انجمن کامپیوتر ایران

در اين مقاله الگوريتم جديد Simulated Annealing Weighted A* كه شكل كامل شدة الگوريتم مشهور A* جواب بهينه را پيدا خواهد كرد . پيدا كردن جواب بهينه براي مسائلي نظير ۲۴ پازل و حالاتي از ۱۶ هانوي توسط روش A* ممكن نيست. در روش ممكن نيست. در روش WA* با ارائة يك تابع Inadmissible يك جواب زيربهينه ١ پيدا خواهد شد. WA* يك جواب زيربهينه را با كاهش تعداد گرههاي ٢ كمتر و در زمان سريعتر پيدا خواهد كرد. ايدة اصلي اين مقاله يك الگوريتم بر پاية روش Annealing مي باشد كه مقدار تابع Heuristic به تدريج از حالت Admissible به Inadmissible ميل خواهد كرد. اين روند باعث ميگردد تا SAWA* جواب بهتر با توليد گرههاي كمتر را پيدا كند.

در جمع چند عملون دي و ضرب کننده ها که تعداد عمليات جمع زياد است مسئله انتشار رقم نقلي مشکل ساز بوده و در پرداز شهاي سريع مقدار تاخير آن چش مگير م يباشد. در چنين وسايلي با استفاده از کمپرسورها عملوندها را فشرده نموده و بعد از رسيدن به دو عملوند جمع با انتشار رقم نقلي را انجام مي دهند. در اين مقاله به منظور استفاده از وس ايل قابل پيکربندي مجدد – که امروزه در د نياي کامپيوتر بسيار مطرح م ي باشن د- ي ک جم عکننده در مد ولتاژ ارائه م يگردد که برخلاف جمع کنند ههاي متعارف انتشار رقم نقلي از جهت ارقام بزرگ تر به سمت ارقام کوچک تر مي باشد. الگوريتم ارائه شده در مقا يسه با س اير رو ش هاي غيرالگوريتمي برر سي شده دارا ي تا خير کمت ري م ي باش د. همچنين در مقايسه با جمع کننده هاي متعارف در جمع نهايي از سادگي بيشتري برخوردار است.

سيستم اعداد ماند ه اي يک سيستم عد دي غير وزني است که محاسبات موا زي و س ريع، کم توان و امن را پش تيباني م ي کن د. در کابردهاي اين سيستم عد دي دو مسئله مهم مط رح م ي باشد، يکي دس ت يابي به حداکثر سرعت و ديگ ري دس تيابي به بازه نمايشي بزرگ؛ که حل همزمان اين دو مسئل ه با ه م در تناقض م ي باشد و همواره با افز ايش بازه نمايشي به ناچار سرعت کاهش پيدا م يکن د. براي دس ت يابي به حداکثر سرعت روشي به نام وا نهات مطرح م يشود که تاخير پياده سازي با استفاده از اين روش به ميزان يک ترانزيستور است. اما در روش وان هات تعداد ترانزيستورها به صورت توان دو پيمانه بالا مي رود و در عمل براي پياده سازي هاي واقعي براي پيمانه هاي بزرگ اين روش غير ممکن مي باشد. از طرف ديگر، سيستم اعداد ماند ه اي چند سطح ي براي اعمال حسابي روي هر پيمانه از يک سيستم اع داد ماند هاي جديد استفاده مي کند. به همين دليل در سطوح پاييني پيمانه ها کوچک م يشوند و در نتيجه امکان استفاده از روش وان هات در اين سطوح فراهم م ی گردد. در اين مقاله با ترکيب اين دو سيستم عددي، روش جديدي به نام سيستم اعداد مانده اي چند سطحي وان هات ارائه م يشود که در مقايسه با ساير پياده سازي هاي سيستم اعداد ماند هاي در تمامي ابعاد بهبود چشم گيري نشان مي دهد.

