انجمن کامپیوتر ایران

در سال های اخیر نقدهای بر خط به یکی از منابع محبوب برای خریداران کالاها بدل گشته است. افرادی که قصد خرید کالا یا خدمتی را دارند از سیستم های نقدهای برخط که غالبا در قالب یک سایت ارائه خدمت می‌کنند برای دانش افزایی خود در رابطه با کالا یا خدمتی استفاده می‌کنند. محبوبیت این سیستم ها مزایای بسیاری را فراهم می‌کنند، اما از جهتی هم پتانسیل موجود در این سیستم ها باعث سوء استفاده رقبای تجاری می‌شود. در سال های اخیر موارد زیادی وجود دارد که نشان می‌دهد رقیبان تجاری برای پیشی گرفتن در عرصه تجارت با استخدام افراد و ارسال نقدهای جعلی توسط این افراد در جهت تخریب رقیب یا ارتقا تجارت خود تلاش می‌کنند. برای تشخیص این نقدهای جعلی اقدامات و پژوهش هایی انجام شده است که بیشتر آنها وابسته به دامنه هستند و از وابستگی های نحوی برای تشخیص نقدهای جعلی استفاده کمی شده است. در این مقاله روشی ارائه خواهد شد که وابسته به دامنه نبوده و از وابستگی‌های نحوی استفاده می‌کند و همچنین یک وزن دهی جدید برای ممیزی بین نقدهای جعلی و واقعی ارائه می‌کند. استفاده از وابستگی‌های نحوی و وزن دهی ارائه شده از روش های ارائه شده پیشین، در زمینه دقت و صحت عملکرد بهتری ارائه می‌کند.

با توجه به اینکه شبکه‌های عصبی عمیق در مدل‌ کردن زیرفضا‌های پیچیده و غیرخطی از توانایی بالایی برخوردار هستند، استفاده از آنها در بازشناسی گفتار در چند سال اخیر بسیار مورد توجه قرار گرفته است. استخراج ویژگی‌های گلوگاهی یکی از ترفندهایی است که سیستم‌های بازشناسی گفتار را قادر می سازد، از توانایی‌شبکه‌های عصبی عمیق در مدل‌ کردن زیرفضاهای غیرخطی استفاده کنند. در این مقاله روشی جهت استخراج ویژگی‌های گلوگاهی مقاوم نسبت به نویز ارائه شده است که در آن از روش آموزش با آگاهی از نویز استفاده شده است. در روش پیشنهادی در هنگام آموزش شبکه‌های خود کد کننده، در لایه‌ی بعد از لایه گلوگاه اطلاعاتی از نویز به‌صورت یک ورودی جدید به شبکه خود کد کننده وارد می‌شود و موجب استخراج ویژگی‌های گلوگاهی نسبتا مستقلی از نویز خواهد شد که در شرایط نویزی در مقایسه با ویژگی‌های گلوگاهی رایج از مقاومت بالاتری برخوردار هستند. مزیت اصلی روش پیشنهادی نسبت به روش آموزش با آگاهی از نویز معمول در عدم نیاز به تخمین نویز در هنگام بازشناسی است، در حالی که روش رایج آموزش با آگاهی از نویز هم در هنگام آموزش و هم در هنگام بازشناسی به تخمینی از نویز نیاز دارد. کارایی روش پیشنهادی در یک سیستم تشخیص فرمان‌های صوتی مورد ارزیابی قرار گرفت. نتایج حاصله نشان می‌دهد که روش پیشنهادی دقت سیستم تشخیص فرمان را تقریبا 5 درصد در شرایط نسبت سیگنال به نویز کم و تقریبا 5/2 درصد شرایط نسبت سیگنال به نویز زیاد، بهبود داده است.

