انجمن کامپیوتر ایران

يکی از ابزارهای مهم برای مدل کردن داده ها و ارتباط بين آنها، درختها می باشن د و مهمترين مسئله در کاوش بانکهای اطلاعاتی درختی يافتن الگو های درختی پر تکر ار اس ت. الگوريتمهای موجود معمولا تعداد درختهايی که توليد می کنند بسيار زياد است که تعدادی از آنها دارای ارزش زيادی نمی باشن د. اين کم ارزش بودن اغلب به خاطر زيادی فاصله بين گره های الگو در درختهای ورودی می باشد که علاوه بر غير قابل استفاده بودن الگو، موجب ک ند شدن الگوريتم نيز می شود. از طرف ديگر اين الگوريتمها بعضی از درختهای مفيد را پيدا نمی کنند. اين امر در شرايطی اتفاق می افتد که الگوها به جاي اينکه دقيقا همانند يکديگر باشند در حجم بالايی از گره ها و ساختار درختی با يکديگ رمشابهت داشته باشند. در مورد داده هايی که الگوهای دقيق آنها بسيار کم است اين الگوهای تقريبی می توانند ديد خوبی در مورد محتوای اطلاعات موجود در بانک اطلاعاتی درختی بدهن د. مشکل ديگر الگوريتمهای موجود، در برخورد با داده های عدد ی (صحيح و اعشار ی) مشاهده می گردد که مقايسه دقيق اين نوع داده ها بهنگام استخراج الگو صحيح نمی باشد. در اين مقاله سعی خواهيم کرد تا مشکلات مذکور را با استفاده از راه حل های فازی برطرف نمائيم.

Nowadays users of the Web are encouraged to generate content on the Web by themselves. Weblogs are the most tools to do this. In fact Weblogs are one kind of social networks and they are one of the most important components in Web 2.0. The increasing growth of blogsphere implies that users need to know more popular blogs. This paper introduces a new algorithm for rankingWeblogs according to a link structure specific to the blogsphere. Our CRE-Rank algorithm tries to identify popular focal blogs. Popular blogs are those blogs which are more linked and commented, Focal blogs are those which users can access popular Weblogs from them.

In a two player game, the choices of our player can be modeled by angelic nondeterminism and those of our opponent by demonic nondeterminism. In this paper, we introduce some notations and semantics to Martin- Löf's theory of types which facilitate the use of angelic and demonic interpretations of nondeterminism in type theoretical specifications. Using the proposed, nondeterministic constructs, we can formally specify two player games and derive them from correctness proofs of their formal specifications.

Ensemble based methods have successfully been used in a variety of application. Recently using these methods in clustering algorithms has attracted a great deal of interest. Voting and averaging are two effective combining methods that are frequently used in multiple classifier systems. To use these methods in an unsupervised scenario (to combine multiple partitioning of data) the partitions must be relabeled first, i.e. similar partitions in different partitioning gets the same label. This phase has a great influence on the ensemble performance. In this paper a new heuristic label assignment method is proposed. The result of the Monte Carlo simulation and experimental results on real data show that the performance of ensemble method could be significantly improved using this method.

The goal of network topological design is to find a minimum cost configuration of network components. Design of access network is discussed here. The objective is minimizing the access network cost by means of finding optimal number and location of concentrators. The network cost consists of the concentrators cost and cost of access links, that connecting terminals to the concentrators. Here, contrary to most of other methods, which use candidate locations for concentrators, the search space is continuous. Solution to the problem is improved in this article. The problem is solved using a type of self organizing neural network called Growing Neural Network. In this method, terminal locations are used as input of neural network and self organizing feature leads to optimal solution. Furthermore, an improved version of the COM algorithm is proposed. Improvement is achieved by means of applying cost constraint in cluster merging phase. The simulation results for different networks with various cost parameters show the new methods achieve the better performance than that of previous methods.

This paper presents a computationally effective trajectory generation algorithm for omni-directional mobile robots. In this algorithm we use the Voronoi diagram to find a sketchy path that keeps away from obstacles and then we smooth this path with a novel use of Bezier curves. This algorithm defines velocity magnitude of a robot along the curved path to satisfy optimality conditions and dynamic constrains. The algorithm has been implemented on real robots, and we present experimental results in different environments.

