرو در دو تك تصوير و يدئويي است . بدين منظور، ابتدا يك الگوريتم براي محاسبة شار نوري نقاط ويژگي كل تصوير ارائه نموده ايم. سپس به كمك يك طبقه بند شبكة عصبي ، شارهاي نوري تصوير به دو كلاس طبقه بندي مي گردند. در مرحله نهايي براي آشكارسازي ناحية وسيلة نقليه، مدل كلي حركت خودرو با يك الگوريتم پس پردازش تخمين زده شده است . در آموزش و آزمايش طبقهبند از 135 خودرو استفاده گرديد كه بوسيلة 100 جفت تك - تصوير ويدئويي آموزش داده شد و ب ا 35 نمونه ديگر مورد آزمايش قرار گرفت. روش پيشنهادي به نوع حركت دوربين تقريباً غير حساس مي - باشد و در كاربردهاي دوربين ثابت و متحرك عملكرد مناسبي دارد . نتايج پياده سازي حاكي از دقت بالاي روش پيشنهادي در آشكارسازي خودرو ميباشد.

مساله تجميع داده در شبكه هاي حسگر بي سيم به طوريكه حداقل انرژي مصرف شود از موضوعات حائز اهميت مي باشد . در بيشتر مدل هاي خوشه بندي ، تجميع داده در گره سرخوشه انجام مي گيرد . در الگوريتم پيشنهادي تجميع داده قبل از فرستادن داده به گره سرخوشه و به طور مجزا توسط هر گره انجام مي گيرد . به دليل وجود همبستگي مكاني ميان دادههاي گره هاي همسايه ، داده حس شده توسط هر گره با داده گره سرخوشه مقايسه خواهد شد و پس از حذف افزونگي، داده كد شده به گره سرخوشه ارسال مي شود . در اين مقاله الگوريتم پيشنهادي با الگوريتم شناخته شده LEACH مقايسه ميشود. نتايج نشان مي دهند كه الگوريتم ارائه شده در محيط هاي داراي همبستگي داده اي بالا ، بهبود موثري در مصرف انرژي در مقايسه با LEACH دارد، حال آنكه در محيط هايي با همبستگي اندك ميان داده ها اين دو الگوريتم تقريبا همانند يكديگر عمل مي كند.

در اين مقاله يك الگوريتم ژنتيك وفقي بهبود يافته، براي حل مسئله فروشنده دوره گرد (TSP) پيشنهاد شده است. الگوريتم ژنتيك پيشنهادي، با بكارگيري تابع سيگموئيد بهبوديافته براي الگوريتم ژنتيك وفقي به همراه دو عملگر جديد اكتشافي ادغام و جهش، بدست آمده است. در الگوريتم ژنتيك وفقي بهبود يافته براي مسئله فروشنده دوره گرد، برازندگي الگوريتم، مسافت طي شده، در نظرگرفته شده است . در اين الگوريتم، احتمال جهش و ادغام، به صورت وفقي و غي ر خط ي با مسافت طي شده، تنظيم شده است كه مي تواند از مشكلا تي از قبي ل همگرايي زودرس، همگرايي كند و همگرايي با پاي داري كم جلوگ يري كند. نتايج آزمايشات نشان مي دهند كه الگوريتم ژنتيك پيشنهاد ي به آساني در بهينه هاي محلي قرار نمي گيرد و از طرفي از سرعت خوبي در همگرايي به جواب جامع برخوردار است . علاوه بر ا ي ن، پي اده ساز ي الگوريتم پيشنهادي، از پيچيدگي برخوردار نمي باشد.

