انجمن کامپیوتر ایران

مسئله ردیابی انسان در محیط های شلوغ به ویژه در شرایطی که امکان پوشیده شدن دید وجود دارد، از مسایل مهم بینائی ماشین و رباتیک می¬باشد. استفاده از روش های مبتنی بر مدل می¬تواند به افزایش کارائی سیستم¬های ردیاب منجر شود. یادگیری مدل پیچیده با استفاده از داده¬های محدود، به دلیل بعد بالای پارامتر¬های بدن انسان کار دشواری است. نظر به اینکه اکثر فعالیت¬های انسان به صورت ذاتی روی یک منیفلد با بعد کم قرار دارند، فضای مساله محدود می-شود.در این مقاله برای بدست آوردن فضای پنهان با بعد کم و در نظر گرفتن پویایی مربوط به متغیر¬های پنهان از مدل پویای پروسه¬ی گاوسی استفاده می¬شود. از این مدل برای محاسبه¬ی نگاشت فضای پنهان به فضای مشاهدات و برای پیش¬بینی حرکت استفاده می¬شود. در آزمایشات به عمل آمده از سنسور کینکت برای بدست آوردن تصاویر عمقی استفاده شده است. به منظور بهره¬مندی ازمزایای ردیابی با استفاده از این سنسور نتایج آن به کمک فیلتر کالمن با نتایج مدل پویای پروسه گاوسی ترکیب می¬شود. این الگوریتم در مواردی که مساله¬ی پوشیده شدن دید داریم، نتایج بسیار خوبی داشته است.

هدف از نشانه‌گذاری چهره در تصاویر سه‌بعدی، تعیین نقاطی مانند گوشه‌های چشم، نوک بینی و نوک چانه در چهره است که کاربردهای زیادی در شناسایی چهره، تخمین جهت، تعیین حالت و ثبت تصاویر چهره دارد. در این مقاله روشی را برای نشانه‌گذاری تصاویر سه‌بعدی ارائه کرده‌ایم که بتواند در تصاویر با حالت‌های مختلف، با پوشیدگی یا با جهت‌های متفاوت چهره نسبت به دوربین، در زمان مناسب پاسخگو باشد. در این روش با به‌ کارگیری ویژگی‌های انحنای سطح، هندسه چهره و روش‌های یادگیری، سه نشانه را به عنوان لنگرگاه مشخص کرده و در مرحله‌ی بعد یک مدل منعطف آماری را با استفاده از تحلیل مولفه‌های اساسی بر این لنگرگاه‌ها منطبق می‌کنیم. نتایج آزمایش الگوریتم روی تصاویر پایگاه داده بسفروس نشان‌دهنده‌ی دقت قابل توجه آن در تعیین 8 نشانه‌ی اصلی چهره در زمانی کوتاه و با وجود انواع چالش‌هاست.

افزایش دمای قطعات سیستم های کامپیوتری مساله ای است که روی پارامترهایی چون قابلیت اطمینان سیستم، کارایی، هزینه، طول عمر و... تاثیر گذار می باشد و استفاده از راه کارهای کارا برای مدیریت دما بسیار سودمند می باشد. تکنیک های مدیریت دمایی که تا کنون برای پردازنده های فاقد این ویژگی ارائه شده اند،در این معماری به کارایی حداکثر نمی رسند و نیاز به اعمال تغییراتی در آنها به منظور افزایش کارایی می باشد. همچنین الگوریتم هایی که به منظور مدیریت دمای پردازنده های چند نخی همزمان ارائه شده اند همگی به صورت شبیه سازی شده ارائه شده اند و به دلیل اینکه هر کدام از الگوریتم های شبیه سازی شده یک سری پیش فرض ها را در نظر گرفته اند که ممکن است نتوان روی سیستم های واقعی اعمال نمود، روی سیستم های واقعی چند نخی همزمان قابل استفاده نیستند. در این مقاله ما نتایج آزمایش هایی که روی سیستم های واقعی چندنخی همزمان بدست آورده ایم را ارائه می نماییم که کمک می کند با در نظر گرفتن این نتایج تجربی و اعمال آنها روی الگوریتم های شبیه سازی شده موجود، بتوان از آنها روی سیستم های واقعی چند نخی همزمان استفاده نمود.

