انجمن کامپیوتر ایران

بیماری فصلی آنفلوآنزا هر ساله باعث مرگ 500.000 نفر در جهان می‌شود. بنابراین جلوگیری از این بیماری و بیماری‌های واگیردار مشابه از اهمیت بالایی برخورداراست. همان‌طور که مطالعات نشان می‌دهد، در صورت تشخیص زودهنگام، می‌توان از بسیاری از بیماری‌های واگیردار جلوگیری کرد. از‌این‌رو، پیش‌بینی شیوع بیماری‌های واگیر نقش مهمی در کاهش خسارات ناشی از آنها دارد. مرکز کنترل و پیشگیری بیماری (CDC) به صورت سنتی داده بیماری شبه آنفلوآنزا (ILI) را جمع‌آوری می‌کند که معمولاً فاصله زمانی تشخیص بیماری تا تهیه گزارش ILI، یک تا دو هفته است. کاهش این زمان، منجر به پیش‌بینی زودتر شیوع بیماری و کاهش هزینه‌های آن می‌باشد. در این مقاله با استفاده از روش‌های یادگیری ماشین، روش‌های جدیدی برای پیش‌بینی داده بیماری شبه آنفلوآنزا مبتنی بر تحلیل داده‌های شبکه اجتماعی توییترارائه شده است. روش‌های پیشنهادی از مدل رگرسیون خطی با ورودی خارجی و مدل سری زمانی با شبکه عصبی برای پیش‌بینی داده بیماری شبه آنفلوآنزا استفاده می‌کنند. ارزیابی‌های انجام شده بر روی داده‌های سال 2009 تا 2010 شبکه توییتر نشان می‌دهند که از طریق روش‌های پیشنهادی امکان پیش‌بینی شیوع بیماری، دو تا چهار هفته زودتر از CDC، فراهم می‌شود. نتایج حاصل نشان می‌دهد که می‌توان توسط شبکه عصبی بیماری آنفولانزا را با خطای کمتر از 5% پیش‌بینی کرد.

شبکه‌های گرید یک سیستم توزیع شده می‌باشد که هماهنگ سازی و اشتراک منابع را در مقیاس بزرگ امکان پذیر می‌سازد. يكي از اهداف اساسي در شبكه‌هاي گريد بالا بردن امکان دسترسی به منابع با هزینه کمتر است. در شبکه‌های گرید ارائه شيوه‌اي هوشمند جهت در اختيار قرار دادن منابع مي تواند در استفاده مفيد از منابع، مؤثر باشد. در واقع چنانچه منابع هوشمندانه انتخاب شوند ميزان استفاده بهينه از منابع افزایش می‌یابد و در نتيجه بر كارايي كل سيستم، تأثير مي‌گذارد. برای اين منظور وجود سيستم‌هاي زمانبندي هوشمند، در اين شبكه ها ضروري است. در اين مقاله، الگوریتمی مبتنی بر Q-Learning برای انتخاب هوشمند منابع پیشنهاد شده است. در این الگوریتم، سیستم تجربیاتی که در حین تعامل با محیط بدست آورده است را ذخیره می‌کند تا در آینده با استفاده از این تجربیات، عمل تخصیص هوشمندانه منابع را انجام دهد. نتایج شبیه سازی نشان می‌دهد که الگوریتم پیشنهادی در مقایسه با الگوریتم‌های بررسی شده، امکان دسترسی به منابع را در مهلت تعیین شده با هزینه کمتری انجام می‌دهد.