نظر به پیچیدگی‌های بالای موجود در مراکز آموزش الکترونیکی کشور، می‌بایست بتوان با ارائه راه کاری جامع تمامی این مراکز را در داشتن ساختاری مشخص جهت نیل به اهدافشان یاری نمود. مدل‌های مرجع پاسخی برای کمک به مراکز آموزش الکترونیکی جهت داشتن ساختاری مشخص می‌باشند. می‌توان با ایجاد یک مدل معماری سازمانی مرجع و ترکیب آن با مدل‌های جامع بهره وری جهت مراکز آموزش الکترونیکی ایران، وضع مطلوب را در تمامی لایه‌های سازمانی (شامل: لایه کسب و کار، لایه سیستم‌های اطلاعاتی و لایه فناوری) به صورت یک مدل مرجع ارائه نمود. تمامی مراکز آموزش الکترونیکی می‌توانند با حداقل هزینه و زمان این مدل را جهت نیل به اهداف بلند مدت خود سفارشی سازی و اجرایی نمایند. با اجرایی شدن این مدل در هر یک از مراکز آموزش الکترونیکی می‌توان شاهد اجرای کارآمدتر فناوری اطلاعات، بازگشت سریع‌تر سرمایه، کاهش ریسک برای سرمایه گذاری‌های آتی، آماده سازی سریع‌تر، ساده تر و ارزان‌تر منابع، بود. همچنین می‌توان از این مدل به عنوان مرجعی جهت رتبه بندی بلوغ سازمانی مراکز آموزش الکترونیکی نیز استفاده کرد.

در سيستم هاي كامپيوتري عمل جمع جزء اصلي كلية پردازش ها و پايه تمام عمليات حسابي است؛ به طوري كه افزايش سرعت در عمل جمع بر كارآيي كل سيستم تاثير شگرفي دارد. در نظام هاي عددي متعارف، انتشار نقلي باعث وابستگي زمان جمع به طول عملوندها مي شود كه اين مسئله در عمليات با دقت بالا مشكل آفرين است و تاخير زيادي را تحميل خواهد كرد. حال آنكه با به کارگیری نظام هاي عددي نامتعارف افزونه اي، عمل جمع بدون انتشار نقلي و در زمان ثابت قابل انجام است. در اين مقاله، با توجه به اهمیت روزافزون سیستم های محاسباتی مبنای ده، با استفاده از الگوریتم افراز بیت های وزن دار و خاصیت افزونگی ذاتی موجود در ارقام دهدهی، تقسیم بندی جدیدی برای جمع اعداد دهدهی افزونه ای ارائه شده است که با حفظ سرعت، توان مصرفي و مساحت روی تراشه را نسبت به روش هاي پیشین کاهش می دهد. هم چنین خروجی الگوریتم ارائه شده به شکل ارقام علامت دار متقارن و بازه [-7,7] است اما امکان استفاده از تمام فضای کدینگ (بازه نامتقارن [-8,7]) در ورودی وجود دارد.

برنامه های کاربردی مبتنی بر سرویس برای مواجهه با پویایی و پیچیدگی محیط اجرای فرآیندهای خود، نیاز به پشتیبانی از تطبیق پذیری دارند. طراحی تطبیق پذیر فرآیندهای اجرایی به گونه ای که در مواجهه با رخدادهای غیرمنتظره حین اجرا، قادر به تحقق ویژگی های کیفی و نیازهای تطبیق پذیری شوند، این نیاز را رفع می کند. مطالعاتی که در حوزه طراحی تطبیق پذیر فرآیندها صورت گرفته است، به طور خاص منظوره و محدود از دغدغه های تطبیق پشتیبانی می کنند و ارائه روشی که با رویکردی جامع در طراحی فرآیند، مهم ترین دغدغه های تطبیق را پوشش دهد، بدون پاسخ مانده است. در این مقاله روشی برای طراحی تطبیق پذیر فرآیندها در برنامه های کاربردی مبتنی بر سرویس ارائه می شود. کلیات این روش بر اساس یک چرخه حیات استاندارد تطبیق پذیری برنامه های کاربردی مبتنی بر سرویس طراحی گردیده است و دغدغه های تطبیق پذیری در بخش-های مختلف این چرخه حیات را پوشش می دهد. در این روش، طراحی فرآیند به گونه ای صورت می گیرد که فرآیند در حین اجرا، قادر به ارزیابی نیازمندی های پایش، شناسایی رخدادهای پایش، اجرای راهبردهای تطبیق مناسب و در نهایت تحقق نیازمندی های تطبیق است. اجرای راهبردهای تطبیق پذیری، منجر به پیکربندی جدید نمونه های فرآیند در حال اجرا خواهد شد. به منظور ارزیابی یک مطالعه موردی از فرآیند تطبیق پذیر پیاده سازی گردید و ارتقای ویژگی های کیفی زمان پاسخ و قابلیت اطمینان مشاهده شد.

