انجمن کامپیوتر ایران

در رده‌بندی متون می‌توان هر واژه را به‌عنوان یک صفت یا ویژگی در نظر گرفت. تعداد زیاد واژه‌ها باعث کاهش دقت و سرعت رده‌بندی می‌گردد. انتخاب زیرمجموعه‌ای از واژه‌های (ویژگی‌های) متون یکی از مراحل ضروری در پیش‌پردازش متون قبل از اعمال الگوریتم‌های رده‌بندی است. روش‌های پالایه و پوشانه، دو دسته اصلی انتخاب ویژگی است. در این مقاله سعی شده است روش ترکیبی انتخاب ویژگی در حوزه متون بررسی‌شده و با روش‌های جدیدتر انتخاب ویژگی خاص متون مانند DFS وGiniText مقایسه گردد. در این تحقیق تأثیر استفاده از ترکیب روش پالایه و پوشانه برای انتخاب ویژگی بر عملکرد رده‌بند نایوبیزی برای رده‌بندی متون فارسی مورد بررسی قرار گرفته است. نتایج نشان می‌دهد که روش ترکیبی انتخاب ویژگی روی پیکره همشهری، علی‌رغم کاهش تعداد ویژگی‌ها، باعث بهبود نتایج رده‌بند نایوبیز چند جمله‌ای، نسبت به روش‌های پالایه و یا پوشانه شده است.

سیستم‌های پرسش و پاسخ شکل پیشرفته‌ سیستم‌های بازیابی اطلاعات هستند که به جای برگرداندن اسناد مرتبط با سوال کاربر، سعی در استخراج پاسخ دقیق برای آن دارند. کاربر می‌تواند سوال خود را در قالب یک سوال زبان طبیعی مطرح کند و یا از کلمات کلیدی برای بیان منظور خود استفاده کند. یکی از منابعی که سیستم‌ها برای پیدا کردن جواب استفاده می‌کنند، ابر داده پیوندی است. سیستم‌های بازیابی اطلاعات مبتنی بر داده پیوندی، به ما کمک می‌کنند تا با سرعت و دقت بالایی به جواب صحیح دست یابیم؛ اما نیازمند داشتن دانش در مورد هستی‌شناسی موجود و همچنین ساخت پرس‌وجوهای رسمی مانند SPARQL هستند. این‌کار برای کاربران عادی کاری دشوار خواهد بود. از طرف دیگر، تجربه کابران در کار با موتورهای جستجو نشان داده‌است، کاربران بیشتر تمایل دارند نیاز اطلاعاتی خود را در قالب کلمات کلیدی مطرح کنند. در این مقاله، به منظور خودکارسازی فرایند ساخت پرس‌وجوی رسمی‌، روشی برای تبدیل کلمات کلیدی کاربر به پرس‌وجوی SPARQL ارائه ‌شده‌است که مبتنی بر ساخت قالب‌های پویاست. علاوه‌براین، روشی برای ساخت پرس‌وجوهای پیچیده SPARQL ( توابع تجمعی، فیلتر کردن و شمارش ) نیز ارائه شده‌است. نتایج ارزیابی نشان از موفقیت قابل قبول این سیستم در ایجاد قالب‌های پرس‌وجوی پیچیده دارد.

امروزه به کارگیری ماشین‌های با تعداد هسته‌های پردازشی زیاد امری رایج در انجام پردازش‌های تحلیلی بر روی داده‌ها گردیده است. همچنین مدل کردن داده‌ها به صورت گراف در کاربردهای بسیاری از جمله شبکه‌های اجتماعی، شبکه‌های بیولوژی و غیره صورت گرفته است. در این حوزه، زیرگراف کاوی جزء مسائل جذاب است که در آن می‌توان زیرگراف‌های ‌با خصوصیات مدنظر را از گراف (حجیم) ورودی استخراج کرد. یکی از زیرگراف‌های ‌پرکاربرد k-truss است که از آن برای به دست آوردن اجتماعات منسجم، نقاط پرچگال و افرازبندی استفاده می‌شود. در این مقاله یک الگوریتم چندهسته‌ای کارا و مقیاس پذیر برای یافتن زیرگراف‌های ‌k-truss ارائه شده است. برای این منظور ابتدا یک الگوریتم چندهسته‌ای برای شمارش مثلث‌ها با ایجاد یک ساختار مناسب به نام FONL از گراف ورودی پیشنهاد شده است. سپس از خروجی‌های آن، یک الگوریتم تکرارشونده ارائه شده است که به صورت موازی آن یال¬های گراف، که خصوصیت k-truss را نقض می‌کنند، حذف می‌نماید. روش پیشنهادی با استفاده از مجموعه گراف‌های ‌استاندارد بر روی یک ماشین 12 هسته‌ای اجرا شده است. نتایج آزمایشات نشان دهنده مقیاس پذیری مناسب و کارایی بالای روش پیشنهادی در مقایسه با دیگر روش‌های موازی است.