شبکه‌های حسگر بی‌سیم نسل جديدي از سیستم‌های تعبيه شده بلادرنگ با محدودیت محاسباتي، انرژي و حافظه هستند که برای نظارت، کنترل محیط و به دست آوردن اطلاعات محیطی جهت اتخاذ تصمیم مناسب در محیط‌های مختلف به کار می‌روند. به دلیل وجود تعداد زیاد حسگر در این شبکه‌ها، کاهش مصرف انرژی آن‌ها با هدف افزایش طول عمر شبکه از اهمیت ویژه‌ای برخوردار است. یکی از رویکردهای مناسب جهت کاهش مصرف انرژی و افزایش طول عمر شبکه خوشه‌بندی گره‌ها می‌باشد که منجر به توزیع انرژی و بار در کل شبکه می‌شود. در این مقاله ما از الگوریتم تکاملی 2FH برای ایجاد خوشه‌های متعادل متصل استفاده می‌کنیم و برای هر گره با وزن‌دهی به مؤلفه‌های محلی انرژی، تعداد همسایگانش و فاصله نسبت به گره‌های همسایه، گره‌هایی را به عنوان کاندید سرخوشه شدن انتخاب می‌کنیم و با استفاده از منطق فازی بر مبنای سه معیار سراسری وزن، پراكندگی و فاصله تا چاهک به انتخاب بهترین سرخوشه‌ها در دوره‌های زمانی مختلف پرداخته‌ایم و به هدف ایجاد تعادل در مصرف انرژی سرخوشه‌ها و افزایش 6/5% طول عمر شبکه نسبت به بهترین روش رسیده‌ایم.

احراز اصالت از جمله پارامترهای مهمی است که یک شبکه ماهواره‌ای برای تامین امنیت خود به آن نیاز دارد. در همین راستا در سال‌های اخیر مقالات متعددی جهت تامین این نیاز ارائه شده‌اند. در سال 2012 آقای Chang و همکارانشان یک طرح احراز اصالت و توافق کلید ارائه دادند. طرح پیشنهادی آنها در برابر حمله جعل هویت و ممانعت از سرویس آسیب‌پذیر است. در این مقاله یک طرح احراز اصالت امن و کارآمد برای سیستم‌های ارتباطات ماهواره‌ای متحرک ارائه شده است که ضعف‌های پروتکل‌های گذشته و بخصوص پروتکل آقای Chang را برطرف نموده است. پروتکل پیشنهادی به دلیل مبتنی‌بودن بر تابع درهم‌ساز و عملیات XOR دارای محاسبات سبک بوده و در برابر حملاتی مانند جعل هویت، ممانعت از سرویس، تکرار، الحاق، تصدیق‌کننده مسروقه و دزدیدن کارت هوشمند امن می‌باشد.

گسترش بکارگیری معماری سرویس‌گرا و به تبع آن گسترش توسعه سرویس‌های وب، نیاز به روش‌های اکتشاف سرویس را دوچندان کرده است. با درنظر گرفتن زمینه در این روش‌ها، می‌توانیم سرویس‌هایی متناسب با نیاز کاربر و زمینه جاری به او پیشنهاد دهیم. روش‌های زیادی برای اکتشاف سرویس‌ها ارائه شده است که بعضا اطلاعات زمینه‌ای را در نظر می‌گیرند، اما این روش‌های آگاه از زمینه، در فرایند اکتشاف سرویس، سرویس‌های مرکب را در نظر نگرفته‌اند. در این مقاله روشی آگاه از زمینه برای اکتشاف سرویس‌ها ارائه خواهد شد که سه ویژگی اصلی دارد: اول اینکه سرویس‌های مرکب را در فرایند اکتشاف سرویس در نظر می‌گیرد، دوم اینکه سیاست‌های کنترل دسترسی به سرویس‌ها را لحاظ می‌کند، سوم اینکه از روش‌های معنایی برای مدل‌سازی سرویس‌ها و زمینه استفاده می‌کند. قابلیت کاربرد روش ارائه شده با استفاده از یک مطالعه موردی نشان داده می‌شود. نتایج مطالعه موردی نشان می‌دهد که بکارگیری این روش منجر به کاهش منفی کاذب خواهد شد. همچنین با استفاده از این روش می‌توانیم سیاست‌هایی برای کنترل دسترسی کاربران به سرویس‌های موجود اعمال نموده و از مزایای روش‌های معنایی همچون استنتاج بهره‌مند شویم.

