انجمن کامپیوتر ایران

در این مقاله یک پروتکل توزیع شده مبتنی بر اتوماتاهای یادگیر برای چندپخشی متحرک پیشنهاد می‌گردد. نتایج شبیه‌سازی نشان می‌دهد، پروتکل ارائه شده ضمن تضمین دریافت پیغام، تعداد گره‌های سنسوری درگیر، تعداد پیغام‌های رد و بدل شده و میانگین زمان سکون را به میزان قابل توجهی در مقایسه با روش‌های موجود کاهش می‌دهد.

با توجه به افزایش تعداد ورودی‌های جداول مسیر، مسأله‌ی جستجوی آدرس در اینترنت، مسأله‌ای چالش برانگیز می‌باشد. بدلیل سرعت زیاد، کم هزینه بودن و سادگی استفاده، حافظه‌های سه مقداری آدرس‌پذیر براساس محتوی (TCAM ها)، جهت طراحی موتورهای قويِ جستجوی آدرس در مسیریاب‌ها، مطلوب می‌باشند. با این وجود، TCAM ها اگرچه سریع‌ترین ابزار برای جستجوی مسیر هستند ولی دارای مصرف توان نسبتاً زیادی می‌باشند. در این مقاله، برای جستجوی آدرس در مسیریاب‌ها، روشی سخت‌افزاری مبتنی بر TCAM پیشنهاد شده است. معماری پیشنهاد شده، جهت کاهش توان مصرفی، از الگوریتم ساده‌سازی spresso و تكنیك فعال‌سازيِ چندسطحی (MLET)، که توسط ما ارائه شده است، استفاده می‌کند. ارزیابيِ کارایی و شبیه‌سازيِ نرم افزاريِ روش پیشنهادی، نشان می‌دهد که بکارگیری این روش می‌تواند به طور قابل توجه‌ای مصرف توان در جدول مسیر را بهبود ببخشد.

در این مقاله یک ساختمان داده یگانی براي نمایش طرح‌هاي انتقال ثبات ارائه می‌گردد. در حال حاضر نمایش یگانی و مبتنی بر گرافی به نام دیاگرام بسط تیلور وجود دارد. اگرچه می‌توان دیاگرام بسط تیلور را براي نمایش بهینه عبارات جبري در سطح کلمه به کار گرفت، اما آنها در نمایش عبارات بولی سطح بیت بهینه نمی‌باشند. همچنین دیاگرام بسط تیلور نمی‌تواند عبارات بولی در سطح کلمه (بردار) را نمایش دهد. در این مقاله تغییراتی به دیاگرام بسط تیلور اعمال می‌گردد که قابلیت نمایش سطح بیت آن‌ را افزایش می‌دهد و همزمان قابلیت نمایش عبارات بولی در سطح کلمه را به آن اضافه می‌کند.

شبكه‌های عصبی یكی از روش‌های پركاربرد در یادگیری سیستم‌های هوشمند است كه كارایی بسیار بالایی در یادگیری الگوهای آموزشی دارد. در این مقاله سعی بر این شده است که با استفاده از شبکه عصبی مدل مخچه CMAC*) ) به پیش‌بینی پارامترهای هواشناسی بپردازیم و در واقع با استفاده از یک مثال عملی و بارز برتری مدل‌های هوشمند نظیر CMAC را نسبت به مدل‌های خطی از جمله ARMA بررسی کنیم. در ادامه سعی بر این شده است که با استفاده از بهینه‌سازی پردازش تکاملی، قابلیت پیش بینی روش خطی ARMA را بالا ببریم. این مقاله نشان می‌دهد که با استفاده از روش‌های خطی بهینه شده توسط الگوریتم ژنتیک می‌توان کارآیی آن را به نحو چشمگیری افزایش داد به گونه‌ای که شبکه مدل مخچه ارائه شده، قادر نیست رفتار دینامیکی پارامترهای هواشناسی را در مقایسه با روشARMA تعمیم یافته بوسیله الگوریتم ژنتیک پیش‌بینی نماید.

(SSO) Single Sign-On یكی از خصوصیات ضروری مطلوب در یكپارچه سازی نرم افزارهای سازمانی است. با این وجود، سرویس‌های شناسایی SSO) Single Sign-On ) در یكپارچه سازی نرم افزارهای سازمانی یكی از پیچیده‌ترین انواعSSO می‌باشد كه در برگیرنده یكپارچه سازی چندین سیستم ناهمگن است كه گاهاً روی سكوهای مختلف قرار گرفته است و بوسیله شماهای دسترسی ناهمگن مدیریت می‌شود. این مقاله نگاهی به نیازهای سیستم‌های Single Sign-On درEAI برای انتقال اعتبارات بین نرم افزارهای سازمانی می‌اندازد و در ادامه نیز، چندین معماری كه از این جهت برایSSO ارائه شده است و هر یک خصوصیات و زیر ساخت مورد نیاز خود را دارد، ارائه شده و با یكدیگر مقایسه شده است. این امر تصمیم گیری برای طراحی و انتخاب روش‌های بعدی برای SSO درEAI را به شكل بسیار ساخت یافته‌تر امكان پذیر خواهد ساخت.

