انجمن کامپیوتر ایران

الگوریتم‌های تکاملی کوانتومی، ترکیبی از الگوریتم‌های تکاملی و محاسبات کوانتومی می‌باشند که با توجه به کارایی بالای آنها در حل مسائل بهینه سازی ترکیبی مورد توجه خاصی قرار گرفته است. ایده اصلی در ترکیب این دو دسته از الگوریتم‌ها، افزایش گوناگونی در الگوریتم تکاملی می‌باشدکه این کار را با تعریف کوانتوم بیت بجای بیت کلاسیک انجام می‌دهد. هر کوانتوم بیت توزیعی آماری از بیت‌های صفر و یک را در بر دارد که در نتیجه می‌تواند با احتمالاتی که از توزیع حاصل می‌شود می‌تواند هر یک از دو مقدار صفر و یک را اختیار کند. در این مقاله با استفاده از بروزرسانی و تمایل دادن کروموزوم‌های کوانتوم بیتی با توجه به مقدار تابع ارزیابی برای بهترین کروموزوم بیتی مشتق شده از آن، همگرایی در جواب را سرعت بخشیده و بهبود قابل توجهی در کارایی آن نسبت به نسخه اصلی این الگوریتم حاصل کرده است. همچنین با اعمال این تغییر، از خاصیت احتمالی الگوریم کاسته نشده و الگوریتم همچنان توانایی خروج از اکسترمم‌های محلی را دارد. برای اثبات این مدعا، مقایسات بر روی مسئله n-وزیر انجام گرفته که در این میان نیز تغییراتی برای هرچه بیشتر هماهنگ کردن الگوریتم تکاملی کوانتومی با مسئله n-وزیر به منظور دستیابی جواب بهتر، اعمال گردیده است.

کشف خودکار تغییرات کوچک و غیر قابل مشاهده ما بین تصاویر MRI پستان که در طول درمان از بیمار گرفته می‏شوند، از اهمیت بالایی برخوردار است. چرا که بدین وسیله پزشک قادر به آنالیز دقیق واکنش تومور به شیمی درمانی خواهد بود. کشف این تغییرات توسط پزشک، کاری بسیار سخت و گاهی غیر ممکن است. چرا که برخی از این تغییرات به حدی کوچک هستند که قابل مشاهده نمی‏باشند. از طرفی دیگر، به دلیل این که آرتیفکت‏های حاصل از تصویر‏برداریMRI، تغییرات جعلی بسیاری را در تصویر ایجاد می‏کنند، انجام خودکار آن نیز یکی از چالش‏های باقی مانده در این حوزه است. ما در این مقاله، چهارچوبی خودکار ارائه می‏کنیم، که به دلیل استفاده از روش‏های مبتنی بر رشد ناحیه و قطعه‏بندی میدان تصادفی مارکوف (I-MRF) که در تحقیق پیشین خود ارائه کرده‏ایم، نسبت به نویز و تغییرات حاصل از آرتیفکت‏ها مقاوم است. علاوه بر آن در این سیستم تئوری اطلاعات متقابل محلی را جهت تعیین میزان شباهت نواحی به کاربرده‏ایم. نتایج آزمایشات بر روی داده‏های شبیه‏سازی شده و واقعی نشان از بالا بودن میزان کارایی سیستم در مقابل روش‏های آماری و آستانه‏گیری دارد. همچنین این سیستم در مقایسه با فرد خبره نیز در کشف تغییرات کوچک برتری کامل دارد.

بسترهاي داده¬اي امروزي به دلیل افزایش تعداد مشاهدات و متغیر¬های مربوط به یک مشاهده، چالش¬هاي جديدي در تحليل داده¬ها بوجود آورده¬اند که نیاز به کاهش ابعاد داده را امری ضروری کرده است. مسأله انتخاب یک زیرمجموعه بهینه از یک مجموعه، دارای پیچیدگی زمانی نمایی است، به همین دلیل روش¬های کلاسیک انتخاب ویژگی، دارای مشکل زمان اجرا هستند. این روش¬ها اکثراً در پیدا کردن راه¬حل¬های بهینه ناموفق هستند. از طرف دیگر، جستجوی کامل برای پیدا کردن راه¬حل¬های بهینه حتی در مجموعه داده¬هایی که تعداد ویژگی¬ها زیاد نیستند، غیر ممکن است. بیشتر کاربردهای انتخاب ویژگی خواستار محاسباتی ممکن با هدف به¬دست آوردن راه¬حل¬های بهینه یا نیمه بهینه هستند. در این مقاله برای حل این مشکل از الگوریتم ژنتیک چندهدفه استفاده شده¬است. به علاوه معیاری برای استقلال ویژگی¬ها معرفی شده است که به همراه معیارهایی همچون فواصل درون¬کلاسی و برون¬کلاسی و همبستگی ویژگی¬ها برای انتخاب ویژگی بکار رفته است. ارزیابی بر روی دادگان UCI و دسته¬بند¬های مختلف نشان می¬دهد که روش و معیار پیشنهادی در کنار سایر معیار¬ها، کارایی خوبی از نظر برقراری تعادل میان دقت دسته¬بندی و تعداد ویژگی¬ها دارد.