در مسابقات روبات امدادگر خود مختار از علائمي مشابه علامتهاي چشم پزشکي براي سنجش قدرت بينايي روبات استفاده ميشود و روبات بايد بتواند محل و جهت اين علائم را مشخص کند. روشهاي متعددي براي اين کار وجود دارد آنچه در اين مقاله پيشنهاد شده استفاده از روشي مبتني بر اسکلت شکل است، در انطباق اشکال استفاده از اسکلت شکل يکي از روشهاي موثر و کارا محسوب ميشود. اسکلت يک شکل گرافي متصل است که خصوصيات توپولوژيکي آن را به خوبي نمايش ميدهد. پس از استخراج اسکلت مربوط به شکل مورد نظر با استفاده از تئوري Shock نقاط اساسي اسکلت شناسايي و گروه بندي ميشوند، سپس بر اساس همين نقاط گراف Shock شکل بدست ميآيد و در نهايت اين گراف به منظور انطباق علائم و تشخيص جهت آنها بکار برده ميشود. نتايج حاصل نشان ميدهد که استفاده از اين روش موجب کاهش اثر نويز و افزايش سرعت تشخيص علائم مي- گردد.

در این مقاله روشی جدید مبتنی بر هوش جمعی براي حل مسائل بهینه سازي ارائه میشود. روش پیشنهادي, با استفاده از دو مرحله تحرك و همگرایی جمعیت, به نتایج جالبی در انواع توابع میرسد. در این روش جمعیت اولیه ذرات مقداردهی شده و سپس این ذرات در هر مرحله ابتدا خود را از نواحی نامناسب دور کرده و پس از آن به نواحی مناسب مهاجرت میکنند و در نهایت در این نواحی سعی در نزدیک شدن به نقاط بهینه را دارند. ویژگی الگوریتم، نتیجه گرفتن در توابع با ابعاد بالا و همچنین توابع داراي اکسترممهاي محلی زیاد است. حرکت در جهت دور شدن از نواحی نامناسب، باعث میشود تا الگوریتم در مواجه با مسائل با ابعاد بسیار بزرگ و نیز مسائلی که در آنها جمعیت داراي توزیع اولیه نامناسبی است نیز به خوبی عمل کرده و نتایج مناسبی از خود نشان دهد. پراکندگی نامناسب جمعیت اولیه, در الگوریتم بهینه سازي گروه ذرات تاثیر منفی دارد. این الگوریتم با مهاجرت کلی ذرات به سمت فضاي مناسب، به نقاط بهینه همگرا می شود. در انتها ضمن آزمودن روش پیشنهادي ب ر روي چند ت ابع محک شناختهشده و مقایسه با الگوریتم بهینه سازي گروه ذرات مشاهده میشود که روش پیشنهادي به نتایج بهتري می رسد.

The evolution of optical technology has resulted in the emergence of several promising paradigms so as to realize the next generation Internet backbone infrastructure. Among all the existing switching techniques, optical burst switching (OBS) has shown to support the bursty nature of diverse IP traffic classes more efficiently. Nevertheless, with increase in realtime applications over the Internet, devising mechanisms that guarantee quality of service (QoS) and efficient bandwidth utilization within the OBS network has become a major endeavor. In the literature, resource allocation-based QoS management has been investigated as a possible solution to overcome this necessity. However, to the best of our knowledge, the resource-based technique has not been analytically studied for any arbitrary number of traffic classes taking both, wavelengths and fiber delay lines (FDLs) into account. In this paper, we present a novel mathematical model for the resource-based approach with two service classes namely, real-time (H) and non real-time (L) classes. We then extend the model to cover any number of classes. The effectiveness of the model is justified through simulation experiments.

Recent advancements in the field of multimedia and wireless communications have led to a wide array of application and services requiring high data processing rate at minimal power consumption. This new generation of data hungry portable devices requires power efficient hardware solutions where the operational specifications are as important as objective functionality. Conventional processing solutions like MIPS fall short on real time computational intensive operations due to large software overhead. This class of applications demands dedicated hardware units like Application Specific Processors (ASP) working as hardware accelerators for intensive data processing operations. In this paper we describe a novel Register Transfer Level (RTL) synthesis process of a power and throughput optimized ASP for a sample application. The ASP implemented on an FPGA, can serve as a hardware accelerator for system on chip (SOC) or as a standalone Application Specific Integrated Circuit (ASIC) at silicon level.