بينايي ماشين يکي از بسترهاي پژوهشي وسيع و رو به شکوفاي عرص ه ي علوم کامپيوتر است که از بررسي دقيق يک عکس واحد تا پردازش جرياني از تصاوير ويدئويي را در بر م يگيرد. بينايي بلادرنگ از مسائل چالش برانگيزي است که براي روبا ت هايي که خواستار تعامل با محيط اطراف خود هستند اهميت ويژ ه اي پيدا کرد هاست. اين مقاله به بررسي مراحل پردازش تصاوير ويدئويي دريافت شده از دوربين يک روبات متحرک به منظ ور تشخيص نوع و مکان اشياي موجود در محيط اطراف آن م يپرداز د. کيفيت پايين عک س ها، قدرت محاسباتي پايين روبات و بلادرنگ بودن تصميمات، سه نکت ه اي هستند که علي رغم وجود پژوه ش ه اي گوناگون انجام شده در زم ين هي پردازش تص وير، نياز به رو ش هاي خاصِ بينايي سريع و ک مهزينه را پررنگ م يکن د. در اين مقاله الگوريتم هاي مورد نياز هر مرحله، از هنگام دريافت عکس تا استخراج داده هاي مطلوب روبات از محيط، به تفکيک بررسي شد هاند.بينايي ماشين يکي از بسترهاي پژوهشي وسيع و رو به شکوفاي عرص ه ي علوم کامپيوتر است که از بررسي دقيق يک عکس واحد تا پردازش جرياني از تصاوير ويدئويي را در بر م يگيرد. بينايي بلادرنگ از مسائل چالش برانگيزي است که براي روبا ت هايي که خواستار تعامل با محيط اطراف خود هستند اهميت ويژ ه اي پيدا کرد هاست. اين مقاله به بررسي مراحل پردازش تصاوير ويدئويي دريافت شده از دوربين يک روبات متحرک به منظ ور تشخيص نوع و مکان اشياي موجود در محيط اطراف آن م يپرداز د. کيفيت پايين عک س ها، قدرت محاسباتي پايين روبات و بلادرنگ بودن تصميمات، سه نکت ه اي هستند که علي رغم وجود پژوه ش ه اي گوناگون انجام شده در زم ين هي پردازش تص وير، نياز به رو ش هاي خاصِ بينايي سريع و ک مهزينه را پررنگ م يکن د. در اين مقاله الگوريتم هاي مورد نياز هر مرحله، از هنگام دريافت عکس تا استخراج داده هاي مطلوب روبات از محيط، به تفکيک بررسي شد هاند. الگوريتم هاي ارائه شده همگي بر روي تيمي از روبات هاي چهارپاي Aibo به منظور انجام مسابقه ي فوتبال پياده سازي شد ه اند و نتايج حاصل ارائه شده است.

Lack of global clock for synchronization in asynchronous circuits decreases the controllability of these circuits and thus makes asynchronous circuits hard to test. Delay Insensitive (DI) circuits exclusively use C-elements and inverters, provided that only single output gates are used. In this paper we present a new method to conceptually change this class of asynchronous circuits. The main idea is to change C-elements into other elements which can be modeled by synchronous tools. Then we use HOPE, a synchronous sequential circuits fault simulator, and apply it to DI class of asynchronous circuits. The stuck-at model is used for fault simulation. Our observations show that we can achieve considerable fault coverage, mainly 92.5%, in DI circuits by this method. To the best of our knowledge, this is the first effort in using synchronous tool to achieve fault simulation for asynchronous circuit class.

In recent years, optimization problems are considered as complex problems which require accurate and fast search methods. Traditional search methods such as iterative search and evolutionary algorithms are not efficient since they are not complete and their convergence rate is slow. A lot of efforts have been carried out to improve the performance of genetic algorithms as a special class of evolutionary algorithms. The most considerable ones are related to using the idea of cellular automata due to its nature of local operation. However, a genetic cellular automaton considers the relationship between chromosomes, but sometimes is not efficient enough due to the early convergence problem. Also, the tradeoff between fast convergence and optimum exploration is unavoidable. In this paper, we propose a new genetic-based search method using cellular automata. In this method, in contrast to the traditional genetic cellular automata, the transition rule of cellular automata is utilized to promote the individuals before genetic operations have been accomplished globally. The experimental results have shown better convergence rate and also exploration accuracy compared to the traditional search methods.

The design of a pattern classifier includes an attempt to select, among a set of possible features, a minimum subset of weakly correlated features that better discriminate the pattern classes. This is usually a difficult task in practice, normally requiring the application of heuristic knowledge about the specific problem domain. The selection and quality of the features representing each pattern have a considerable bearing on the success of subsequent pattern classification. Feature extraction is the process of deriving new features from the original features in order to reduce the cost of feature measurement, increase classifier efficiency, and allow higher classification accuracy. Many current feature extraction techniques involve linear transformations of the original pattern vectors to new vectors of lower dimensionality. While this is useful for data visualization and increasing classification efficiency, it does not necessarily reduce the number of features that must be measured since each new feature may be a linear combination of all of the features in the original pattern vector. In this paper a new approach is presented to feature extraction in which feature selection, feature extraction, and classifier training are performed simultaneously using a genetic algorithm. The genetic algorithm optimizes a vector of feature weights, which are used to scale the individual features in the original pattern vectors in either a linear or a nonlinear fashion.