امروزه شبکه¬های حسگر بی¬سیم در کاربردهای متنوعی مورد استفاده قرار می¬گیرند. این حسگرها غالباً با محدودیت منابع مواجه هستند. به همین دلیل تلاش می¬شود تا با انتقال بخشی از پردازش¬ها به درون شبکه، از حجم اطلاعات ارسال شده کاسته شود. محل اجرای این پردازش¬ها، می¬تواند بر کارایی شبکه تاثیرگذار باشد. در این مقاله بر آن هستیم تا راه¬کاری برای رسیدن به بهترین جایگذاری عملگرها، ارائه دهیم. برای این منظور یک راه حل توزیع¬شده ارائه شده است. در این روش، جایگذاری بهینه را از طریق ارسال پیام¬های حاوی هزینه دسترسی هر گره به عملگرها، به طور خودکار به دست خواهد آمد. در این مقاله ثابت شده است که روش ارائه شده، به جایگذاری بهینه منجر خواهد شد و به صورت تحلیلی کرانی برای آن ارائه شده است. نتایج آزمایش-های انجام شده، تایید کننده دست¬آوردهای تحلیلی هستند. این نتایج، همگرایی روش ارائه شده به درخت عملگر بهینه، و کران به دست آمده برای سربار تبادل پیام را تایید می¬نمایند.

در این مقاله قصد داریم روشی برای مقایسه زمینه¬ها در یک آنتولوژی ارائه دهیم و با استفاده از آن میزان اعتماد در زمینه¬های مشابه را محاسبه کنیم. فرض بر این است که میزان اعتماد نسبت به یک عامل را در یک زمینه داریم، می¬خواهیم بدانیم که چگونه می¬توان میزان اعتماد را در زمینه¬های دیگر محاسبه کنیم. طبق روش ارائه شده در این مقاله، یک معیار مناسب برای محاسبه میزان شباهت بین دو زمینه متفاوت بدست می¬آید تا بتوانیم بر اساس آن میزان اعتماد را با دقت بیشتری بین زمینه¬های موجود و یا حتی در یک زمینه جدید محاسبه کنیم. بنابراین صرف نظر از اینکه چه روشی برای محاسبه اعتماد مورد استفاده قرار می¬گیرد، می¬توان با افزودن پارامتر مشابهت، اعتماد را با دقت بیشتری در یک زمینه محاسبه نمود. نتایج بکارگیری از روش پیشنهادی در دو رابطه محاسبه اعتماد نشان دهنده حدود 70 درصد بهبود در محاسبه و پیش بینی اعتماد می باشد.

با توجه به اهميت برنامه¬هاي کاربردي تحت وب و به اشتراک گذاري اطلاعات از طريق آنها، امنيت اين نوع از برنامه¬ها بسيار مورد توجه مي¬باشد. آسيب پذيري¬هاي تزريق موجب مي¬شوند تا نفوذگر با تزريق دستورهاي مخرب، درجهت افشاي اطلاعات تلاش کند. با توجه به اينکه داده ورودي نفوذگر بدون واسطه يک وسيله ذخيره سازي داده و يا با واسطه آن موجب سوءاستفاده از آسيب پذيري مربوطه شود، آسيب پذيري¬هاي تزريق را به ترتيب به دو دسته آسيب پذيري تزريق مرتبه اول و آسيب پذيري تزريق مرتبه دوم تقسيم مي¬کنند. در اين مقاله به آسيب¬پذيري¬هاي تزريق مرتبه دوم پرداخته مي شود و روش جديدي به منظور تشخيص اين نوع از آسيب پذيري¬ها معرفي مي¬کنيم که از گراف وابستگي پرس و جو براي تشخيص آسيب پذيري¬هاي تزريق مرتبه دوم استفاده مي¬کند. همچنين به ارزيابي روش پيشنهادي خواهيم پرداخت. در اين ارزيابي، چند نرم افزار متن باز PHP را تحليل کرده و آسيب-پذيري¬هاي تزريق مرتبه دوم آن را کشف نموديم که برخي از اين آسيب پذيري¬ها جديد بودند.