در اين مقاله، روش جدیدی برای طبقه‌بندی شکل معرفی می‌شود. در این روش ابتدا شکل به قطعه‌های مختلف تقسیم می‌شود. این قطعه‌بندی به صورت پیاده کردن پنج مرتبه عمل فرسایش، روی شکل است. برای نقطه‌های هر قطعه پاسخ معادله پواسن را بدست می‌آوریم. سپس ماتریس هسین را برای پاسخ معادله پواسن، در هر نقطه تشکیل می‌دهیم. بردار ویژه‌ی متناظر با مقدار ویژه‌ی کوچک ماتریس هسین در یک نقطه، جهت آن نقطه را مشخص می‌کند. در هر قطعه، هیستوگرام زاویه‌های نقطه‌ها را محاسبه می‌کنیم. پس از آن، هیستوگرام‌های قطعه‌های مختلف را به یکدیگر متصل می‌کنیم تا بردار ویژگی شکل بدست آید. قطعه‌بندی شکل کمک می‌کند تا اطلاعات مکانی بیشتر حفظ شود. برای انجام عمل طبقه‌بندی، از شبکه عصبی احتمالاتی، (PNN)، استفاده شده و به نتایج نسبتا خوبی در پایگاه داده MPEG-7 در مقایسه با سایر روش‌ها دست یافته‌ایم.

دراین مقاله، همترازی توالی چندگانه با استفاده از الگوریتم بهینه‌سازی کلونی مورچه انجام و میزان دقت و صحت همترازی سنجیده شده است. همترازی توالی چندگانه از مهمترین چالش‌های موجود در بیوانفورماتیک می‌باشد که هدف ازآن به حداکثر رساندن شباهت‌ بین توالی‌ها با حذف یا اضافه کردن شکاف‌ها است. این مسئله از نوع مسائل NP-Complete می‌باشد و راه‌حل قطعی برای آن وجود ندارد. لذا سعی بر این است که روشی برای به حداکثر رساندن میزان شباهت توالی‌ها مبتنی بر روشهای بهینه‌سازی ارائه گردد. الگوریتم ACO یکی از الگوریتم‌های الهام گرفته از طبیعت در بهینه‌سازی مسائل مختلف می‌باشد که در این مقاله با استفاده از این الگوریتم، روشی برای همترازی توالی چندگانه پیشنهاد شده است. نتایج حاصل از پیاده‌سازی بر روی دادگان استاندارد BaliBase نشان می‌دهد که الگوریتم ACO پیشنهادی عملکرد مناسبی دارد و می‌تواند به عنوان روشی برای حل مساله همترازی چندگانه مورد استفاده قرار گیرد.

نظر به اینکه کاربردهای شبکه‌های حسگر بی‌سیم، به‌صورت روزافزون در حال گسترش است، طراحی این شبکه‌ها به نحوی که منطبق بر احتیاجات کاربردی خاص باشند، چالش بزرگی به شمار می‌رود. طراحان شبکه، متناسب با کاربرد مدنظر، جهت افزایش کارائی شبکه، پارامترهای مختلفی را برای بهبود در نظر می‌گیرند. پارامترهایی هم‌چون پوشش ناحیه، طول‌‌عمر شبکه، قابلیت‌اطمینان و مانند آن، که هر کدام از آنها می‌توانند با جایابیِ دقیق گره‌ها به میزان قابل‌توجهی بهبود یابند. مسئله جایابی گره‌ها در شبکه حسگر بی‌سیم با هدف بهبود پارامترهای کارائی تاکنون توسط روش‌های مختلفی حل شده است. در این مقاله از الگوریتمHBB-BC (انفجار بزرگ-فروپاشی بزرگ ترکیبی) برای حل این مسئله استفاده می‌شود. این الگوریتم با استفاده از ظرفیت‌های الگوریتم PSO (تجمعی دسته ذرات)، قابلیت الگوریتم BB-BC را برای جستجوی بهتر افزایش می‌دهد. اهداف مورد نظر در این مسئله، افزایش طول‌عمر و پوشش شبکه می‌باشد. در پیاده‌سازی الگوریتم HBB-BC به صورت دو هدفه، یک چارچوب فازی برای حل مسئله در نظر گرفته شده است. نتایج شبیه‌سازی، کارایی مؤثر الگوریتم HBB-BC را نشان می‌دهد؛ ضمن اینکه الگوریتم پیشنهادی سریع‌تر از الگوریتم PSO به سمت پاسخ‌ها میل داده می‌شود.