This research addresses a new iterative geometrical noise cancellation method for closed-form camera pose estimation based on collinearity theory. We first explain how to estimate camera position and it’s orientation by employing extra nonsingular point of the edge line of the landmark’s corner through a closed-form geometrical pose estimation algorithm. Then, we propose a new iterative noise cancellation algorithm to reduce the estimation error of camera transaction matrix, which has the most portion in camera pose estimation errors. To validate our proposed method, we test it as a computer simulation. The results show that this method is efficient, accurate and robustness. But the drawback is that the camera rotation matrix, which used in noise cancellation algorithm, may not always be inverseable.

Many real world problems have iterative behaviors, so planners should be able to tackle such problems and generate iterative plans. Iterative actions have been considered by a few of planners, and most of the efforts have been based on linear planning. In this paper, we show how SAT-Plan, which is one of the fastest existing planners, can be extended to generate recursive plans. Generated recursive plans are similar to those that are generated by humans for iterative problems. The main idea in this work is based on the mathematical induction, and has been implemented. Results obtained from testing the extended SAT-Plan on several examples from the blocks-world domain, confirms the success of the proposed idea.

In our paper, a new approach for critical success factors of Business to Business (B2B) electronic commerce is presented. Important aspects of this approach can be classified into three main groups; environmental, internal and inter-organizational factors. The first group pertains to the factors that change the conditions equally for all companies in the business space and are out of influence of firms. Internal factors comprise individual features of companies, such as business strategies, culture, resources and etc. The Inter-organizational dimension is included the factors that are related to organization ability to set up Inter-organizational relationships electronically. Experimental results showed promising in evaluating the quality of business enterprises.

واضح سازی یکی از عملیات مهم در پردازش تصویر می باشدو یکی از روشهای واضح سازی، روشی است مبتنی بر مدل پخش گاز که در آن، فرآیند تار شدن تصویر به صورت فرآیند پخش گاز مدل می شود.در این روش معمولا مقدار پارامترa براي کلیه پیکسلهای تصویر اعم از لبه و یا غیر لبه یکسان در نظر گرفته می شود و به همین دلیل تمام قسمتهای تصویر بطور یکسان واضح سازی می شود. اگر بتوان مقادیر a را به صورت محلی براي هر پیکسل تعیین نمود،بتوان مقادیر کارایی روش بالاتر خواهد بود؛ به صورتیکه در نقاطی با تغییرات بالای فرکانس (لبه ها) از مقادیر بالا و در سایر نقاط از مقادیر پایین براي پارامتر a استفاده شود. در این مقاله روشی براي واضح سازی پیشنهاد می گردد که از ترکیب روش واضح سازی مبتنی بر پخش گاز و اتوماتای سلولی فازی حاصل شده است. در این روش ترکیبی، اتوماتای سلولی فازی، از طریق یکسری قوانین فازی، عهده دار تعیین مقادیر مناسب پارامتر a برای پیکسلهای تصویر می باشد. روش پیشنهادی متکی بر عملیات محلی در همسایگی هر پیکسل می باشد که این امر پیاده سازی آن را ساده تر می سازد. نتایج حاصل از پیاده سازی روش پیشنهادی، نشان دهنده کارایی بالای آن در مقایسه با سایر روشهای واضح سازی است.

الگوریتمهای ژنتیک در سالهای اخیر به عنوان روشهایی با توانایی بالا در یافتن جواب مسئله های بهینه سازی شناخته شده اند . یکی از این مسائل بهینه سازی مسئله خوشه بندی می باشد . خوشه بندی در حقیقت پردازشی است که یک مجموعه از داده های ورودی را دریافت کرده و آنها را به چندین زیر گروه تقسیم می کند یکی از روشهای متداول در این زمینه، روش خوشه بندی ترکیبی است . در مقاله حاضر یک روش خوشه بندی ترکیبی بر اساس الگوریتمهای ژنتیک ارایه شده است. مهمترین خصوصیت الگوریتم ارایه شده یافتن تعداد خوشه ها برای مجموعه داده ورودی می باشد. نتایج ارزیابی روش ارایه شده بر روی چندین مجموعه داده متداول نشانگر کارایی مناسب الگوریتم ارایه شده می باشد.