Gaussian Mixture Model (GMM) models feature space using mean vector and covariance matrix of probability density functions of feature vectors. In this paper, improved Vector Quantization and Covariance Matrix methods were compared to GMM. Covariance Matrix model considers shape of probability density functions, while Vector quantization method models position of probability density functions in feature space. In this paper different methods of Covariance matrix model including Arithmetic-harmonic sphericity measure and Divergence Shape measure were examined to evaluate scores in speaker verification task.. Experimental results show that Arithmetic-harmonic sphericity measure outperforms Divergence shape measure. A novel vector quantization approach was also presented in this paper. This approach is based on comparing codebook obtained from training data to codebook obtained from test data. Results show that recent approach has a better performance compared to traditional vector quantization approach. Also, the results show that Covariance matrix model outperforms improved Vector Quantization and GMM.

در اين مقاله، روش جديدی براي افزايش كيفيت تصاويری كه با استفاده از تكنيك فشرده سازی فراكتالی كد شده اند ارائه شده است. استفاده از روش فراكتالی براي فشرده سازی تصاوير مانند بسياری از روشهای فشرده سازی سبب ايجاد پديده بلوكی و اثرات مصنوعی در تصوير می شود كه برای نرخهای مختلف فشرده سازی متفاوت می باشد. در اين مقاله با استفاده از معادلات نفوذ و اعمال آن به اين تصاوير باعث افزايش كيفيت تصوير وكاهش پديده بلوكی و اثرات مصنوعی شده ايم . روش پيشنهادی بر ر و ي چندين تصوير از تصاوير استاندارد كه با روش فراكتالی و با نرخ بيت های متفاوت فشرده شده اند آزمايش شده است . نتايج نشان داده است كه روش پيشنهادی كارايی روش فراكتالی را بهبود داده است.

کاربرد پروتکل S-MAC در شبکه های بی سیم و کشف وقایع نادر و عکس العمل سریع است. این پروتکل شبکه ها را بصورت لایه های هم مرکز در اطراف سینک تقسیم کرده و برای گره ها از آدرس دهی تصادفی استفاده کرده و به کمک بسته های کنترل MAC ، گره میانی بعدب برای مسیر یابی و ارسال بسته ها را میابد. با ایجاد وضعیت های مختلف گره ، مانند خواب یا بیدار بودن و کاهش ارسال اطلاعات و ایجاد همزمان سازی می توان مصرف انرژی ناشی از استعمال بلا استفاده را کاهش داد. با مقایسه و ارزیابی و شبیه سازی پروتکل های پیشنهادی و S-MAC می توان کارایی و بهینه شدن مصرف انرژی را برای کشف و گزارش رویدادها ، ناشی از تغییر در پروتکل S-MAC مشاهده کرد.

این مقاله درمورد طراحی یک نرم افزار به منظور استفاده بهینه از فرآیند جوشکار ی اصطكاكی - اغتشاشی است که یكی از فرآیندهای نوین جوشكاری در حالت جامد است. این نرم افزار که با و با استفاده از الگور یتم ژنتیک طراح ی شده، کاربر را قادر میسازد با ورود مقادیراندازهگیری شده خواص آلیاژ ، و با ورود درصد میزان اهمیت خواص به سیستم، به مقادیر بهینهای از سرعت حرکت و سرعت چرخش که در میزان تغییرات خواص آلیاژ مؤثرند، دست یابد . این نرمافزار با در نظر گرفتن وزن برای هر یک از خواص، این امکان را ایجاد میکند که بتوان بعضی از خواص را نسبت به برخ ی دیگر در حصول نتیجه، برتری داد. با این نوآوری امکان استفاده گسترده از این متد در صنایع مختلف، که در آنها یک یا چند خاصیت، اهمیت بیشتری نسبت به خواص دیگر دارند، فراهم میگردد.

ه ه ا نظير سرطان بسيار

شبكه هاي بيزي به عنوان يك دسته بندي كننده در كاربرد هاي مختلف يادگيري ماشين مورد استفاده قرار گرفته اند . يكي از مسايل مهم در شبكه هاي بيزي، آموزش شبكه ها ي بيزي بهينه بر اساس مثال هاي آموزشي دردسترس م ي باشد . آموزش شبكه ها ي بيزي شامل آموزش مقادير احتمالي موجود در جداول احتمال شرطي و نيز آموزش ساختار شبكه مي باشد. در اين مقاله ي ك روش مرحله به مرحله مبتني بر اتوماتاهاي يادگير براي آموزش جداول احتمال شرطي شبكه هاي بيزي پيشنهاد ميگردد. نتايج آزمايشها نشان مي دهند كه الگوريتم پيشنهادي با تعداد مثال ها ي آموزش ي كمتر ي داراي دقت دسته بندي مشابه با الگوريتم هاي كلاسيك مانند برآورد امكان بيشينه مي باشد.