وجود انبوه مستندات متني و فاقد ساختار مشخص در اينترنت سبب افزايش اهميت بازيابي اطلاعات گرديده است. يکي از مهمترين پارامترهاي اين موضوع يافتن روابط معنايي ميان کلمات است. اين روابط کمک مي کنند تا موتورهاي جستجو با ضريب اطمينان بالاتري به پرس و جوهاي کاربران پاسخ بدهند. جهت استخراج اين روابط منابع متعددي وجود دارد. ما نيز مانند اکثر محققين براي استخراج روابط از منبع شبکه واژگان استفاده مي¬نماييم. بر خلاف کارهاي صورت گرفته تا کنون، که با استفاده از فضای سالتون و فاصله بین بردارها، ارتباطات بین مفاهیم را محاسبه می¬نمودند، ما بدون استفاده از مدل فضاي برداري روشي مبتنی بر گراف را برای محاسبۀ ارتباطات معنایی، ارائه مي دهيم. مقايسه روش پيشنهادي ما با ساير روش هاي مبتني بر شبکه واژگان، نتايج مطلوبي را نشان مي دهد که با استفاده مناسب از اين روش مي توان بازيابي اطلاعات را نيز بهبود بخشيد.

بعد از به­ وقوع پیوستن یک زلزله يكي از اساسي­ترين مسائل، شناسايي محل­هاي آسيب­ديده با ميزان خسارت بالا است تا بتوان كمك­هاي مورد نظر را به­صورت هدفمند به نقاط ضروري­تر رسانيد. همچنين شناخت مناطق آسيب­ديده مي­تواند كمك شاياني در محاسبه ميزان اعتبار و زمان لازم براي ترميم بافت­هاي آسيب­ديده در دسترس كارشناسان قرار دهد. روش­های مبتنی بر پردازش تصویر ابزارهای قدرتمندی در جهت آشکارسازی و طبقه­بندی ساختمان­های آسیب­دیده هستند. هدف این مقاله آشکارسازی صدمات ناشی از زلزله به ساختمان­ها به­وسیله­ی مقايسه تصاوير ماهواره­اي قبل و بعد از زلزله می­باشد. در اين مقاله هدف مشخص نمودن ميزان تخريب سقف­ها مي­باشد كه از داده­هاي برداري نقشه سقف­ها براي تشخيص ميزان خسارات نيز استفاده شده است. از آنجایی که زلزله معمولاً به­طور غیرخطی عمل می­کند، روش طبقه­بندی بر اساس ميزان خسارت توسط شبکه عصبی مي­تواند بسيار مطلوب باشد. نتایج پیاده­سازی نشان می­دهد که روش ارائه شده مکان­های آسیب­دیده را با دقت کلی 96 درصد تشخیص می­دهد.

شبکه¬های تورین محاسباتی (گرید) مجموعه¬ای از سیستم¬های توزیع شده و ناهمگن است که امکان اشتراک، تبادل و انتخاب منابع مستقل را فراهم می¬کند. زمانبندی در شبکه¬های تورین محاسباتی (گرید) یک مساله¬ی NP_Complete است در نتیجه برای حل مساله¬ی زمانبندی، الگوریتم¬های اکتشافی و فرااکتشافی برای رسیدن به جوابی، نزدیک جواب بهینه استفاده می¬شوند. در این مقاله یک روش ترکیبی اکتشافی جدید برای زمانبندی در محیط شبکه¬های تورین محاسباتی (گرید) ارائه شده است که طبق نتایج، با استفاده از داده¬های آزمایشی براون، زمان اتمام آخرین کار بطور متوسط 8.45 درصد نسبت به الگوریتم مقایسه شده (Heuristic) و 7.68 درصد نسبت به الگوریتم MinMin کاهش داشته است.

Combining services to build compositions is a key concept in Service Oriented Architecture. In a service composition with transactional property, each service failure may impose a rollback cost on the composition due to the rollback of its dependent successfully ended services. Reducing the mean rollback cost of a composition is possible by applying Fault Tolerance (FT) patterns to each task in order to decrease the failure probability of the composition. Different FT patterns with different imposed cost and execution time overheads can be applied to each task within the composition workflow. In this paper we have formulated the problem of choosing FT patterns for a given transactional composition as an optimization problem and a NSGA-II genetic algorithm has been proposed to find a mapping of patterns totasks which satisfies conflicting objectives. The effectiveness of the proposed approach has been evaluated by applying the optimization process to different compositions