بروز الگوهای گذار در طی انتقال داده‌های متوالی بر روی سیم‌های کانال‌های مابین هسته‌های پردازشی، می تواند منجر به اشکال همشنوایی در شبکه های روی تراشه گردد. با کاهش اندازه ی فناوری و نزدیک شدن سیم‌ها‌، نرخ رخداد اشکال همشنوایی افزایش می‌یابد و منجر به کاهش قابلیت اطمینان و کارایی سیستم و همچنین افزایش توان مصرفی در سیستم‌های مبتنی بر شبکه های روی تراشه می شود. یکی از راه‌های مقابله با اشکال همشنوایی استفاده از کدگذاری های اجتناب از همشنوایی مبتنی بر سیستم های عددی دودویی است که در آن از رخداد الگوهای انتقال مشخص در تولید کلمه کد جلوگیری می شود. اما مشکل این سیستم های عددی دودویی، سربار سیم های اضافی است که به کانال‌های ارتباطی تحمیل می شود. رشد عرض کانال را می توان با نمایش تعداد بیشتری کلمه داده با استفاده از سیستم های عددی سه مقداره کاهش داد. این مقاله یک روش کدگذاری مبتنی بر سیستم عددی سه مقداره با نام 3V-CAC را ارائه می کند که قابلیت سیستم ‌عددی را در نمایش کلمه کد افزایش می دهد. این روش، با کاهش سیم های اضافی موردنیاز برای کدگذاری، موجب کاهش سربار تحمیلی کدگذاری اجتناب از همشنوایی پیشنهادی می شود. ارزیابی های انجام شده نشان می‌دهد، کد 3V-CAC، تعداد سیم های اضافی کانال های ارتباطی را 30 درصد نسبت به کدهای مبتنی برسیستم‌ عددی دودویی فیبوناچی کاهش می دهد.

برای کاوش مجموعه اقلام تکراری مدل های مختلفی مطرح شده اند. مدل پنجره لغزان حساس به زمان یکی از بهترین این مدل هاست چون به کمک آن هم تغییر مفهوم و هم سرعت متغییر جریان داده ورودی را می توان در نظر گرفت. در این مقاله روشی جدید به منظور تخمین میزان تکرار مجموعه اقلام جدید ارائه شده است که از مفاهیم احتمالی استفاده می کند. بر اساس این روش، الگوریتمی سریع ارائه شده است که قادر است در پنجره های حساس به زمان، با میزان حافظه ای قابل قبول، مجموعه اقلام تکراری را کاوش کند. آزمایش های صورت گرفته نشان دهنده کارایی این الگوریتم نسبت به الگوریتم های ارائه شده قبلی است.

گفتار طبیعی ترین و سریع ترین راه برقراری ارتباط میان انسان‌ها است از این رو انگیزه ای در محققان ایجاد کرده است که با استفاده از این روش به تعامل سریع و مؤثر بین انسان و ماشین فکر نمایند. برخلاف پیشرفت هایی که در حوزه بازشناسی گفتار صورت گرفته است، ما هنوز از یک تعامل طبیعی میان انسان و ماشین دور هستیم زیرا ماشین قادر به تشخیص حس گفتار و تولید بازخورد متناسب با احساس درک شده نیست. در طراحی سامانه های تشخیص احساس از گفتار دو مرحله اساسی وجود دارد: 1- انتخاب ویژگی مناسب برای نمایش سیگنال گفتار 2- آموزش مدل دسته‌بند با داده های آموزشی. از آنجا که بسیاری از سامانه های پیشنهاد شده دارای یک مدل دسته‌بند می باشند ما در این مقاله، با استفاده از تئوری احساسات دوبعدی و نمودار مدور ترکیبی احساسات، سامانه ای ‌با ترکیب دو مدل دسته‌بند مدل مخفی مارکوف و بردارتکیه گاه ماشین پیشنهاد کرده ایم. در مرحله اول از ویژگی های عروضی و در مرحله دوم از ویژگی های کپسترال استفاده شده است. درصد دقت بازشناسی در سامانه ‌یپیشنهادی برای ارزیابی مستقل و وابسته به گوینده به ترتیب 67/81 و 35/87 به دست‌ آمده است.