با ورود به عصر اطلاع رسانی دیجیتال و رشد سریع اینترنت، رفته رفته اطلاعات از فرم کاغذی به الکترونیکی تبدیل شدند. این امر برای ما امکان جستجوی کتاب‌ها و اخبار را به صورت الکترونیکی فراهم می‌کند. بنابراین نیاز به سیستم‌هایی برای بازیابی اطلاعات احساس می‌شود. به این منظور سیستمی جهت طبقه‌بندی متون با استفاده از خوشه‌بندی فازی با بردار ویژگی وزن‌دار پیشنهاد می‌شود. در روش پیشنهادی ابتدا در مرحله‌ی پیش پردازش، برای کاهش ابعاد از الگوریتم ژنتیک و سپس TF-IDF (Term Frequency - Inverse Document Frequency) استفاده شده و ویژگی‌هایی با قدرت تفکیک بالا انتخاب می‌شوند. سپس ماتریس وزنی متناسب با واریانس هر ویژگی، محاسبه شده و همگام با پیشرفت الگوریتم خوشه‌بندی تغییر می‌کند. بنابراین ویژگی‌های با واریانس بیشتر، تأثیر بیشتری در فرایند خوشه‌بندی خواهند داشت. در روش خوشه‌بندی، فاصله اقلیدسی به‌کار رفته، با این تفاوت که برای ابعاد ارزش یکسانی در نظر گرفته نمی‌شود. در نهایت کارایی سیستم پیشنهادی در خوشه‌بندی گروه‌های خبری مجموعه داده رویترز بررسی شده و نتایج نشان دهنده‌ی کارایی بالاتر این روش نسبت به خوشه‌بندی معمولی از نظر چند معیار ارزیابی معروف خوشه‌بندی، است.

اشکال هم‌شنوایی بسته به الگوهای گذاری که بر روی خطوط گذرگاه ظاهر می‌شود، می‌تواند باعث ایجاد ولتاژ گذار ناخواسته، تسریع و یا تأخیر در رخداد لبه‌های بالا و پایین رونده در سیم قربانی گردد و از این جهت بر قابلیت اطمینان، کارایی و توان مصرفی سامانه‌های مبتنی بر شبکه‌های روی تراشه اثر منفی گذارد. در سطح انتقال ثبات، روش‌های کدگذاری اجتناب از هم‌شنوایی به‌طور گسترده برای مقابله با اشکال هم‌شنوایی استفاده می‌شوند. کدگذاری‌های غیرهم‌پوشان یکی از مهم‌ترین انواع کدگذاری اجتناب از هم‌شنوایی هستند. با این وجود این کدگذاری‌ها، با مشکل سربار تحمیلی به سیستم مبتنی بر شبکه روی تراشه مواجه‌اند. در این مقاله، برای حل مشکل سربار کدگذاری‌های غیرهمپوشان یک سیستم عددی به نام حلزونی(Spiral-CAC) ارائه شده است. سیستم‌عددی حلزونی قابل اعمال بر روی شبکه‌های روی تراشه در هر عرض گذرگاهی است. نتایج شبیه‌سازی‌ها نشان می‌دهد، که سربارهای مساحت و توان مصرفی که مدار کدگذار سیستم عددی حلزونی (Sp-CAC) به سیستم تحمیل می‌کند، در مقایسه با روش پیشین بهبود دارد.