طبقه بندی خودکار تصاویر روشی است که به کمک آن یک تصویر به یکی از کلاس های از پ یش تعری ف شده قبل ی نسبت داده می شود. طبقه بندی تصاویر یکی از مهمترین مراحل در ی ک سیستم بازیابی تصویر براساس محتوا است. وجود این مرحله باعث کاهش زمان بازیابی تصویر بوسیله کاهش فضای جستجو در این سیستم ها می شود. در این مقاله، از یک ساختار سلسله مراتبی برا ی طبقه بند ی تصاو یر پزشک ی استفاده می شود. در ای ن ساختار با پیشنهاد یک روش خوشه بندی تحت عنوان نقشه ادغام، کلاس هایی که دارا ی همپوشان ی قابل توجهی هستند، در یکدیگر ادغام می شوند. در این نقشه با استفاده از سه معیار صحت طبقه بندی، نرخ دسته بندی اشتباه و معیار شباهت، به نوعی یک روش خوشه بندی غیرنظارتی مدل می شود. در هر سطح ساختار سلسله مراتبی پیشنهادی، تصاویر براساس محتوی ات شکلی و بافتی بوسیله طبقه بند شبکه عصبی پرسپترون چند لای ه طبقه بند ی می شود. ساختار پیشنهادی با یک پایگاه داده بزرگ از تصاویر اشعه x شامل ۹۱۰۰ تصویر در ۴۰ کلاس ارز ی ابی شد . صحت طبقه بند ی 9/88% برای یک مسأله ۲۵ کلاسه در سطح اول ساختار بدست آمد. اگر سه تا از نزدیکترین کلاسها به عنوان کلاس صحیح در نظر گرفته شود این مقدار به 5/94 % افزایش می یابد.

در اين مقاله دو مرحله اصلي از هر سيستم بينايي ماشين مبتني بر حركت يعني تقطيع حركت و رديابي اشياء (GMM) مورد بررسي قرار مي گيرند. ما از مدل تركيب گاوسي بعنوان روش پايه برا تقطيع حركت استفاده كرده و توابع بروزرساني جديد برا بهبود سرعت و دقت اين روش پايه ارائه م يدهيم. ضمنا مراحل پس پردازشي حذف نويز، كاهش سايه و تحليل مولفهها متصل به خروجي GMM اعمال مي شود. رديابي نيز با توجه به نوع مد لساز حركتي و ظاهر اشياء انجام مي شود. ويژگي ها حركتي و ظاهر شيئ در يك چارچوب ساده برا ايجاد تناظر بين مشاهدات شيئ در فريم ها متوالي استفاده مي شوند. الگوريتم ها ارائه شده بررو تصاوير فيلم بردار شده در محي طها سرپوشيده و سرباز و نيز بررو ويدوئوها استاندارد PETS و Terrascope آزمايش شده و نتايج بسيار خوبي ارائه كرد هاند.

در سالهاي اخير بسياري از محققين به استفاده از سيگنالهاي آشوب براي نهان نگاري در تصوير رو آورده اند. در اين مقاله يك روش جديد براي نهان نگاري در تصوير ارائه شده است كه در آن از دو سيگنال آشوب براي مشخص نمودن محل قرار دادن بخش ه اي مختلف متن در تصوير استفاده شده است. در اين روش از ي ك كلي د 80 بيتي براي به دست آوردن مقادير اوليه دو سيگنال آشوب استفاده مي شود. از مزاياي اين روش مي توان به امن ي ت بالا ي اين روش به دليل استفاده از س يگنال آشوب و مقدار بالا ي PSNR (4206) به دست آمده اشاره نمود.

در دو دهه قبل توانايي هاي فني بشر براي توليد و جمع آوري داده ها به سرعت افزايش يافته است.بطور كلي استفاده همگاني از وب و اينترنت ما را مواجه با حجم زيادي از داده و اطلاعات مي كند. اين رشد انفجاري در داد ههاي ذخيره شده، نياز مبرم وجود تكنولوژي هاي جديد و ابزارهاي خودكاري را ايجاد كرده كه به انسان ياري رسانند تا اين حجم زياد داده را به اطلاعات و دانش تبديل كند. داده كاوي به عنوان يك راه حل براي اين مسائل مطرح مي باشد. داده كاوي را مي توان عمل استخراج اطلاعات پنهان در يك پايگاه داده ي بزرگ تعريف كرد. داده كاوي به تحليلگران براي پيدا كردن الگوها و روابط بين داده ها كمك مي كند. يكي از مهمترين زمينه هاي داده كاوي كشف قوانين وابستگي يا Association Rules mining مي باشد كه هدف از آن يافتن قوانين والگوهاي پنهان در بين حجم زيادي از داده ها است.همچنين چگونگي كاوش در بين داده هايي كه حاوي اطلاعات زماني هستند به عنوان يك مساله مهم در امر داده كاوي مطرح است.