توسعه روزافزون دستگاه‌های رایانه‌ای قابل ‌حمل و ارتباطات بی‌سیم، امکانات مناسبی را جهت جریان سازی ویدئو بر روی شبکه‌های موردی سیار فراهم آورده است. همچنین با توسعه شبکه‌های اجتماعی و ایجاد شبکه‌های پوشان در لایه‌های انتقال یا برنامه کاربردی، شبکه‌های نظیر به نظیر به‌عنوان مفهومی جدید در جریان سازی ویدئو معرفی گردیده است. بااین‌حال جریان سازی نظیر به نظیر ویدئو بر روی شبکه‌های موردی سیار با چالش‌های فراوانی روبرو است. به‌عنوان‌مثال توپولوژی شبکه، کیفیت ویدئو دریافتی و زمان شروع پخش ویدئو از مهم‌ترین چالش‌ها هستند. همچنین با توجه به وابستگی بین فریم‌های ویدئو در کدگذاری ویدئو اهمیت بسته‌های ویدئویی یکسان نیست. در اين مقاله، با استفاده از شبکه پوشان ترکیبی درخت-توری و تقسیم جریان ویدئو ارسالی به دو جریان و ارسال بسته‌های ویدئویی بر اساس اهمیت، روشی جهت افزایش کیفیت ویدئو دریافتی و کاهش زمان شروع پخش ویدئو ارائه‌شده است. در این طرح سعی شده است تا با استفاده از یک ساختار توری مبتنی بر Pull و سپس ساختار درخت مبتنی بر Push عدالت و قابلیت اطمینان همراه با تأخیر کم شروع پخش ویدئو به دست آید. نتایج این تحقیق نشان‌دهنده بهبود مؤثری در کیفیت ویدئو دریافتی و کاهش زمان شروع پخش ویدئو نسبت به روش های رایج می‌باشند.

حجم بالا و رو به رشد داده‌های پیوندی منتشر شده در وب، بر اهمیت موتورهای جستجوی وب معنایی برای بازیابی اطلاعات مورد نیاز کاربران افزوده است. کاربران معمولاً از بین نتایج بازگردانده شده، تنها چند نتیجه‌ی اول مورد بررسی قرار می‌دهند. لذا، ترتیب نمایش نتایج و انتخاب الگوریتم رتبه‌بندی مناسب، تاثیر زیادی در رضایت کاربران از موتور جستجو دارد. با توجه به گسترش حجم دادههای معنایی، مقیاس‌پذیر بودن تنیکهای بکار رفته در موتورهای جستجو معنایی از جمله رتبه‌بندی یک امر ضروری به شمار می‌آید. مدل برنامه‌نویسی‌ نگاشت-کاهش جهت پردازش مجموعه دادههای بزرگ در فضای توزیعی بکار میرود. در این مقاله، با استفاده از مدل برنامه‌نویسی‌ نگاشت-کاهش، میزان ارزشمند بودن هر پاسخ را بر اساس ترکیب رتبه‌های محبوبیت و مرتبط بودن اندازه‌گیری می‌شود. رتبه محبوبیت از طریق تعمیم الگوریتم رتبه‌بندی PageRank روی گراف دو لایه از منابع داده و اسناد معنایی و تخصیص خودکار وزن به پیوندهای معنایی مختلف، محاسبه می‌شود. رتبه مرتبط بودن، از طریق تحلیل محتوای اسناد معنایی و پرسش‌های SPAQL اندازه‌گیری می‌شود. نتایج حاصل از ارزیابی نشان می‌دهد که استفاده از مدل برنامه‌نویسی‌ نگاشت-کاهش باعث بهبود کارایی و سرعت رتبه‌بندی می‌شود