در مورد کلان داده‌ها، حافظه‌های موجود در برابر حجم داده بسیار کوچک در نظر گرفته می‌شوند و از طرفی در یک سری از کاربردها مانند شبکه سنسورها نیاز به پردازش اطلاعات به صورت بلادرنگ است. قسمتی از این کلان داده را جریان‌های داده تشکیل داده‌اند. به علت حجم بالای جریان داده‌ها امکان دسترسی تصادفی به اطلاعات وجود ندارد و مقدار محدودی از اطلاعات را می‌توان در حافظه اصلی نگهداری کرد بنابراین مجبوریم آن‌ها را در حافظه ثانوی نگهداری کنیم به همین دلیل هزینه مرور چند باره اطلاعات بسیار بالا است. خصوصیات جریان داده‌ها باعث شده است که الگوریتم‌های خوشه‌بندی موجود مناسب نباشند. بنابراین نیاز به ایجاد الگوریتم‌های خوشه‌بندی مخصوص جریان داده‌ها داریم. در اینجا ابتدا الگوریتم‌های خوشه‌بندی جریان دادهها بررسی شده‌اند و سپس یک الگوریتم خوشه‌بندی بر اساس تبدیل موجک بر روی چارچوب اسپارک پیاده‌سازی شده است که یک نو‌آوری در خوشه‌بندی جریان داده‌ها محسوب می‌شود.

دسته‌بندی بسته‌ها یکی از پردازش‌های اساسی در مولفه‌های متنوع شبکه‌ای است که اغلب توسط پردازنده‌های شبکه‌ای اجرا می‌گردد. دسته‌بندی بسته‌ها فرآیندی خودکار است که جریان‌های ترافیکی شبکه را بر اساس پارامترهای متعدد از جمله پورت و آدرس فرستنده و گیرنده طبقه‌بندی می‌نماید. یکی از روش‌های موجود برای تسریع مکانیسم دسته‌بندی بسته‌ها، پیاده‌سازی سخت‌افزاری آن‌ها است. اما، این راه‌حل‌ها دارای هزینه بالا و توسعه‌پذیری پایین است. در مقابل روش‌های نرم‌افزاری که این مشکلات را برطرف می‌کنند نیز سرعت پایینی دارند. یکی از الگوریتم‏‌های مطرح در روش نرم‌افزاری، الگوریتم‌ درخت سلسله مراتبی است. مهم‌ترین ویژگی این الگوریتم‌، ساخت درخت تصمیم با کمترین میزان حافظه مصرفی و پیچیدگی زمان جستجو است. در این الگوریتم یک درخت تصمیم برای اولین فیلد(آدرس مبداء) و چندین درخت تصمیم برای فیلد دوم(آدرس مقصد) ایجاد می‎شود. در این مقاله‌، به منظور تسریع اجرای الگوریتم دسته‌بندی درخت سلسله مراتبی از خوشه پردازنده مرکزی استفاده شده است. در پیاده‌سازی، سناریوهای مختلفی با استفاده از MPI و OpenMP و ترکیب آنها در یک سیستم تک پردازنده‌ای چند هسته‌ای و خوشه پردازنده‌های چند هسته‌ای پیاده‌سازی و اجرا شدند. نتایج پیاده‌سازی این سناریوها، نشان می‌دهد که با افزایش تعداد سیستم‌ها سرعت دسته‌بندی با همان نسبت افزایش پیدا می‌کند. همچنین ابزار MPI با مصرف حافظه بیشتر نسبت به OpenMP، سرعت بیشتری در پردازش بسته‌ها حاصل میکند. زمانی که مجموع تعداد پروسه‌ها و تعداد نخ‌ها به ترتیب برابر با تعداد پردازنده‌ها و تعداد هسته‌ها باشد، سناریوی ترکیبی بیشترین تسریع را دردسته‌بندی بسته روش درخت سلسله مراتبی دارد.