بسياري از کاربردهاي کامپيوتر در ارتباط انسان و ماشين و بيومتري نياز به پايگاه داده اي براي آزمون ايده ها و مقايسه آنها دارند. از جمله اين کاربردها مي توان بازشناسي احساس انسان؛ بازشناسي گفتار؛ مدلسازي چهره براي يافتن يا بازشناسي آن را نام برد . گرچه پايگاه داده هاي متعددي در دنيا تهيه شده و برخي از آنها به صورت عمومي در دسترس است؛ تاکنون، پايگاه مناسبي به زبان فارسي بدين منظور ارائه نشده است. در اين تحقيق پايگاه داده مناسبي تهيه شده که مي توان از آن براي کاربردهاي ياد شده و ديگر کاربردهاي مشابه بهره گرفت. پايگاه حاضر؛ تصاوير ويديويي چهره ١٢ نفر را در هنگام بروز احساس هاي مختلف در بر مي گيرد. از هر صحنه همزمان بوسيله چهار دوربين در زواياي مختلف تصوير برداري شده و صدا هم با کيفيت مناسبي بوسيله ميکروفن ويژه اي ضبط شده است.

مبحث ذخيره سازي داده امروزه به مسأله بسيار مهمي در مراكز داده اينترنتي و سيستم هاي محاسبات فو ق سريع تبديل شده است. چرا كه هرساله حجم داده هاي ذخيره شده در دنيا تقريبًٌا دو برابر مي شود و در يك سيستم محاسباتي ممكن است متجاوز از يك پتابايت ١ باشد. از جمل ه ي چنين سيست م هايي در سازما ن هاي هواشناسي و پايگاه هاي نظامي ممكن است يافت شوند. اين مقاله روشي جديد ارائه مي كند كه بر اساس آن در يك سيستم محاسباتي كلاستري، زمان مورد نياز براي نقل و انتقالات داده در مجموع كاهش م يياب د. روش پيشنهادي جديد عبارت است از مهاجرت پردازش هاي درحال اجرا بر روي گره هاي پردازشي با استفاده از فن آوري جديد مجازي سازي كه به منظور توازن بار در شبكه استفاده مي شود. نتايج حاصله از شبب ه سازي نشان مي دهد كه اين روش جديد كاهش قابل ملاحظه اي در زمان مورد نياز سيستم محاسبات ي جهت انجام پردازش داده در مقاط ع زماني مشخص ايجاد مي كند.

نكته حايز اهميت در تشخيص خودرو استفاده از تكنيكهاي پايدار در برابر تغييرات است . در اين نوشتار، به منظور تشخيص خودروها از ويژگي تقارن استفاده شده كه اين ويژگي در برابر تغييرات نور پايدار است. همچنين روشي موثر براي برخورد با مشكل همپوشاني خودروها است. براي يافتن خط تقارن خودروها از روش تشخيص سريع خط تقارن استفاده نمودهايم. اين روش به كمك تبديل هاف و استفاده از پيكسلهاي لبه، خط تقارن هر شي را بدست مي آورد. همچنين الگوريتم بهبود تشخيص سريع خط تقارن به منظور رفع خطاهاي ناشي از عمق تصوير ارايه گرديده است كه الگوريتم تشخيص سريع خط تقارن قادر به رفع آن نبوده است. به منظور رديابي خودروها از فيلتر كالمن استفاده شده است. آزمايشات انجام شده نشان داده است كه روش پيشنهادي قادر است با دقت 96.52 % تعداد زيادي خودرو را در يك جاده رديابي كند.

در اين مقاله يك مرز فعال پارامتري جديد بنام مرز فعال خودنسبي معرفي و تكميل گرديده است. در اين روش با تركيب سامانه نگاشت خودنسبي و تبديل موجك، يك ميدان نيروي خارجي براي مدل مارها ارائه شده است. همچنين، حجم محاسباتي روش پيشنهادي پس از پياده سازي بصورت پويا و بهينه به شكل چشمگيري بهبود يافته است. نتايج تجربي بيانگر عملكرد بهتر الگوريتم پيشنهادي در ناحيه بندي تصاوير مصنوعي و پزشكي هم از نظر كيفيت پاس خها و هم از نظر زمان محاسباتي در مقايسه با چند مرز فعال متداول م يباشد.