این پژوهش یک روش تشخیص چهره مبتنی بر تئوری ماشین حالت مایع ارائه می‌دهد که قادر است با تعداد محدودی از ورودی‌ها در فاز آموزش، ورودی‌ها را در فاز آزمون با دقت بالایی بازشناسی کند. ماشین حالت مایع که یکی از کلاس‌های شبکه‌های عصبی اسپایکی به شمار می‌رود، توانایی پشتیبانی محاسبات بلادرنگ را با به بکارگیری یک سیستم دینامیکی همگن بعد بالا، که بوسیله ورودی‌های متغیر با زمان آشفته شده است را دارد. یکی از مهمترین کاربردهای ماشین حالت مایع بازشناسی الگو می‌باشد. ما در این پژوهش، یک مدل ساده از قشر بینایی انسان را بوسیله ماشین حالت مایع مدل کرده و با استفاده از این شبکه به بازشناسی چهره پرداخته‌ایم. برای مدل‌سازی ماشین حالت مایع، از ساختار و نحوه اتصالات لایه‌های مختلف قشر بینایی انسان الهام گرفتیم، بطوریکه ساختار و اتصالات آن را مانند قشر بینایی انسان در نظر گرفتیم، که این کار منجر به بهبود قابل ملاحظه‌ای در دقت بازشناسی شد. مهمترین ویژگی روش ارائه شده، بالا بودن دقت بازشناسی چهره با توجه به تعداد نمونه‌های اندک ورودی در فاز آموزش است بطوریکه این شبکه قادر است پس از اتمام فرایند آموزش الگوهای جدید را با دقت بالایی بازشناسی کند.

با توجه به حجم روزافزون اطلاعات موجود در سازمان‌ها و ایجاد فرآیندهای جدید، یک نیاز در حال رشد برای قطعه¬بندی مدل‌های فرآیند کسب‌وکار، به منظور رسیدن به قطعات مفید وجود دارد. از جمله کاربردهای فراوانی که برای قطعه‌بندی مطرح است می‌توان به اجرای توزیع شده مدل‌های فرآیند، استفاده مجدد بخش‌هایی از مدل‌های فرآیند موجود در بقیه مدل¬ها، افزایش سرعت توسعه مدل‌های فرآیند و خلاصه کردن مدل‌های فرآیند اشاره کرد. در روش پیشنهادی این تحقیق، هدف از کشف قطعات، قابلیت استفاده مجدد در طراحی مدل‌های فرآیندی می‌باشد. اکثر روش‌هایی که برای قطعه بندی فرایندها ارائه شده‌اند معمولا تنها به ساختار مدل‌ها توجه کرده و یا بر روی شباهت نحوی برچسب¬های عناصر این مدل¬ها تمرکز ‌می‌کنند و بنابراین به معانی و مفاهیم لغات این برچسب¬ها توجه نشده است. در روشی که در این مقاله ذکر می¬شود، سعی شده است که با استفاده از هستان¬نگار، یک روش معنایی برای قطعه¬بندی مدل‌های فرآیندی ارائه شود. در نهایت با تست این روش بر روی یک مجموعه¬ داده، قطعات به دست آمده با قطعاتی که با استفاده از نظرات خبرگان به دست آمده، مقایسه شده و نتایج ارزیابی دقت، نزدیکی این روش به نظرات افراد خبره را نشان می¬دهد.