بررسی چالشهای سیستم دوچرخه شهر تهران در مقایسه با شهرهای کشورهای توسعه یافته و دارای این سیستم برگرفته از بازدیدهای میدانی و تجربه دوچرخه سواری نویسندگان از سیستم های 4 شهر اروپایی ( کلن، دورتموند، آمستردام و پاریس) و شهر تهران و همچنین انجام مطالعات در خصوص ابعاد مختلف این سیستم در دنیا می باشد. دراین مطالعه چالش¬های پیش¬روی سیستم دوچرخه شهر تهران در پنج قالب شامل، 1) ویژگی های جغرافیایی، کالبدی و شبکه معابر شهر تهران، 2) ساختار فرهنگی و اجتماعی شهروندان، 3) نواقص و کم و کاست قوانین دوچرخه ، 4) تسهیلات و تجهیزات دوچرخه سواری و 5) تاثیرات سایر شیوه¬های حمل و نقلی بر سیستم دوچرخه ارائه گردیده است. هریک از قالب ها دارای موارد جزئی می¬باشد که در همه آنها مقایسه توصیفی سیستم دوچرخه شهر تهران با شهرهای مطرح شده براساس بازدیدهای میدانی، مصاحبه باکاربران دوچرخه، استفاده از تجهیزات دوچرخه و مطالعات کتابخانه ای در شهرهای مذکور انجام پذیرفته و در هر قسمت پیشنهاداتی نیز جهت بهبود سیستم دوچرخه شهر تهران در راستای افزایش تقاضا شهروندان به استفاده از دوچرخه در سفرهای شهری ارائه گردیده است اما براساس این مطالعه اگر شهر تهران بخواهد دارای یک سیستم دوچرخه پویا گردد در قدم نخست باید مشکلات اجتماعی و فرهنگی موجود برطرف گردیده و همچنین ساختار کلی سیستم حمل و نقل شهر تهران دارای یک هماهنگی و سرانه مناسب در پهنه کلانشهری گردد و تسهیلات و تجهیزات مورد نیاز شبکه دوچرخه سواری در سطح شهر تهران به صورت یکپارچه ارائه گردد.

مجموعه‌های شهری نوع جدیدی از سکونتگاه‌های شهری هستند که در دهه‌های اخیر با رشد چشمگیر شهرنشینی به وجود آمده‌اند. مجموعه شهری، دربرگیرنده تعداد قابل‌توجهی خوشه شهری است که اطراف هسته اقتصادی یک یا دو کلان‌شهر تجمع یافته‌اند. رشد این مجموعه‌ها یکی از چالش‌های برنامه ریزان شهری در قرن ۲۱ است. تحقیق حاضر در نظر دارد رشد و توسعه مجموعه شهری تهران را از بعد زمانی و توزیع مکانی، مد‌لسازی نماید. بدین منظور ابتدا با استفاده از تصاویر ماهواره لندست، نقشه‌های کاربری اراضی برای سال‌های مورد مطالعه استخراج و در گام بعدی با بهره‌گیری از مدل رگرسیون لجستیک میزان تأثیر متغیرهای مؤثر در گسترش شهری شامل چهارده متغیر محاسبه و نقشه پتانسیل گسترش شهری با استفاده از الگوریتم بهینه‌سازی ازدحام ذرات برای سال 1400 تولید گردید. ضرایب تحلیل رگرسیون لجستیک بیانگر وزن بالای متغیرهای فاصله از نواحی شهری، فاصله از شبکه راه‌ها و عامل شیب در توسعه شهری بودند. مقدار بدست آمده برای شاخص عامل نسبی برابر با 0.6448 و درصد تناظر سطوح 1.2579 می‌باشد که حاکی از دقت بالای مدل‌سازی می‌باشد. مطابق پیش‌بینی انجام شده، با ادامه روند موجود بخش‌های جنوب شرقی کرج و جنوب غربی تهران رشد قابل توجهی را تجربه خواهند نمود.