عمل تشخيص هويت با استفاده از عنبیه شامل چهار مرحله است که به ترتيب عبارتند از: بخش‌بندي، نرمالیزه کردن، استخراج ويژگي و تطابق. بخش‌بندي به عنوان اولين مرحله سامانه تشخیص هویت از اهمیت بسزایی برخوردار است و در صورت دقیق نبودن آن چهار نوع نويز ناشي از مژه‌ها، پلکها، انعکاسات و مردمک به سيستم اضافه شده و کارآيي سيستم را کاهش می‌دهد. در اين مقاله روش جديدي براي شناسايي مرز مردمک و آشکارسازی پلک‌ها ومژه‌ها ارائه شده است. روش‌های پیشین بخش‌بندی عنبیه فرض می‌کردند که مرز مردمک یک دایره است؛ بر طبق مشاهدات، دایره نمی‌تواند این مرز را به طور دقیق مدل کند. برای بهبود بخشیدن کیفیت بخش‌بندی، یک کانتور فعال جدید به منظور آشکارکردن مرز نامنظم مردمک ارائه شده است. روش ارائه شده می‌تواند به طور موفقیت آمیز همه‌ی مرزهای مردمک در پایگاه داده‌ی CASIA را آشکار کند و دقت شناسایی را افزایش دهد. علاوه بر این، مدل پلک بیضوی، الگوریتم تکرار شونده و آشکارسازی سلسله‌مراتبی مژه برای بخش‌بندی دقیق ارائه شده که به بررسی اجمالی آن‌ها می‌پردازیم.

امروزه یکی از موضوعات مهم و مورد توجه پژوهشگران در زمینه بازیابی اطلاعات، خلاصه‌سازی خودکار متن می‌باشد. در همین راستا، متونِ مختلف را می‌توان در غالب ماتریس‌های دوبُعدی کلمه-سند ذخیره نمود. همچنین تاکنون بیشتر خلاصه‌سازی‌های انجام شده، روی ماتریس‌های دوبعدی حاصل از متن انجام شده است. این ماتریس‌ها را می‌توان با اضافه نمودن بعدهای اطلاعاتی متفاوت، به آرایه‌های چندبعدی مختلفی به‌نام تانسور تبدیل کرد که حاوی اطلاعات بیشتری نسبت به ماتریس‌های دوبعدی باشند. ازجمله‌ی این ابعاد اطلاعاتی، بعد جغرافیا، زمان، معنا و مفهوم، نویسندگان و ... می‌باشد. در این مقاله، با اضافه نمودن بعد زمان به ماتریس کلمه-سند، تانسور کلمه-سند-زمان ایجاد و سپس روش جدیدی برای خلاصه‌سازی ارائه شده است. در مدل پیشنهادی با استفاده از روش «آنالیز معنایی پنهان زمانی» به تجزیه تانسورها پرداخته و زمینه اصلی متون و اهمیت موضوعی هرسند در طول زمان مشخص می‌شود. سپس با محاسبه شباهت معنایی جملات براساس وردنت، جملاتِ مشابه با اهمیت کمتر حذف می‌شوند تا خلاصه نهایی عاری از هرگونه مفاهیم تکراری باشد. ارزیابی روش پیشنهادی بر روی مجموعه داده‌ی استاندارد DUC2007 و با استفاده از معیار ارزیابی ROUGE صورت گرفته است که نتایج حاصل شده، نشان از برتری روش پیشنهادی نسبت به سیستم‌های هم‌رده دارد.