دسته‌بندی و حاشیه‌نویسی تصاویر از جمله مسائل پرکاربرد در حوزه پردازش تصاویر هستند. تا‌کنون تلاش‌های زیادی به منظور استفاده از مدل‌های موضوعی نظیر مدل احتمالاتی LDA جهت دسته‌بندی و حاشیه‌نویسی همزمان تصاویر صورت گرفته‌است. اخیرا مدل‌های موضوع دیگری بر مبنای شبکه‌های عصبی احتمالاتی نظیر SupDocNADE معرفی شده‌اند که نتایج خوبی در مدل‌کردن داده‌های چند‌مقداری مانند دسته‎بندی و حاشیه‌نویسی تصاویر ارائه ‌داده‌اند. در این مدل‌ها کلمات حاشیه‌نویسی نیز در کنار کلمات بصری تعبیه شده‌ و به عنوان بردار ویژگی برای شبکه در‌ نظر گرفته می‌شود. در عمل تعداد ویژگی‌های استخراج‌شده از تصویر بسیار بزرگتر از ویژگی‌هایی است که از کلمات حاشیه‌نویسی بدست می‌آیند. عدم تعادل بین کلمات بصری و حاشیه‌نویسی سبب می‌شود تا سهم کلمات حاشیه‌نویسی برای بازنمایی در لایه پنهان شبکه‌عصبی مورد استفاده در این مدل، بسیار کمتر از کلمات بصری باشد. از طرفی گرادیانی که از کلمات حاشیه‌نویسی تولید می‌شود بسیار کوچک بوده تا بتواند تاثیر قابل توجهی در افزایش احتمال شرطی حاصل از کلمات حاشیه‌نویسی داشته‌باشد. در این مقاله، برای حل مشکلات عدم تعادل ویژگی‌ها، از وزن‌دهی کلمات حاشیه‌نویسی در هیستوگرام بردار ویژگی استفاده می‌شود. با آزمایش مدل پیشنهادی برروی پایگاه داده‌های UIUC_Sports و LabelMe، بهبود 5 درصدی در معیارF در کلمات حاشیه‌نویسی نسبت به مدل‌های موجود مشاهده می‌شود.

بشر در زندگی روزمره ارتباط تنگاتنگی با شبکه‌های مختلفی نظیر شبکه‌ برق، ارتباطات هوایی، کامپیوتری و اجتماعی دارد. این شبکه‌ها همواره در معرض خرابیهای تصادفی یا حمله‌های هدفمندی هستند که میتواند کارکرد آن‌ها را دچار مشکل کند. لذا بهبود استحکام این شبکه‌ها امری ضروری است. در این مقاله با استفاده از رویکرد انجمنی و بهره‌برداری از اطلاعات مربوط به ساختار انجمن‌ها، سه روش بهبود استحکام برای دست‌کاری شبکه از طریق جابه‌جایی یال‌ها ارائه می‌شود که تعداد یال‌های شبکه و توزیع درجه گره¬ها را ثابت نگه می‌دارد. روش اول بر اساس روابط درون هر انجمن و روش دوم و سوم با استفاده از معیار مرکزیت میانی یال‌های درون انجمنی و بین انجمنی عمل جابه‌جایی را انجام می‌دهند. روش‌های پیشنهادی بر روی تعدادی از شبکه‌های دنیای واقعی و شبکه مصنوعی با ساختار مقیاس آزاد مورد ارزیابی قرار گرفته است. نتایج نشان می‌دهد که روش سوم در مقایسه با دو روش دیگر و روش مرجع که ساختار انجمن را در نظر نمی‌گیرد، با هزینه کمتر استحکام را افزایش و تعداد جابه‌جایی‌ های یال برای بهبود استحکام را کاهش می‌دهد. روش اول نیز کمترین تأثیر را در افزایش استحکام دارد. ما از معیار هدایتپذیری، برای ارزیابی حفظ ساختار انجمنی شبکه پس از دست‌کاری استفاده می‌کنیم. ارزیابی سه روش پیشنهادی با رویکرد انجمنی و روش مرجع، بر مبنای معیار هدایت‌پذیری نشان می‌دهد که هدایتپذیری در روش‌های مبتنی بر ساختار انجمنی دارای مقدار کمتری نسبت به روش بدون رویکرد انجمنی است و این بدین معنی است که ساختار انجمنی شبکه، بیشتر حفظ میشود.

با توجه به پیچیده بودن محیط شهری، عدم تطابق طرح ها و برنامه های شهری متمرکز سازمانها با نیازها و خواسته های شهروندان و غیره، نیاز به مشارکت شهروندان در حل مشکلات، برنامه‌ریزی و تصمیم گیری های شهری می باشد. در مدیریت شهری نوین و در جهانی که به طور فزاینده ای به سمت شهر هوشمند گام بر می دارد، مشارکت شهروندی جایگاه والایی دارد. سیستم های اطلاعات جغرافیایی (GIS) بستر کارآمد و موثری را برای مشارکت شهروندان در حل مشکلات شهری ایفا می نمایند. تاکنون ارگانهای مدیریت شهری (مانند شهرداری ها) فعالیت ها و اقدامات گسترده ای را در راستای بکارگیری فن آوری های مبتنی بر GIS در حل مشکلات شهری انجام داده اند، ولی این اقدامات با هدف متمرکز و سازمانی صورت پذیرفته و بستری مکان-مبنا برای تعامل و مشارکت موثر شهروندان در حل مشکلات شهری موجود نمی باشد. این مقاله در راستای بسترسازی زمینه حضور شهروندان در حل مشکلات شهری، بکارگیری GIS شهروند-محور را به عنوان نسل جدید GIS در مدیریت شهری معرفی می نماید. GIS شهروند-محور بستر و ابزارهای مکانی توانمند و موثری را به منظور مشارکت واقعی شهروندان بدون حضور فیزیکی آنها در اداره امور شهری فراهم می نماید.