هوشمندسازی وسائط نقلیه و بهره‌گیری از فناوری‌های موجود در شبکه‌های خودرویی می‌تواند راه مناسبی برای بهبود سیستم‌های حمل‌ونقل باشد که علاوه بر کاهش حوادث و تلفات ناشی از خطای انسانی سبب بهبود امنیت، کاهش اتلاف وقت و مصرف مناسب سوخت شود. بهره‌گیری از معماری شبکه‌های محتوا محور به سبب نوع ساختار آن‌ مزایای زیادی برای شبکه‌های خودرویی به همراه دارد به‌طوری‌که می‌توان با چالش‌های موجود در این شبکه‌ها مانند تغییر دائمی توپولوژی شبکه، حرکت سریع خودروها و لینک‌های ارتباطی ناپایدار مقابله نمود. اغلب کارهای انجام‌شده در این حوزه، کاربردهایی را مدنظر قرار داده‌اند که با مدل مبنایی شبکه‌های محتوا محور کاملاً همخوانی دارند. در این مقاله راهکاری ارائه شده است تا با اعمال تغییراتی در مدل مبنایی بتوان از انواع کاربردها پشتیبانی نمود. از سوی دیگر در چنین شبکه‌ای که مبنای ارسال‌ها به‌صورت سیلابی و همه‌پخشی است، راهکاری برای مقابله با پدیده‌ی طوفان همه‌پخشی پیشنهاد شده است. در انتها راهکارهای ارائه شده از طریق شبیه‌سازی مورد ارزیابی قرار می‌گیرند.

در این مقاله جدول‌های چندی سازی جدید برای بهبود فشرده سازی تصاویر چهره با استفاده از روش JPEG با هدف حفظ یا بهبود دقت بازشناسی پیشنهاد شده است. این جدولها با استفاده از سه الگوریتم فرا مکاشفه‌ای تبرید تدریجی، ژنتیک و ازدحام ذرات بدست آمده اند. بهبود نسبت فشرده سازی با توجه به حفظ و در برخی مواقع افزایش نرخ بازشناسی چهره در مقایسه با جدول چندی سازی استاندارد حاصل شده است. آزمایشات در بازه مناسبی از نرخ بیت‌ها بروی تصاویر تست از پایگاه داده FERET با استفاده از الگوریتم مبتنی بر ظاهر انجام شده که نشان می دهد افزایش نسبت فشرده‌سازی نه تنها کارایی بازشناسی چهره را تقلیل نمی‌دهد بلکه در بعضی مواقع بهبود کمی هم به همراه دارد. بهترین افزایش ها نسبت به حالت استاندارد در نرخ 0.2 بیت بر پیکسل در مجموعه تست dup2 با استفاده از الگوریتم ژنتیک بدست آمده است، نرخ بازشناسی از 16.2 به 17.9درصد و در همان زمان نسبت فشرده‌سازی از 28.7 به 34.2 افزایش داشته است.

زیست نشانگرها موادی هستند که به صورت عادی در بافت‌ها و مایعات بدن وجود دارند و میزان بیان آن‌ها نسبت معناداری با شرایط پیشرفت بیماری‌های مختلف دارد. پژوهش‌های اخیر نشان داده که MicroRNA می‌تواند به عنوان یک زیست نشانگر قابل اتکا برای تشخیص بیماری‌هایی مثل عفونت های ویروسی و سرطان مورد استفاده قرار گیرد. روش‌های فعلی برای تشخیص میزان بیان MicroRNA مانند Real-time PCR به هزینه و زمان زیادی نیاز دارند و دقت تشخیص آن‌ها برای میزان بسیار کم این زیست-نشانگرها کافی نیست. نتایج پژوهش‌ها در سال‌های اخیر نشان داده که دروازه‌های منطقی مبتنی بر DNA می‌توانند بدین منظور مورد استفاده قرار گیرند. در این مقاله یک دروازه‌ی منطقی مبتنی بر DNA جهت تشخیص الگوی رخداد عفونت ویروسی هپاتیت C ارائه شده است. این دروازه قابلیت تشخیص هشت عدد MicroRNA با سطوح مختلف را فراهم می‌کند. نتایج شبیه‌سازی‌های انجام شده نشان می‌دهد که این دروازه می‌تواند الگوهای پیچیده با تعداد زیاد ورودی‌ها را با سرعت بالاتر و هزینه کمتر نسبت به سایر روش‌ها تشخیص دهد.