داده پَرت با بقیه نمونه‌ها تفاوت قابل ‌ملاحظه‌ای دارد، در تمام زمینه‌ها از قبیل طبقه‌بندی، خوشه‌بندی و مسائل رگرسیونی تأثیرات منفی برجای می‌گذارد. برای مقابله با تأثير سوء داده‌های فوق تدابیری باید اندیشیده شود که تأثیر آنها کمتر شده و اصطلاحاً روشی مقاوم ارائه شود. در مسائل رگرسیونی، روش‌های متفاوتی برای تشخیص داده پَرت وجود دارد که اکثر آن‌ها در برابر این داده‌ها در حین انجام عمل رگرسیون جهت مقاوم‌سازی به شناسایی داده‌های پَرت می‌پردازند، در واقع سطح تصميمی را تخمین می‌زنند که متأثر از داده‌های پَرت نباشد. اکثر روش‌ها در حوزه ورودی هم‌بستگی بین ورودی‌ها را لحاظ می‌کنند، اما در این مقاله به دنبال انتقال داده‌ها از حوزه ورودی به حوزه فرکانس با استفاده از تبدیل فوریه هستیم که به‌توانیم رابط‌های ریاضی ارائه نماییم تا داده‌هایی که در بعضی از فرکانس‌ها رفتار متفاوت با دیگر داده‌ها دارند شناسایی شود. در اینصورت به‌عنوان یک پیش‌پردازش بدون انجام عمل رگرسیون می‌توانیم داده‌های پَرت را شناسايی و حذف نماییم. راه‌کار ابتکاری معرفی شده در این مقاله بر روی داده‌های شبیه‌سازی شده و مجموعه داده‌های سری زمانی مورد آزمایش قرار خواهد گرفت و با روش‌های رگرسیون مقاوم مطرح شده در مرز‌های دانش مقایسه خواهد شد.

با تغییرات وسیع در دستگاه های موبایل و تکنولوژی های چندرسانه ای در سال های اخیر این امر مهم به نظر می رسد که تصاویر با ابعاد و رزولوشن های مختلف روی این دستگاه ها با کیفیت بالا نمایش داده شوند. برای استفاده بهتراز فضای نمایش محدود این دستگاه ها نیاز به تغییر سایز تصاویراحساس می شود.در این میان الگوریتم حذف سیم به عنوان یک روش تغییر ابعاد تصاویر، کاربرد زیادی یافته است. این روش، بر اساس سطوح انرژی، روشی کارا و با افت کیفیت کمتر از نظر چشم انسان پیشنهاد می دهد تا محتوای تصویر ، بهتر حفظ گردد.اما در برخی تصاویر باعث تخریب قسمت های مهم می شود. لذا به منظور بهبود کیفیت تصاویر خروجی،به دنبال بهبود روش حذف سیم هستیم، تا اشکالات موجود رفع گردد. یکی از مسائل مهم در حذف سیم ، نحوه تعیین میزان اهمیت برای قسمت های مختلف تصویر است. که به طور معمول با استفاده از تابع انرژی یا انتروپی صورت می گرفته است. در این مقاله با استفاده از درخت چهارگانه، نقشه اهمیت جدیدی برای تصویر به دست آورده ایم که با استفاده از آن مسیرهای به هم پیوسته کم اهمیت، از بالا به پایین انتخاب شده و حذف می گردند تا تصویر به سایز دلخواه برسد. نتایج نشان می دهد استفاده از این نگاشت اهمیت در روش حذف سیم باعث بهبود کیفیت تصاویر خروجی به خصوص در تصاویر چهره می شود بدون آنکه تغییر مشهودی در سرعت الگوریتم ایجاد کند.