مسئله طبقه‌بندي اشياء بدنبال تشخيص اشياء در تصاوير و تعيين طبقه آن‌ها مي‌باشد. اين مسئله يکي از چالش-برانگيزترين مسائل بينايي ماشين محسوب مي‌شود. با توجه به شباهت‌هاي بين کدگذاري تنک و عملکرد بيولوژيکي مغز انسان و همچنين توانايي کدگذاري تنک در يادگيري مؤلفه‌هاي پايه مشابه با مؤلفه‌هايي که کورتکس بينايي پستانداران استخراج مي‌نمايد، در اين نوشتار بر آنيم تا از قابليت‌هاي کدگذاري تنک در حل مسئله طبقه‌بندي بهره ببريم. لذا رويکرد سلسله‌مراتبي پيشنهاد شده است که هسته اصلي آن را کدگذاري تنک تشکيل مي‌دهد و در آن با بهره‌گيري از ادغام بيشينه‌گير وزن‌دار، نقشه برجستگي و گروه‌بندي محلي هرچه بيشتر کدهاي تنک را نسبت به عمليات هندسي نظير جابه-جايي مکاني مقاوم مي‌نماييم. معماري سه لايه پيشنهاد شده بر روي پايگاه‌داده Caltech101 مورد ارزيابي قرار گرفته‌اند که نتايج (%78.6) نشان از عملکرد موفق رويکرد سلسله‌مراتبي پيشنهاد شده نسبت به ساير الگوريتم‌هاي ارائه شده تا به امروز دارد.

حس بینایی به عنوان یکی از حواس اصلی انسان، بیشترین تاثیر را در یادگیری و زندگی روزمره‌ دارد. بسیاری از افراد جهت انجام کارهای روزمره مجبور به استفاده از عینک یا لنز می باشند. اخیرا با توسعه وسایل دیجیتال، محققان به دنبال راه حلی جهت رفع نیاز به استفاده از عینک یا لنز برای رفع عیوب انکساری چشم جهت تشخیص صحیح تصویر می باشند. در این خصوص با فرض دانستن مشخصات چشم شخص، تصویر قبل از نمایش در نمایشگر به کمک این مشخصات جبران‌سازی می‌گردد. در نتیجه پس از مشاهده توسط شخص به صورت تصویر اولیه دیده می‌شود. در این مقاله ابتدا به بیان روش مدلسازی تصویر تشکیل شده در شبکیه می‌پردازیم. سپس با استفاده از چند الگوریتم دکانولوشن اقدام به جبران سازی تصویر بر اساس مشخصات چشم شخص می‌کنیم. در نهایت با استفاده از معیارهای PSNR، SSIM، IWSSIM و همچنین از لحاظ ظاهری تصاویر بدست آمده از هر روش را با هم مقایسه می‌کنیم. در عمل کنتراست تصاویر جبران‌سازی شده‌ی بدست آمده بسیار پایین است. در نتیجه برای افزایش کنتراست، اصلاحی روی مقادیر تصاویر بدست آمده از الگوریتم‌های دکانولوشن انجام می‌شود.

در این مقاله، یک روش جدید کاهش بعد بانظارت با نام کاهش بعد چند هسته‌ای با فرم بسته برای مسئله شناسایی ارقام دست‌نویس ارائه شده است. ابتدا ویژگی‌ها به کمک روش هیستوگرام گرادیان جهت‌دار (HOG) از تصاویر استخراج می‌شوند. پس از آن روش کاهش بعد چند هسته‌ای با فرم بسته سعی در پیدا کردن منیفولد کم بعدی می‌کند که دقت دسته‌بندی در آن بیشتر است. این روش از چند تابع هسته استفاده می‌کند و سعی می‌کند ارزش (وزن) هر تابع را محاسبه کند و بر اساس ترکیب خطی هسته‌ها به وسیله این ارزش‌ها کاهش بعد را انجام دهد. نوآوری اصلی مدل پیشنهادی ارائه یک فرمولاسیون یادگیری چند هسته‌ای برای کاهش بعد بانظارت است، که بجای روش‌های تکرارشونده، پاسخ را به صورت تحلیلی و به فرم بسته بدست می‌آورد. در فضای کاهش بعد یافته از روش ساده‌ی نزدیک‌ترین همسایگی، برای دسته‌بندی استفاده شده است. به منظور ارزیابی روش پیشنهادی، چند روش کاهش بعد بانظارت دیگر نیز برای شناسایی ارقام دست‌نویس به کار گرفته شده است. نتایج آزمایشات بیانگر دقت بالای روش پیشنهادی است.