یکی از رفتارهای اجتماعی که موضوعی هسته‌ای در علوم اجتماعی است، موضوع هنجاراست. منظور از هنجار، استاندارد یا الگوی رفتاری است که در میان یک گروه یا جامعه‌ای پذیرفته شده است و عمل به آن مورد انتظار جمع است. هنجار ابزار مهمی است که توسط جوامع برای انتظام بخشی امور به خدمت گرفته شده و بدیل مهمی برای اقدامات قانونی و هزینه‌بر دولت‌ها در تنظیم جوامع است. ویژگی مهم هنجار که با بقیه‌ی رفتارهای اجتماعی متمایز می‌شود؛ موضوع تحریم است که به مثابه یک تضمین برای جلوگیری از نقض آن است. به‌علاوه هنجار در بین ساختارهای‌ کنش، تنها ساختاری است که منافع حاصل از آن، قابل تقسیم نیست و عمل به آن موجب ایجاد نفع یکسان برای عده‌ی زیادی می‌گردد. ما در این مقاله براساس این دو خصلت که متمایزکننده هنجار از بقیه عادات و رفتارهای بشری است، روش خود را ارائه می‌کنیم. نشان می‌دهیم که ساختار، نقش مهمی در مکانیسم ترویج هنجار ایفا می‌کند. این ساختار با ابتنا بر خاصیت بستار نشان می‌دهد استفاده از راس‌های با بستار بیشتر به عنوان نقش‌های هنجارآور، نیازمند تلاش و در نتیجه هزینه¬کمتری برای سرایت هنجار دریک شبکه‌های اجتماعی است. ترکیب نیروهای ناشی از ساختار ارتباطات بین افراد در جامعه و تاثیر بستار به تولید فشاراجتماعی بیشتر بر انجام‌دهندگان رفتارهای منفی، پیشتر توسط جیمزکلمن تبیین شده است، لیکن بهره‌گیری از این نظرات برای ارائه روشی که رابطه تلاش-ساختار را برای تکامل هنجار ازطریق بررسی خصوصیات ذاتی هنجار یعنی تحریم و منافع غیرقابل تقسیم، توضیح دهد، تاکنون صورت نگرفته و مقاله حاضر در صدد ارائه این روش است.

از اجرای پویا-نمادین برای آزمون نرم‌افزارهای مختلف استفاده می‌شود. آزمون برنامک‌های اندرویدی نسبت به برنامه‌های دیگر دارای چالش‌های جدید رخدادمحوربودن و وابستگی زیاد به SDK است که سربار آزمون را بالا می‌برد. در این مقاله روشی ارائه می‌شود که با اجرای پویا-نمادین همراه تحلیل آلایش به دنبال تشخیص آسیب‌پذیری تزریق SQL در برنامک‌های اندرویدی هستیم. در این کار با تحلیل ایستا، گراف فراخوانی توابع و پیمایش برعکس از تابع آسیب‌پذیر تا تابع منبع ، نقطه شروع برنامه را تولید کردیم و فرایند تحلیل را محدود به تابع‌های مسیرهای مطلوب یافته‌شده کردیم. همچنین در این کار با ایده استفاده از کلاس‌های Mock مسئله رخدادمحوربودن و سربار بالای آزمون برنامک‌ها را حل کرده‌ایم. برای ارزیابی راه‌کار ارائه شده، ابتدا 10 برنامک را خودمان پیاده‌سازی کردیم که 4تای آنها آسیب‌پذیر بودند و توانستیم همه را تشخیص دهیم. همچنین از مخزن F-Droid استفاده کردیم که شامل برنامک‌های متن‌باز است. 140 برنامک را به دلخواه از این مخزن انتخاب کردیم، که از این میان 7 برنامک را که آسیب‌پذیر به تزریق SQL بودند را توانستیم تشخیص دهیم.