جزیره حرارتی شهری یکی از مهم‌ترین خطرات زیست محیطی مناطق شهری می¬باشد. سنجش از دور به دلیل فراهم کردن دید یکپارچه، کم‌هزینه و سریع فناوری کارآمد برای مطالعه و پایش تغییرات محیطی محسوب می¬شود. هدف از این پژوهش حاضر، پایش و پیش¬بینی تغییرات مکانی-زمانی شدت جزیره حرارتی شهر بابل در بازه زمانی 1424-1364 می¬باشد. برای این منظور از تصاویر چند زمانه لندست، محصول بخار آب مودیس و داده¬های زمینی استفاده شده است. برای محاسبه دمای سطح زمین از الگوریتم¬ تک کاناله، طبقه¬بندی تصاویر از الگوریتم بیشترین شباهت، پیش¬بینی تغییرات کاربری اراضی و دمای سطح از مدل سلول¬های خودکار-مارکوف و بررسی جزیره حرارتی از شاخص شدت جزیره حرارتی استفاده شده است. نتایج پژوهش نشان دهنده این است که طی سی سال گذشته اراضی ساخته‌شده با رشد 92 درصدی و اراضی زراعی با کاهش چشمگیری مواجه شده-اند. طبقات دمایی بالا و بسیار بالا مناطق مرکزی و راه¬های خروجی از شهر را پوشش می¬دهند که مساحت¬شان طی سال¬های گذشته رشد چشمگیری داشته است. شاخص نسبت جزیره حرارتی در طی سی سال روند رو به رشدی را نشان می¬دهد. مقدار این شاخص از 5/0 در سال 1364 به 67/0 در سال 1394 رسیده و برای سال 1424 مقدار این شاخص 72/0 پیش¬بینی شده است که بسیار نگران کننده¬ می¬باشد.

جشنواره شكوفا (شهروند کارآمد و فناوری اطلاعات) آوردگاهي براي رقابت شهروندان تهراني به منظور سنجش مهارت‌هاي زندگي در هزاره سوم است. رشد سريع فناوري‏هاي اطلاعاتي و ارتباطي مي‏تواند ضمن ايجاد بستر مناسب جهت مشاركت و تعامل شهروندان به تحقق شهر و شهروند الكترونيك بيانجامد، همچنين مي‏تواند عاملي براي تبيين سبك زندگي در جامعه باشد و نقش خود را بعنوان رسانه ايفا نمايند. فناوري‏هاي اطلاعاتي و ارتباطي به‏دليل فراگير بودن، سرعت انتقال اطلاعات و جاذبه مالي، خود لزوم سبك جديدي از زندگي با توجه به مولفه‏هاي جديد و ديجيتال را مطرح مي‏كند. تحقق شهر الکترونیک بدون تربيت و آماده‌سازي شهروندان الكترونيكي ميسر نيست. از اين رو در جشنواره شكوفا فرصتي پديد مي‌آيد تا شهروندان تهراني مهارت‌هاي سبک زندگی دیجیتال خود را محك زده و در مسير ارتقاء به شهروند الكترونيكي قدم بردارند. در این مقاله نگاهی به معرفی، تجربیات و اقدامات کانون مهارت‏های سبک زندگی دیجیتال جشنواره شکوفا که نام قبلی آن کانون توسعه مهارت‏های رایانه‏ای بود پرداخته شده است. کانون مهارت‏هاي رایانه‏اي و سبک‏زندگی دیجیتال در پنج سال پی در پی توسط نویسندگان این مقاله و تیم اجرایی ایشان با همکاري شهرداري تهران و در قالب چشنواره شکوفا طراحی و اجرا شده است. اجراي این طرح در چهار سال داراي نقات قوت وضعفی بوده و دستاورهاي خوبی داشته است که در این مقاله به آنها پرداخته شده است.