طبقه‌بندی ساختاری پروتئین‌ها یک منبع ارزشمند برای فهمیدن الگوهای تاشو، طبیعت و عملکرد آن‌ها است. با توجه به افزایش تعداد پروتئین‌های شناخته‌شده و هزینه‌ی بالای تعیین سطح سه بعدی برای هر کدام از آن‌ها، طراحی یک طبقه‌بند خودکار و کارا با دقت بالا برای شناسایی کلاس ساختاری پروتئین‌ها بسیار حائز اهمیت می‌باشد. در این مقاله، یک مجموعه ویژگی جدید برای طبقه‌بندی ساختاری پروتئین‌ها در 4 دسته all-α، all-β، α+β و α/β معرفی و پیاده‌سازی گردیده است. در روش پیشنهادی از خصوصیات دنباله ساختار دوم پروتئین به عنوان مجموعه ویژگی و از SVM به عنوان طبقه‌بند استفاده‌شده و دقت روش پیشنهادی با موفق‌ترین روش‌های مرز دانش مقایسه شده است. برای مجموعه داده استاندارد 25PDB روش پیشنهادی دقت بالای 89.33 درصد را برای 29 ویژگی نشان داده است و این در حالی است که روش‌های قدیمی‌تر با 2510 ویژگی دقت 87.80 درصد را داشته‌اند. این بدان معنی است که روش پیشنهادی در این مقاله با کاهش ویژگی از 2510 به 29، علاوه بر کاهش پیچیدگی مسئله، دقت را نیز افزایش داده است. نتایج آزمایش‌ها نشان‌دهنده برتری روش پیشنهادی نسبت به سایر روش‌های مطرح، از لحاظ دقت و پیچیدگی در این زمینه است.

امروزه با توجه به رشد محاسبات سرویس‌گرا، پاسخ‌گویی به درخواست‌های پیچیده کاربران با انتخاب یک سرویس منفرد یا ترکیب چند سرویس منفرد (و یا مرکب) با هم و تولید یک سرویس مرکب انجام می‌پذیرد. از آنجایی که سرویس‌های وب فراوانی عملکرد یکسانی دارند، معیارهای کیفیت خدمات (QoS) مانند زمان پاسخ و دسترسی‌پذیری اهمیت فراوانی در متمایز کردن این سرویس‌ها از هم دارند. بنابراین می‌توان سرویس‌های مناسب را با در نظر گرفتن معیارهای QoS آن‌ها طوری انتخاب کرد که اولا محدودیت‌های کیفی کاربر برآورده شود و ثانیا از لحاظ کیفیت کلی، کاراترین سرویس مرکب ممکن تولید شود و این همان تعریف مسئله "انتخاب سرویس مبتنی بر QoS" است. مقیاس‌پذیری، با افزایش تعداد وظایف موجود در درخواست کاربر و همچنین با افزایش تعداد سرویس‌های نامزد، مهم‌ترین معیارهای ارزیابی یک راه‌کار انتخاب سرویس مبتنی بر QoS است. راه‌کار پیشنهادی با طراحی تابع مکاشفه محلی سازگار با مسئله انتخاب سرویس، جستجوی محلی مبتنی بر الگوریتم شبیه‌سازی ذوب فلزات و تغییر استراتژی انتقال خاک به تکرارهای بعدی الگوریتم قطرات هوشمند آب (IWD)، برای حل مساله انتخاب سرویس مبتنی بر QoS طراحی شده است. نتایج آزمایشات حاکی از آن است که راه‌کار پیشنهادی به طور قابل توجهی مقیاس‌پذیرتر از راه‌کارهای دیگر است.