ازدحام، یکی از مهم‌‏ترین چالش‌های مطرح در شبکه ‌برتراشه‌ها است. روش‏های مختلفی برای غلبه بر پدیده ازدحام در شبکه برتراشه تاکنون ارائه شده است که از اصلی‌ترینشان، استفاده از الگوریتم‌های ازدحام-آگاه است. در این مقاله یک روش مسیریابی ازدحام-آگاه جدید ارائه شده است. در این روش ابتدا شبکه ‌برتراشه به تعدادی زیرشبکه تقسیم می‏شود. سپس در داخل هر زیرشبکه از یک الگوریتم مسیریابی سراسری و بین زیرشبکه‏ها از الگوریتم مسیریابی محلی برای مسیریابی استفاده می‏شود. برای انتخاب مسیر در داخل زیرشبکه کلیه مسیرهای کمین از گره فعلی تا یکی از گره‏های مرزی بررسی شده و مسیری که کمترین ازدحام را دارد انتخاب می‏شود. این الگوریتم باعث کاهش میانگین تأخیر بسته‏ها در سیستم نسبت به کارهای پیشین شده است بدون آن‏که توان مصرفی سیستم را افزایش دهد. در آزمایشی که تحت ترافیک‏های ترانهاده و بیت معکوس انجام شد، مشخص شد که این الگوریتم نسبت به الگوریتم‏های DOR، DyAD و CATRA دیرتر به حالت اشباع می‏رود. همچنین در آزمایشی که تحت ترافیک‌های SPLASH 2 انجام شد، مشخص شد که تأخیر بسته‏ها به طور میانگین نسبت به سه الگوریتم فوق‌الذکر به ترتیب 19%، 13% و 3% بهبود پیدا کرده است.

In this paper, we present an online method in unidirectional IoT systems to synchronize the data streams of multiple sensors, including wearable and environmental. Our proposed method is based on information theory concepts. First we use an entropy-based method to find events on environmental sensors data stream. After that, we use mutual information matching algorithm to find corresponding event in wearable sensors data stream. Indeed, we use physical interactions between wearable and environmental sensors in order to find shared events. Our experiments demonstrate that our proposed method can improve the quality of sensors data stream and therefore it can be used for the monitoring task in unidirectional IoT systems.

هرزبرگ وب با هدف دستکاري در نتايج حاصل از موتورهاي جويشگر ايجاد شده و موجب بي‌اعتمادي کاربران به اين موتورها و ضرر و زيان‌هاي فردي و اقتصادي مي‌شوند، از اين رو موتورهاي جويشگر انگيزۀ زيادي براي شناسايي صفحات هرز و کنار گذاشتن آنها دارند. ماهيت مسئلۀ شناسايي هرزبرگ، جداسازي و دسته‌بندي صفحات در دو گروه «قانوني» و «هرز» است و به همين دليل استفاده از روش‌هاي يادگيري ماشيني روش مناسبي براي حل اين دسته از مسائل به شمار مي‌آيد. از آنجا که روش‌هاي مورد استفادۀ هرزسازها با سرعت زيادي در حال ارتقا است، ابزار مورد استفاده در فرايند دسته‌بندي نيز بايد قابليت سازگاري و تعميم بالايي داشته باشد لذا شبکه‌هاي عصبي مصنوعي در زمرۀ بهترين ابزارها براي حل اين دسته از مسائل قرار مي‌گيرند. در اين مقاله شبکۀ پرسپترون چندلايه طراحي شده و با پياده‌سازي آن بر روي مجموعه دادۀ Web-Spam UK2006، ميزان سنجۀ F برابر با 56/77 به دست آمد. در بخش دوم تحقيق، براي بهبود عملکرد بازيابي، ويژگي جديدي به مجموعه دادۀ قبلي افزوده شد و پس از پياده‌سازي شبکه، ميزان سنجۀ F برابر با 06/78 به دست آمد که نسبت به تحقيقات پيشين داراي نتايج به مراتب بهتري است.