مدلسازی سه‌بعدی شکل و آناليز ساختارهای آناتوميک با بکارگيری پارامترهای کمتر در حوزه تصويربرداری پزشکی دارای اهميت بسيار است و در شبيه‌سازی جراحی، تشخيص بکمک کامپيوتر و مصورسازی می‌تواند مورد استفاده قرار گيرد. هارمونيک‌های کروی يک ابزار رياضی قوی برای بازنمايی و آناليز سطوح بسته است. در اين روش که يک توصيف‌گر چندمقياسی، عمومی و سلسله‌مراتبی است، بازنمايی سطوح بکمک توابع پايه‌ی هارمونيک کروی انجام می‌شود. در اين مقاله از هارمونيک‌های کروی برای بازنمايی سه‌بعدی و مدلسازی سطح فک استفاده شده و دقت اين روش مورد بررسی قرار گرفته است. چالش اصلی در بکارگيری هارمونيک کروی مرحله انطباق تصاوير است که بايد با دقت کافی انجام شود. اين مرحله با استفاده از دو رويکرد مبتنی بر انطباق در حوزه پارامتر انجام شده است و بی‌نياز از نشانگذاری است. سرعت روش انطباق با بيضی درجه اول بسيار بالاتر از روش SHREC است اما دقت انطباق روش SHREC برای تصاوير فک بسيار مطلوب‌تر است.

امروزه معماری سازمانی یکی از مهم‌ترین و پرکاربردترین راهکارهای سازمانی برای همراستایی استراتژیک فن‌آوری اطلاعات با کسب و کار سازمان می‌باشد. در این پژوهش سعی شده است تا با تحلیل و بررسی تحقیقات علمی صورت گرفته در حوزه معماری سازمانی و حوزه‌های وابسته وضعیت موجود کشور در این رشته مشخص شود. در این مقاله هر یک از پژوهش‌های مورد بررسی بر طبق معیارهای توزیع مقالات در طول زمان، موضوع مقاله، رشته نویسنده و موسسه منتشر کننده تحلیل و ارزیابی می‌شوند. پژوهش حاضر با شناسایی وضعیت فعلی تحقیقات و انتشارات معماری سازمانی ایران، تصویر روشنی از پژوهش‌ها و پژوهشگران این حوزه مهیا می‌سازد. این تحقیق می تواند به عنوان مرجع، تسهیل کننده راه پژوهشگران و فعالان این عرصه برای شناسائی منابع و انتخاب موضوعات مناسبتر در تحقیقات معماری سازمانی کشور باشد. نتایج این تحقیق نشانگر آن است که معماری سازمانی در ایران رشد چشمگیری داشته است و هر روزه علاقه‌مندان بیشتری در این حوزه وارد می‌شوند. همچنین پژوهشگران رشته‌های مهندسی کامپیوتر و فناوری اطلاعات بیشترین سهم را در تولید پژوهش‌های علمی در این زمینه داشته‌اند. علاوه بر اینها مباحث ارزیابی، ارائه مدل، کاربردها و چارچوب‌های معماری سازمانی از موضوعات جذاب نزد پژوهشگران ایرانی می‌باشند.

استاندارد IEEE 802.11p/1609.4 بر پایه‌ی یک سیستم چندکانالی متشکل از چند کانال سرویس (SCH) و یک کانال کنترل (CCH) بنا نهاده شده است. اکثر پیام‌هایی که در کانال کنترل ارسال ( پخش فراگیر) می‌شوند، متعلق به کاربردهای ایمنی بوده و باید با احتمال بالایی در همه خودروهای تحت پوشش دریافت گردند. از آنجا که احتمال دریافت فریم‌ها تابعی از اندازه پنجره رقابت، تعداد خودروها و طول بازه است، در این مقاله روشی جدید پیشنهاد می‌شود که بر اساس آن، اندازه پنجره رقابت و مدت زمان بازه کانال کنترل(CCH) با توجه به ترافیک و بار کانال، به صورت تطبیقی تنظیم می‌گردد. در روش پیشنهادی، با استفاده از پیام‌های دوره‌ای بیکن هر خودرو می‌تواند از تعداد خودروهای در محدوده پوشش خود آگاهی پیدا کرده و بر اساس آن پارامترهای انتقال را به‌صورت پویا تنطیم نماید. الگوریتم پیشنهادی، با استفاده از شبیه‌ساز Veins شبیه‌سازی شده که نتایج حاکی از این است که بر خلاف استاندارد موجود، با افزایش چگالی خودروها، احتمال دریافت بسته‌ها در حد قابل قبولی باقی می‌ماند. باتوجه به پیچیدگی زمانی ناچیز الگوریتم پیشنهادی و در نتیجه سرعت بالای آن، می‌توان انتظار داشت که در شرایط بلادرنگ تنظیم طول بازه انجام شده و بدین ترتیب نقطه ضعف اصلی روشهای دیگر را برطرف کرده است.