در اين مقاله, يک ديدگاه مهندسي نرم افزارياز قابليت برنامه‌ريزي عامل‌هاي هوشمند ارائه شده است. بدين منظور،با بررسي منابع و روشهايمختلف موجود براي طراحي قابليت برنامه‌ريزي عاملها، مفاهيم فراداده مستقل از دامنه مساله استخراج و در قالب کلاسهاي عمومي مفهومي مدل‌سازي شده است. مدل تحلیل استخراج‌شده، در قالب الگوی تحلیل برنامه‌ریزی ارائه شده است. همچنينبا انتخاب سيستم بازوي ربات، مدل مفهومي اين عامل برنامه‌ریز با استفاده از مدل ارائه شده، ترسيم شده است.بدين ترتيب، قابليت به کارگيريالگو در سيستم‌هاي کلاسيک برنامه‌ريزينشان داده شده است.الگوي تحليل قابليت برنامه‌ريزي، به عنوان ابزاري براي استفاده مجدد از دانش تحليل عامل ارائه شده که موجب کاهش زمان و افزايش کيفيت مدل مفهومي تحليل نرم‌افزار برای اینقابلیت هوشمندی مي‌گردد.

در اين مقاله، روشی نو برای جایگذاری محتوای ایستا در سرورها و نظیرهای مورد استفاده در شبکه¬های تلفیقی توزیع محتوا ارایه شده است. به این منظور ابتدا استفاده از یک ساختار سلسله مراتبی جهت توزیع محتوای استاتیک در این شبکه¬ها توجیه می¬گردد و پس از آن با تکیه بر این ساختار به معرفی زیرسیستم¬های مختلف مورد نیاز در این معماری پرداخته می¬شود. در ادامه برای زیرسیستم جایگذاری محتوا، یک سازوکار پویا و اقتصادی به طور ریاضی معرفی شده است. نشان داده شده است که سازوکار ارایه شده قادر به تولید پاسخ¬هایی بهینه می¬باشد و میزان منابع پردازشی، ارتباطی و ذخیره¬سازی مورد نیاز برای پیاده-سازی این سازوکار محاسبه گردیده است و با استفاده از شبیه¬سازی، کارایی روش ارایه شده با دیگر روش¬های متداول مقایسه شده و نشان داده¬شده است که سازوکار ارایه شده در همه موارد بهتر از دیگر روش¬های قابل تصور عمل می¬کند. در انتها دست-آوردها جمع¬بندی شده و به ترسیم مسیر آینده مطالعات پرداخته شده است.

امروزه روش¬های بازیابی اطلاعات به موضوعی محبوب بین محققان تبدیل شده و بخش عظیمی از تحقیقات انجام شده در این زمینه به رتبه¬بندی صفحات وب در موتورهای جستجو پرداخته است. تا کنون الگوریتم¬های رتبه¬بندی مختلفی پیشنهاد شده است که می¬توان آنها را در سه دسته¬ به صورت مبتنی بر محتوا ، مبتنی بر اتصال (پیوند) و ترکیبی سازماندهی کرد. مدل¬های مبتنی بر انتشار که زیر مجموعه روش¬های ترکیبی می¬باشند با انتشار میزان وابستگی (ارتباط) صفحات وب با پرس¬وجوی کاربر از طریق گراف وب، سعی در افزایش دقت فرآیند رتبه¬بندی در موتورهای جستجو را دارند. در این مقاله سه روش رتبه¬بندی پیشنهاد می¬گردد که دوتا از آنها مبتنی بر تکرار کلمه (TF) و دیگری مبتنی بر احتمال است. در روش¬های پیشنهادی، هر صفحه وب از مجموعه¬ای از فیلد¬ها با درجه اهمیت¬های مختلف تشکیل شده به طوری¬ که محتویات صفحات وب بین این فیلدها تقسیم می¬شود. برای ارزیابی روش¬های پیشنهادی، مجموعه داده آزمون Letor 3 (مشتمل بر دو مجموعه داده آزمون 2003-TREC و 2004-TREC) در آزمایشات استفاده شد و نتایج آزمایشات حاکی از افزایش دقت تخمین میزان ارتباط صفحات¬وب با پرس¬وجوی کاربر ناشی از فیلدبندی صفحات است.

ریشه‌یابی فرایندیافتن ریشهیک کلمه و یا به عبارت دیگر، به دست آوردن انتقالی است که با اعمال آن بر یک کلمه در متن، ریشه آن کلمه تولید می‌شود. رویکرد به کار گرفته شده در این مقاله، بر پیشوند و پسوند کلمات فارسی تمرکز دارد. در عین حال به انتقال‌های بی‌قاعدهنظیر آنچه در جمع مکسر وجود دارد، نیز توجه شده است. نخست ما به دنبال پسوندها و پیشوندهایی هستیم که الگویی جهت ساخت یک کلمه جدید از ریشه می‌باشند. سپس به دنبال روشی کارا برای انتقال‌های بی‌قاعده هستیم. ما بر اساس اسناد برچسب‌خورده سعی در استنتاج قوانین کرده و در ادامه با یافتن استثناهایی،یک مجموعه قانون به شکل «اگر-آنگاه» می‌سازیم. براییافتن ریشه کلمات جمع مکسر نیز از یک شبکه عصبی (Radial Basis Function Network) استفاده شد.