Delta debugging یک روش تقسیم و حل است که عمل debugging متداول را توسط کمینه کردن ورودی، ساده می‌سازد. بنابراین debugging بر روی کدی ساده‌تر، اعمال می‌شود. در واقع Delta debugging روش علمی اشکال زدایی را خودکار می‌کند. ایده اساسی روش علمی مذکور، بنا نهادن فرضیه‌ای بر روی این موضوع است که چرا برنامه بدرستی کار نمی‌کند. در روال debugging این فرضیه، تست‌شده و بسته به خروجی تست، قبول یا رد می‌شود که البته تمامی این کارها را در روال debugging افراد بصورت کاملاً دستی انجام می‌دهند. حال Delta debugging این فرآیند را بصورت خودکار در می آورد. تاکنون تنها یک روش موازی‌سازی الگوریتم مذکور برای بهبود زمان اجرای آن معرفی شده‌است. در این مقاله با استفاده از ویژگی‌های زبان برنامه‌نویسی Chapel یک نسخه‌ی موازی جدید از این الگوریتم ارائه شده‌است که نسبت به روش قبلی تا % ۴۶/۳۶ زمان اجرای الگوریتم را بهبود بخشیده‌است.

الگوریتم‌های فراابتکاری به عنوان یکی از روش‌های حل مسائل بهینه‌سازی در کاربردهای مختلف مهندسی به کار می‌روند. یکی از این الگوریتم‌ها، الگوریتم بهینه‌سازی دسته ذرات است. در این مقاله با بهره‌گیری از یک سیستم استنتاج فازی و همچنین تطبیقی نمودن پارامتر وزن اینرسی که یکی از پارامترهای تاثیرگذار در این الگوریتم است، سعی کرده ایم کارآیی این الگوریتم را افزایش دهیم. برای ارزیابی روش پیشنهادی از توابع CEC2008 بهره می‌گیریم. نتایج ارزیابی نشان می‌دهند که عملکرد الگوریتم ارائه شده در این مقاله به نسبت روش‌های موجود، بهبود قابل توجهی داشته است.

با گسترش با گسترش اینترنت و پیدایش وب2، رسانه‌های اجتماعی به عنوان ابزاری برای تبادل پیام، ایجاد ارتباطات دوسویه را امکان‌پذیر ساخته‌اند. فروشگاه‌های اینترنتی یکی از رسانه‌های اجتماعی هستند که کاربران می‌توانند کالاهای موردنیاز خود را در آن یافته و با دیگر کاربران تبادل نظر انجام دهند. بنابراین با توجه به حجم گسترده این نظرات، تحلیل و جمع‌بندی آنها برای خریدار و فروشنده محصول می‌تواند بسیار مفید باشد. از این‌رو پژوهش‌های گسترده‌ای در حوزه نظرکاوی و تحلیل احساسات کاربران انجام گرفته است. با توجه به اینکه هر کاربر می‌تواند بر روی مشخصات مختلف کالایی مانند دوربین، باتری یا حافظه در یک گوشی تلفن همراه نظر متفاوتی داشته باشد و هریک از این مشخصات با عبارات متفاوتی در نظرات مختلف بیان شوند، خوشه‌بندی هریک از مشخصات کالا می‌تواند دقت بالاتری را در تحلیل احساسات و نظرکاوی حاصل نماید. در حالیکه پژوهش‌های متعددی به منظور خوشه‌بندی مشخصات کالا در زبان‌های مختلف انجام شده است، ولی در زبان فارسی پژوهشی یافت نشد. در این پژوهش با استفاده از روش‌های یادگیری ماشین، مشخصات مربوط به یک خودرو در نظرات کاربران خوشه‌بندی شده‌اند و پس از مقایسه نتایج حاصل از هر روش، الگوریتم امیدبیشینه از نظر معیارهای انتروپی و خلوص منجر به نتایج بهتری شد.