پیشرفت‌های اخیر در فیزیک و تکنولوژی‌های مهندسی، ساخت حافظه، پردازشگر، آنتن رادیویی، منبع تغذیه و ... را در مقیاس نانو ممکن ساخته است. نانو سنسورها ابزارهایی با ابعاد چند نانو متر مکعب بوده که قادر به انجام وظایف خاص و سبک می‌باشند. به واسطه ارتباط این تجهیزات با یکدیگر شبکه‌ای از نانو ماشین‌ها جهت انجام وظایف پیچیده‌تر در محیط های نانو شکل می‌گیرد. یکی از مهمترین چالش‌ها در این گونه شبکه ها فرکانس ارتباطی آنها است، چرا که به دلیل اندازه بسیار کوچک آنتن، از مرتبه تراهرتز می‌باشد. همچنین به دلیل کوتاه بودن مسافت ارتباطی نیازمند ارتباطات چندگامه در این‌گونه شبکه‌ها خواهیم بود. به طور خلاصه، شبکه‌های نانو یک الگوی شبکه‌ای کاملا جدید را ارائه می‌دهند که نیازمند تحولی بنیادی درالگوریتم‌های مسیریابی، MAC، واسط انتقال و شیوه های ارتباطی می‌باشند. در این مقاله یک پروتکل MAC را جهت شبکه‌های بی‌سیم نانو سنسور مبتنی بر ارتباطات الکترومغناطیس در باند تراهرتز پیشنهاد داده‌ایم، که مزیت آن نسبت به دیگر پروتکل‌ها استفاده از الگوریتم خوشه‌بندی و الگوی زمان‌بندی TDMA می‌باشد. جهت ارزیابی پروتکل خود، آن را با شبیه ساز NS3 شبیه سازی کرده و مقایسه‌ای بین الگوریتم پیشنهادی و الگوریتمی تحت عنوان"Smart-MAC" از نظر دو پارامتر میزان مصرف انرژی شبکه و نرخ بسته‌هایی که به مقصد نمی‌رسند ( PLR)، انجام داده‌ایم. نتایجی که در نهایت به دست آمده اند مشخص می‌کنند که الگوریتم پیشنهادی از لحاظ میزان مصرف انرژی و نرخ PLR به ترتیب از 60 و 38 درصد بهبود نسبت به الگوریتم“Smart-MAC” برخوردار است.

خط محصول نرم‌افزار به عنوان یک پارادایم امیدبخش در توسعه نرم‌افزار با تواناسازی سازمان‌ها برای مدیریت تنوع محصولاتشان، کیفیت محصولات و میزان زمان ارائه آن‌ها به بازار را بهبود داده است. سازمان‌هایی که مجموعه‌ای از نمودارهای فرایند حرفه را به عنوان دارایی پایه در اختیار دارند در راستای راه‌اندازی خط محصول، نیازمند وجود مدل تغییرپذیری خانواده فرایندهای حرفه می‌باشند. از آنجا که تاکنون روشی جهت تولید مدل فوق ارائه نشده و ایجاد این مدل به صورت دستی ممکن است دست‌خوش خطاهای انسانی گردیده یا به علت پیچیدگی بالا غیر قابل انجام یا زمان‌بر باشد، نیاز به وجود روشی جهت تولید این مدل وجود دارد. در این مقاله یک روش نیمه‌خودکار چهار مرحله‌ای مبتنی بر ساختار گراف جهت تولید مدل خانواده فرایندهای حرفه ارائه گردیده که علاوه بر سنجش دقیق میزان شباهت میان نمودارهای فرایند حرفه ورودی، مدل خانواده فرایندهای حرفه مشابه ورودی را استخراج می‌نماید. روش پیشنهادی با استفاده از مطالعه موردی ارزیابی گردیده و نتایج ارزیابی نشان دهنده آن است که روش فوق قابل انجام بوده، مدل خروجی حاصل از آن دارای میزان شباهت مناسبی با خروجی خبرگان می‌باشد. همچنین تغییرپذیری در آن به طور مناسب مدل می‌شود، به طوری که تمامی نمونه ورودی‌های اولیه از روی مدل خروجی قابل استخراج هستند. به علاوه، از تمامی الگوهای جریان کنترل اصلی موجود در BPMN در آن پشتیبانی می‌شود.