در این مقاله یک روش جدید براي پیاده سازي و اجراي سریع عملگر فراخش مورفولوژي با استفاده از معماري خط لوله اي تمو جی ترکیبی ارائه م یشود. این معماري نسبت به معماري خ طلولهاي معمولی داراي سرعت بالاتر، پیچیدگی سخت افزاري کمتر، سطح اشغالی کمتر و توان مصرفی پایی نتر اس ت. این معماري براي پردازش دودویی به صورت دو تراشه ASIC درتکنولوژي .18 umCMOS پیاده شده است. این تراشهها قادرند یک تصویر با ابعاد 1024*1024 را با استفاده از یک عنصرساختاري 21*21 در مدت 256/58 us فراخش دهند و تا فرکانس GH5/882 و GHz 4/167 کار کنن د. توان مصرفی در فرکانس 4/167 GHz با منبع تغذیه 1/8 V برابر 597mW و 478mW و سطح تراشهها برابر 0/118 mm2 و 0/087 mm2 است.

امروزه با رشد فن آوری اطلاعات داده ها با سرعت بی سابقه ای ايجاد و انباره سازی ميگرد د. داده کاوی اطلاعات قادرست تا الگوهای پنهان, رفتار داده و روند رشد آينده آن را آشکار نمايد. در اين مقاله بر اساس آناليزهاي آماري و داده کاوي اطلاعات پروژه هاي نيرورسا ني ٣ که عمليات اجر ايی آنها در شهرستان نيشابور در اثنای سالهاي ۱۳۸۱ لغايت ۱۳۸۴ شروع و به اتمام رسيده اس ت, نسبت به تحليل وضعيت اجرائی اين نوع از پروژهها اقدام گرديد. با اعمال رگراسيون خطی بر اطلاعات پروژههای نيرورسانی اجراء شده, وضعيت اجرائی اين نوع از پروژههای در سال ۱۳۸۵ پيش بينی و بر اين اساس الگوی نظارتی اين نوع از پروژه مهيا گرديد . با کلاسه بندی اطلاعات الگوهايي در راستای پيش بين ی فعاليت پيمانکاران و مدت زمان اجرای اين نوع از پروژهها تهيه و با کاوش قواعد مشارکت ٤ الگوهای جالبی در خصوص مدت زمان اجرای شبکه بر اساس طول شبکه ارائه گرديد. در انتها با کلاسه بندی اطلاعات الگوهايی مناسب در راستای نظارت بهينه و مديريت ريسک سرمايه گذاری برای پيمانکاران و متقاضيان تامين برق ارائه شده است.

خوشه بندي ترکيبي عبارتست از ترکيب نتايج چندين الگوريتم خوشه بندي براي به دست آوردن خوشه هايي با دقت بالاتر. خوشه بندي ترکيبي با چندين بار اجراي يک الگوريتم در حالت هاي مختلف می تواند نتايج بهتري چه از لحاظ استحکام و چه از لحاظ پايداري و انعطاف پذيري توليد کند. در اين مقاله، روشی برای خوشه بندی ترکيبی بر مبنای ايجاد فضای ويژگی جديد ارائه شده است. در اين روش از نتايج الگوريتم های خوشه بندی پايه جهت ايجاد ويژگی های جديد استفاده کرده ايم. نتايج الگوريتم های پايه با گراف کامل وزن دار مدل سازی شده اند. روشی حريصانه برای پيمايش گراف و ايجاد درخت، جهت تعيين مقادير ويژگی ها معرفی شده است. ويژگي های به دست آمده، خصوصيات بهتری نسبت به ويژگي های اصلی دارند، که نمون ههای هر خوشه را نسبت به يکديگر به خوبی متمايز م یسازد. در اين مقاله به بررسی روش ارائه شده بر روی چهار مجموعه داده Soybean و Thyroid ،Wine ،Iris پرداخته شده است. بررسی های تجربی نشان می دهند روش مذکور به سرعت همگراست و با افزايش تعداد تکرار الگوريتم پايه رفتار مناسبی از خود نشان می دهد.