شبکه توری بی‌‌‌سیم زیرساخت یک تکنولوژی جالب توجه برای فراهم آوردن سرویس ارتباطات پهن باند و فراگیر بی‌‌‌سیم می‌باشد. با توجه به این کاربرد، مساله‌‌‌ی تاثیر کنترل توان روی افزایش گذردهی یکی از چالش‌‌‌های پیش‌‌‌رو در این شبکه‌‌‌ها به شمار می‌‌‌آید. در این مقاله، ابتدا فرمول‌‌‌بندی مساله‌‌‌ کنترل توان و کنترل دسترسی به رسانای انتقال در شبکه‌‌‌های توری بی‌‌‌سیم معرفی می‌‌‌شود. این یک مسئله NP_hard می‌‌‌باشد و افزایش نمایی زمان پاسخگویی را به ازای افزایش تعداد تقاضاها و تعداد گره‌‌‌های شبکه به دنبال دارد. برای رفع این مشکل یک رویه مبتنی بر روش تجمع ذرات برای کنترل توان و کنترل دسترسی به رسانای انتقال بی‌‌‌سیم ارائه می‌‌‌گردد. شبیه‌‌‌سازی نشان می‌‌‌دهد الگوریتم پیشنهادی در مقایسه با روش بهینه پاسخ‌‌‌های نزدیک به بهینه را در زمان قابل قبول ارائه می‌‌‌کند.

خودروهای ویژه برای اینکه مورد توجه قرار بگیرند از علائم هشدار دهنده‌ی دیداری و شنیداری(مانند آژیر) استفاده می‌کنند، اما در برخی موارد این علائم توسط رانندگان سایر خودروها دریافت نمی‌شوند و یا به دلیل قرمز بودن چراغ راهنمایی، خودروهای ویژه موفق به عبور به موقع از تقاطع‌ها نمی‌گردند. این امر می‌تواند منجر به موقعیت‌های خطرناک ترافیکی و تأخیرهای غیرقابل قبولی برای خودروهای ویژه شود. آژیر، متداول‌ترین روش اعلام حضور خودروی ویژه است. در این مقاله، دو روش جستجوی ضربه و تبدیل فوریه‌ی سریع برای استخراج ویژگی و دو روش طبقه‎بندی الگوی شبکه‌ی عصبی مصنوعی، پرسپترون چندلایه و یادگیری به روش چندی‌سازی برداری1 مورد بررسی قرار گرفته است. نتایج حاصل از شبیه‎سازی نشان‎داد که ترکیب روش جستجوی ضربه و شبکه‌ی عصبی یادگیری چندی‌سازی برداری، قدرت تشخیص به میزان %7/94 را ارائه می‌دهد و دارای نتایج بهتری نسبت به سایر ترکیب‎های مورد آزمایش است.

در بسیاری از مسائل یادگیری ماشین، برچسب‌زنی نمونه‌های آموزشی، امری گران و بعضاً غیرممکن است. به‌جای استفاده از برچسب‌های واقعی، یادگیری مبتنی بر جمع‌سپاری، از آراء کم‌اهمیت‌تر افرادِ نه چندان متخصص استفاده می‌کند، که در عمل بعضاً ممکن است در مورد نمونه‌ها، نظرات آن‌ها بسیار متفاوت باشد. این مقاله با بهره‌گیری از مفهوم کورآنتروپی به بهبود یادگیری از نظرات غیرمتخصص (یادگیری مبتنی بر جمع‌سپاری) می‌پردازد. استفاده از تابع هزینه‌ی کورآنتروپی، تخمین پارامترها را نسبت به برچسب‌های پرت مقاوم می‌کند، در حالی‌که پارامترهای بهینه‌ی تخمینِ برچسب واقعی، نیاز به تخمین از روی نظرات کم اهمیت دارد. لذا تخمین‌گر بیز مجهز به مفهوم کورآنتروپی در جمع‌سپاری پیشنهاد شده است. توابع هزینه‌ی مناسب و مقاوم به نویز، پيشنهاد می‌شود و روابط مورد نیاز از آن‌ها استنتاج می‌گردد. مقایسه روش پیشنهادی با روش‌های ارائه‌شده در ادبيات، روی مجموعه داده‌های Pima Indian Diabetes کارایی و برتری روش فوق را نشان می‌دهد.