تبدیل بین نمادگذاری‌های صوری و بصری به فرآیند توسعه نرم‌افزار کمک می‌کند؛ به این ترتیب که از مدلسازی بصری در اوایل مرحله مدلسازی مفهومی (جهت درک ساده¬تر نیازمندی‌ها توسط ذی‌نفعان مختلف) و از روش‌های صوری در مراحل بعدی، که نیازمندی‌ها بهتر درک شدند (جهت طراحی و ساخت نرم‌افزار بر اساس توصیف صوری غیر مبهم و سازگار)، استفاده می‌شود. قوانین تبدیل بین مدل‌ها در رویکردهای موجود اغلب به صورت غیردقیق بوده که این موجب ابهام در انتقال‌ها می‌شود. همچنین در کارهای موجود، از زبان‌های مدلسازی بصری ولی کاملا غیرصوری به عنوان زبان مبدا استفاده شده است. این موضوع موجب تاخیر در درستی‌یابی صوری تا زمان تبدیل مدل‌ها به یک زبان صوری می-شود. با توجه به مشکلات بالا، هدف این مقاله، تکمیل کار قبلی نویسندگان مقاله جهت ارائه روشی در سطح متامدل صوری به منظور تبدیل مدل‌های UML-B، به عنوان یک نمادگذاری بصری و نیمه‌صوری شی‌گرا، به ساختارهای Object-Z، به عنوان یک زبان صوری غیر بصری است. استفاده از UML-B به جای سایر زبان‌های کاملا بصری و غیرصوری، زمینه درستی‌یابی بخشی از مدل‌های بصری را در اوایل مرحله مدلسازی مفهومی فراهم می‌سازد. با استفاده از یک مطالعه موردی، کاربردپذیری روش ارائه شده نشان داده می‌شود.

با رشد روزافزون شبکه‌های کامپیوتری در جوامع بشری، اکثر خدمات در این جوامع بر بستر شبکه‌ها ارائه می‌گردد که بسیاری از این خدمات از اهمیت خاصی برخوردار هستند. با این حال، برای جلوگیری از اختلال در خدمات، باید از صحت طراحی و پیاده‌سازی عوامل دخیل در شبکه اطمینان حاصل کرد. یکی از این عوامل، پروتکل‌های شبکه هستند که عملکرد درست هر یک از آنها، از اهمیت زیادی برخوردار است. بررسی مدل، روشی خودکار برای وارسی سیستم‌های همروند حالت متناهی است. این روش در عمل به صورت دقیق برای وارسی پروتکل‌های ارتباطی استفاده شده است. با توجه به ویژگی خودکار بودن فرآیند بررسی مدل، این روش می‌تواند برای وارسی پروتکل‌های شبکه، که ویژگی‌های ایمنی و عاقبت به خیری در آنها ضرورت دارد، بصورت کارآمد استفاده شود. در این مقاله، مدل پروتکل تکرار انتخابی شبکه را به عنوان یک پروتکل پرکاربرد در شبکه‌های بیسیم، مدل‌سازی کرده، سپس خواص مورد انتظار این پروتکل را با ارائه فرمول‌های منطق زمانی خطی با استفاده از ابزار بررسی مدل نمادین Spin وارسی می‌کنیم. نتایج حاصل از پیاده‌سازی و وارسی مدل پروتکل تکرار انتخابی، اهمیت استفاده از روش بررسی مدل در کاربردهایی مشابه و اقتضائات آنها را نشان می‌دهد.