افزايش تعداد هسته هاي بکار رفته در داخل را جايگزين معماري هاي ارتباطي مبتني بر گذرگاه کرده است. ويژگیهای بارز NoC نسبت ب ه معماري های مرسوم نظير سي م های اختصاصی و گذرگاه عبارتند ا ز : NoC (الف) بهرهوري انرژي و قابليت اطمينان بالا ، (ب)مقياسپذيري بالا در مقايسه با معماريهاي مرسوم ، (ج) قابليت استفاده مجدد،(د)بکارگيري الگوريتم هاي مسيريابي MinRoot توزيع شده. ما در اين مقاله يک معماري جديد شبکه بر تراشه با توپولوژی را به عنوان ساختار عمومي اتصا لا ت داخلي معرفي م ي کنيم. د راين مقاله معماری از Torus و Mesh , BFT با معماری اتصالات توپولوژی های MinRoot اتصالات توپولوژی نظر تعداد سوئيچ و تعداد لينک ( فضای تراشه ) و تاخير متوسط بسته مقايسه و مورد ارزيابی قرار گرفته اس ت . نتايج کاهش چشمگير تعداد سوئيچ و تعداد لينک نشان ميدهد. آزمايش ها کاهش تاخير Torus و Mesh , BFT را نسبت به توپولوژی های متوسط بسته را در کاربردهای با ارتباطات محلی زيا د و افزايش تاخير متوسط بسته نسبت به توپولوژی MinRoot را در کاربردهای با ارتباطات محلی کم در توپولوژی های ديگر نشان می دهند.

در این مقاله به بررسی محیط گرید محاسباتی که در آن منابع به شکل توپولوژي ستاره با یکدیگر در ارتباط هستند پرداخته شده و الگوریتمی جدید بر پایهي تئوري صف براي زمانبندي زیروظایف در محیطهاي گرید ارائه گردیده است. الگوریتم پیشنهادي با استفاده از مفاهیم سیستم صف و چگونگی توزیع زیروظایف، علاوه بر اجراي وظایف در کمترین زمانِ ممکن، تعادل بارکاري را نیز براي منابعِ موجود در گرید به ارمغان میآورد. بدین ترتیب با استفاده از این الگوریتم، دو عامل خیلی مهم از کیفیت سرویس (کارآیی و تعادل بارکاري) تا حد ممکن برآورده شده و کارِ زمانبندي زیروظایف و تخصیصمنابع به آنها با در نظر گرفتن این دو فاکتور انجام میگیرد.

درك سازوكار مغز به عنوان عامل هوشمندي موجودات زنده قرنها است كه ذهن بشر را مشغول كرده است. محققين در مسير پاسخ به اين سوال دو رويكرد كل به جزء و جزء به كل را پيش گرفتهاند. در اين مقاله به معرفي مدلي حاصل از اتصال كارآمدترين نظريات اين دو رويكرد خواهيم پرداخت. مدل ارائه شده تواناييهاي جالب توجهي از جمله يادگيري خودكار و پردازش بلادرنگ دنبالههاي زماني را داراست. همچنين اين مقاله نشان ميدهد كه مدل مذكور با دادههاي زيست شناختي مغز نيز انطباق قابل قبولي دارد. در انتها، كارآمدي مدل ارائه شده در يك آزمايش دنياي واقعي بررسي ميشود. مدل پيشنهادي اولين قدم به سمت ساخت سيستمهاي هوشمند خلاق و داراي قدرت سازشپذيري بالا به حساب ميآيد.