افزایش استفاده از شبکه‌های بیسیم همراه با حجم رو به رشد اطلاعات منتقل شده بر روی این شبکه‌ها نیازمند حفاظت در برابر تهدیدات امنیتی است. کانال‌های پنهان می‌توانند هم به عنوان یک تهدید امنیتی و هم به عنوان راهی برای تأمین امنیت در نظر گرفته شوند. روشی برای ایجاد کانال پنهان زمانی در این مقاله ارائه شده است. به این منظور از ویژگی‌های زمانی پروتکل 802.11 استفاده شده است. روش پیشنهادی از توزیع آماری بازه‌های خالی موجود در کانال بیسیم استفاده می‌کند و با دستکاری الگوی ارسال بسته‌های ترافیک آشکار سعی بر ارسال پیام‌های پنهان دارد. این کانال پنهان به نرخ بیت 2000 بیت بر ثانیه با سطح بالایی از پنهان‌شدگی دست می‌یابد.

تشخیص دستگاه قطعات موسیقی سنتی ایرانی همواره برای علاقه مندان موسیقی دستگاهی و ردیف شده ی ایرانی موضوعی بسیار پیچیده و جالب بوده که به دلیل کاربردهای فراوان آن در زمینه هایی مانند آموزش و آهنگ سازی از اهمیت بسیار بالایی برخوردار است. این کار به واسطه صرف شنیدن یک قطعه موسیقی کار بسیار دشواری است و فقط اساتید متبحر موسیقی و یا کسانی که سالها به این سبک موسیقی گوش داده و ساختار تمامی دستگاهها را شناخته اند می توانند از عهده این کار برآیند. همچنین برای دستیابی به این هدف فقط مطالعه ساختار و تئوری موسیقی کافی نیست. در این مقاله روشی خودکار و کارآمد ارائه شده است که در آن بر پایه استخراج نت های نواخته شده و فواصل فرکانسی آنها در قطعات تکنوازی می توان دستگاه و گام یک قطعه موسیقی را مشخص کرد. در این پژوهش، از دستگاه ها و گام های موسیقی متفاوت و سازهای تار و سنتور استفاده شده است و به هیج سبک نوازندگی خاص محدود نشده است. که در پایان با دقت 93 % دستگاه و گام قطعات تکنوازی نواخته شده استخراج گشته است.

SIP یک پروتکل سیگنالینگ لایه کاربرد برای ایجاد، مدیریت و خاتمه جلسات چند رسانه‏ای در شبکه‌‏های VoIP می‏باشد که توسط سازمان IETF استاندارد شده است. این پروتکل به عنوان هسته اصلی شبکه‏‌های نسل آینده توسط ITU نیز به رسمیت شناخته شده است. وقتی که این شبکه به دلایلی مانند طراحی نامناسب، ازدحام آنی، خطای اجزاء و کاهش ناگهانی ظرفیتِ پردازشی، تحت اضافه بار قرار می‏گیرد، کارایی‏اش به شدت افت می‏کند. از آن‏جا که نمی‏‌توان به طور کامل جلوی اضافه بار را گرفت، مهم است که پروکسی‏‌های SIP را به یک مکانیزم موثر کنترل اضافه بار مجهز کرد. در این مقاله جهت کاهش اضافه بارِ پروکسی SIP، از توانمندی‏‌هایِ پروتکلِ TCP در لایه انتقال استفاده شده است. عمده فعالیت‏های موجود در این زمینه با فرض SIP بر روی UDP می‏باشد که در عمل گذردهی بهینه‏‌ای را نتیجه نمی‏‌دهد. ما برای ارزیابی این رویکرد از پروکسی متن باز Asterisk استفاده نمودیم. نتایج پیاده‌سازی ما در یک بستر واقعی، حاکی از بهبود کارایی پروکسیِ Asterisk در شرایط اضافه بار می‏‌باشد.