در این مقاله روشی برای کاهش رنگ نقشه‌ای دستی فرش، پیش از نقطه‌گذاری ارائه شده است. یکی از مشکلات این کار پیوسته نبودن نواحی در نتیجه‌ی نهایی است. در این مقاله بر روی این مشکل تمرکز شده و روشی ارائه شده است تا نواحی پیوسته‌تری به دست آید. در روش ارائه‌شده، پس از پیدا شدن نواحی اولیه، این نواحی توسط الگوریتم رشد ناحیه‌ی پیشنهادی، رشد داده‌شده و سپس رنگ پیکسل‌های باقیمانده نیز تعیین‌ می‌شود. در این مرحله الگوریتم ادغام پیشنهادی، نواحی همسایه‌ی مشابه را باهم ادغام می‌کند. کاهش رنگ نهایی توسط الگوریتم C-میانگین صورت گرفته و تعداد رنگ به 1.2 برابر تعداد اعلام‌شده توسط کاربر می‌رسد. دو الگوریتم رشد نواحی اولیه و ادغام نواحی همسایه باعث شده‌اند که نواحی پیوسته‌تری حاصل شود.

سیستم‌های استنتاج فازی حوزه‌های کاربردی متعددی دارند و موتورهای استنتاج مختلفی برای آنها ارائه شده است که موتور استنتاج فازی ممدانی یکی از مرسوم‌ترین آنها است. سیستم‌های استنتاج فازی بر اساس یک سری قوانین به شکل اگر-آنگاه کار می‌کنند. مراحل عملیاتی سیستم استنتاج فازی عبارتند از 1) دریافت ورودی توسط قسمت اگر قواعد 2)محاسبه نتایج توسط قسمت آنگاه قواعد و 3)تجمیع محاسبات فازی و ایجاد خروجی به صورت غیر‌فازی است. مدل-سازی سیستم‌های استنتاج فازی با اهداف مختلفی صورت می‌پذیرد که اثبات صحت سیستم و قواعد آن از جمله این هدف‌ها هستند. برای این منظور لازم است از زبان‌های مدل‌سازی صوری استفاده شود. شبکه‌های پتری رنگی علاوه بر داشتن مبنای صوری دارای واسط کاربر گرافیکی ساده‌ای هستند که فرایند مدل‌سازی و تحلیل مدل را بسادگی امکان پذیر می‌کند. این شبکه‌ها با داشتن ابزار مناسب امکان مدل‌سازی سلسله مراتبی را نیز مهیا می‌کنند. در این مقاله با استفاده از شبکه‌های پتری رنگی موتور استنتاج فازی ممدانی بصورت سلسله مراتبی مدلسازی شده است. سپس توسط مثال‌های موردی به بررسی کارکرد موتور استنتاج فازی ممدانی پرداخته شده است. مدل ارائه شده جهت آموزش کارکرد موتور استنتاج ممدانی، اثبات صحت کارکرد سیستم و صحت قوانین قابل استفاده است.

هدف شبکه‌های حسگر بی‌سیم و سامانه‌های حسگر هوشمند، انتقال اطلاعات به یک ایستگاه پایه و در صورت لزوم، تصمیم گیری از روی آن برای انجام عملیاتی بخصوص است. این اطلاعات توسط حسگرها از محیط جمع آوری می‌شود. در نتیجه نقش حسگرها بسیار پر اهمیت است که معمولاً از دید محققان و طراحان این زمینه کمتر مورد توجه قرار می‌گیرد. حسگرها را می توان از نقطه نظر پارامتر اندازه گیری به انواع مکانیکی، الکتریکی، گرمایی، مغناطیسی، درخشندگی، شیمیایی و زیستی تقسیم بندی کرد. طی سال‌های اخیر حسگرهای زیستی پیشرفت‌های زیادی در عرصه‌های گوناگون داشته‌اند. این حسگرها به منظور پایش فرآیندهای زیستی موجودات زنده به مراتب بیشتر از قبل در حوزه‌های مختلف مانند کاربردهای سلامت و پزشکی، کشاورزی و تکنولوژی موجود در ماشین آلات مورد استفاده و تحقیق قرار‌گرفته‌اند. در اين مقاله، چند حسگر زیستی را انتخاب کرده و به بیان کاربرد، عملکرد و نیز سیستم آن‌ها پرداخته‌ایم. حسگرهای زیستی انتخاب‌شده در حوزه‌های مختلفی از نقطه نظر جمع‌آوری اطلاعات از پدیده‌ی مورد ارزیابی، قرار دارند. بدین منظور، پس از معرفی و بررسی هر کدام ، ویژگی‌های آن از قبیل زمان پاسخ، نحوه¬ی ارتباط با پدیده‌ی مورد ارزیابی و مرحله‌ی اجرایی یا تحقیقاتی آن‌ها، در قالب جدولی ارائه شده است.