در اين مقاله روشي برا پنهان شكني يک ي از روش ه ا پنهاننگار برمبن ا اختلاف مقاد ير پيکسلها ارائه شده است و نشان داده شده است علي رغم ادعا ارائه كنندگان روش مزبور مبني بر امن بودن روش فوق اين روش قابل شكست بوده است . اي ن روش پنهان - نگار نيز مانند د يگر روش ها پنهان نگار برمبن ا اختلاف مقاد ير پيکسلها، جاساز را در مقدار تفاوت پيکسلها بلاک ه ا دوت ايي انجام م يدهد. بنابراين هيستوگرام تفاوت پيکسل ها در تصوير حاصل از اين روش دارا توزيعي متفاوت از تصاوير نرمال است . برا تشخيص و تمايز اين دو گروه از تصاو ير، تعداد پارامتر از هيستوگرام تفاوت تصوير استخراج شده است که در اثر جاساز به طور محسوس ي تغيي ر م ي- کنند. يک شبکه عصب ي پرسپترون چندلا يه بر ا رده بند اين تصاو ير با استفاده از پارامتره ا استخراج شده پي شنهاد شده است . در پياده ساز انجام شده شبکه پيشنهاد با دقت 98/6 % موفق به رده بندی تصاوير مجموعه تست شده است.

در این مقاله روشی مرکب از تدارک پویای پهنای باند و قیمتگذاری پویا برای بالا بردن ارائه کیفیت سرویس به مشتری پیشنهاد شده است. در تدارک پویا با استفاده از اتوماتای یادگیر، میزان پهنای باند برای هر کلاس سرویس به طور پویا در بازه های مشخصی از زمان براساس بازخوردی که از محیط گرفته می شود تغییر م یکند. قیمت گذاری پویا با استفاده از اصل عرضه و تقاضا از ایجاد ازدحام در مواقع اوج مصرف جلوگیری می کند. هر دو این مد لها روش هایی کارا و ساده هستند بنابراین میتوانند به صورت برخط به کار رود. هدف در هر دو این مدل ها ماکزیمم کردن استفاده از پهنای باند با این شرط که کیفیت سرویس از یک آستانه از پیش تعیین شده کمتر نشود، می- باشد. نتایج شبیه سازیها نشان می دهد که مدل پیشنهادی در مقایسه با تدارک و قیمتگذاری ایستا کیفیت سرویس بهتری از لحاظ متوسط تاخیر, نرخ خرابی ارائه میدهد.

براي جداسازي گفتار از موسيقي روش هاي متفاوتي پيشنهاد شده و مورد استفاده قرار گرفته است. در اين مقاله با پيشنهاد دو ويژگي برگرفته از بعد فراكتالي و استفاده از يك شبكه عصبي فازي و بهبود آن به كمك PSO نشان داده است كه استفاده از اين راهبرد نسبت به راهبرد هاي مشابه، كه معمولا از تعداد ويژگي هاي زيادي براي دسته بندي استفاده مي كنند، نتايج قابل قبولتري دارد. همچنين نشان داده شده است با استفاده از شبكه عصبي فازي مي توان به نتايج بهتري نسبت به استفاده از روش هاي معمول همانند مدل مخلوط گوسي GMM با پيچيدگي يكسان با شبكه عصبي فازي، دست يافت.

SystemC يک کتابخانهي متن باز از زبان C++ است که امکان طراحي در سطوح بالاي انتزاع را روي اجزاء فراهم مي آورد و براي طراحي سريع و کارا ميتواند مورد استفاده قرار ميگيرد. بهعلاوه، اجازهي توصيف همزمان و يکپارچهسازي اجزاء پيچيده ي سخت افزاري و نرم افزاري را فراهم ميآورد. در اين مقاله، در ابتدا قابليتهاي طراحي وتوصيف مدارا ت آسنکرون به زبان SystemC افزوده شده است. در ادامه پارسري جهت تبديل زبان SystemC به زبان توصيف سخت افزاري آسنکروني Verilog-CSP ارائه مي گردد. با استفاده از اين پارسر، ميتوان مدارهاي آسنکروني را که به وسيله ي SystemC مدلسازي و شبيهسازي ميشود ر ا توسط ابزارهاي سنتز آسنکرون سنتز نمود.

the concept of multi-hop CDMA cellular networks has received increasing attention now. It is a widely accepted assumption that using multi-hopping in cellular networks will increase the cellular throughput. There are several advantages of MCN such as the improved signal quality and higher coverage. Finding an available relaying path is a critical prerequisite for the success of the multi-hop cellular networks and has a great impact on the network throughput. Most works use signal strength, distance and power consumption as routing criteria, but the effect of interference specially intercell interference does not take into account in routing algorithms. For this reason, in this paper interference is calculated at any receiver during the uplink, and a novel routing scheme based on minimum interference and best link gain in each hop, is proposed. Simulation results indicate that the routing algorithm based on our proposed metric results in higher throughput than the other metrics under a certain constraint.