با توجه به موقعيت استراتژيک مناطق آبي، در سال‌ هاي اخير استفاده از شبکه‌ هاي حسگر بي ‌سيم در زير آب ‌ها هم رايج شده است و شبکه ‌هايي تحت عنوان شبکه ‌هاي حسگر بي ‌سيم زيرآبي به وجود آمده ‌اند. از آن‌جا که نحوه ‌ي ارتباط گره ‌ها در زير آب متفاوت از گره هاي زميني است، لذا معرفي الگوريتم مسيريابي متفاوت براي اين شبکه‌ ها بسيار ضروري است. در اين پژوهش يک پروتکل مسيريابي آگاه از کانال مبتني بر پروتکل CARP ارائه مي‌ شود که در آن سعي شده، مشکلات اين الگوريتم برطرف گردد. در روش پيشنهادي، ساختار شبكه به تعدادي ناحيه تقسيم بندي مي‌شود و مديريت هر ناحيه به شكلي انجام مي ‌گيرد كه در نهايت مصرف انرژي گره ‌ها متوازن شود. همچنين براي ايجاد يك مسيريابي دقيق و سريع، با استفاده از اطلاعات کيفيت لينک‌ها، از گره‌ هاي مياني که قبلاً در ارسال داده براي مقصد مورد نظر موفق بوده‌ اند، به عنوان گره‌ هاي امدادي استفاده مي‌ شود. شبيه ‌سازي روش پيشنهادي در شبيه ‌ساز Aqua-Sim مبتني بر NS2 انجام گرفته است. نتايج ارزيابي نشان مي ‌دهد که روش پيشنهادي بر اساس معيارهاي طول عمر، نرخ ارسال بسته ‌ها و نرخ بي ‌ثباتي بهتر از روش‌هاي ديگر عمل مي ‌کند.

در کاربرد واقعي ممکن است خوشه ها داراي همپوشاني باشند. يک راه حل منطقي براي لحاظ کردن همپوشاني خوشه ها انتساب مجموعه اي از درجه عضويت به هر داده است. توانايي منطق فازي در برخورد با داده هاي نويز دار و داده هاي پرت و تشخيص آسان داده هاي مبهم را مي توان از ديگر دلايل توجه اين مقاله به منطق فازي دانست. رويکرد روش پيشنهادي، مبتني بر معماري يادگيري چند هسته اي مي باشد. علاوه بر اين، روش پيشنهادي با تنظيم خودکار وزن هسته ها در يک چارچوب بهينه سازي از گزند مسائلي مانند هسته هاي ناکارآمد يا ويژگي هاي نامرتبط در امان مي ماند. معماري مدل پيشنهادي متشکل از شش مؤلفه اصلي فراهم کننده داده ها، پيش پردازنده، تحليل گر، پاسخ ده، ارزياب، مدير و کنترل کننده مرکزي مي باشد. به منظور ارزيابي کارايي روش پيشنهادي سه آزمايش انجام شده است. در ادامه با تغيير در مجموعه هسته ها و همچنين تغيير در فاکتورهاي خوشه بندي بهبودي بر روش پيشنهادي ارائه مي گردد. نتايج بررسي ها نشان مي دهد که خوشه هاي ايجاد شده توسط روش پيشنهادي بهبود يافته همپوشاني کمتري نسبت به روش پيشنهادي دارند. دقت خوب خوشه ها و همچنين کمتر شدن تعداد اعضاي هر خوشه باعث صرف جويي در هدر رفت منابع بانک در هنگام تخصيص منابع به مشتريان برگزيده مي شود.

با ظهور فناوري زنجيره‌بلوکي، شرکت‌هاي مختلف با توجه به نياز خود و مشتريان، اقدام به تحقيق و توسعه محصولات مبتني بر فناوري زنجيره‌بلوکي بخصوص پلتفرم‌ نموده‌اند. در اين مقاله پس از معرفي و مروري بر شرکت‌هاي برتر جهاني در حوزه پلتفرم‌هاي زنجيره‌بلوکي، به بررسي تمرکز هر يک از شرکت‌ها و نحوه فعاليت هر يک پرداخته شده است. در بررسي شرکت‌هاي منتخب، معيار بررسي، نوع پلتفرم ارائه‌شده و کاربردهاي پلتفرم‌ها در حوزه‌هاي مختلف است. همچنين ساير خدمات، سرويس‌ها و يا برنامه‌هاي کاربردي که با استفاده از فناوري زنجيره بلوکي توسط اين شرکت‌ها ارائه‌شده است نيز مورد مطالعه قرارگرفته است.