انجمن کامپیوتر ایران

در این مقاله روش‌هایی برای کاهش توان مصرفی در ارسال مطمئن بسته‌های داده به صورت همه ‌پخشی و چند پخشی در شبکه‌های نامتعارف بررسی شده است. بر خلاف روش‌های معمول دیگر، روش‌های ارائه شده صرفاً به فاصله فیزیکی بین گره‌ها برای محاسبه وزن درخت در تشکیل درخت‌های همه پخشی و چند پخشی توجه نمی‌کنند؛ بلکه هزینه درخت از جمع توان ارسالی گره‌های میانی محاسبه می‌شود. ایده اصلی این است که محیط به صورت ایده‌آل و بدون خطا فرض نشود و لذا نرخ حذف بسته‌ها و تضعیف امواج الکترومغناطیسی به عنوان یک معیار مهم در نظر گرفته شده است. بر اساس شبیه‌سازی انجام شده این روش‌ها نسبت به روش های متناظر که نرخ خطا را در نظر نمی‌گیرند، برای ارسال همه ‌پخشی یا چند پخشی به صورت ارتباط مطمئن تا 45 % مصرف توان را در شبکه‌هایی نامتعارف کاهش می‌دهد و در ضمن با کاهش تعداد دفعات ارسال مجدد، باعث بهبود مدت زمان تأخیر ارسال می‌شود.

حرکت جمعی ذرات یک تکنیک بهینه‌سازی است که بر اساس قوانین احتمال کار می‌کند و از حرکت گروهی پرندگان و ماهی‌ها هنگامی که دنبال غذا می‌گردند، الهام گرفته شده است. در این روش هر یک از ذرات سعی می کنند به سمتی حرکت کنند که بهترین تجربه‌های شخصی و گروهی در آن نقاط روی داده است. مشکل اصلی این مدل که در بسیاری از مسائل، به خصوص مسائل چند قله‌ای بروز می‌کند، مسأله گیر افتادن در بهینه‌های محلی است. در این مقاله یک مدل جدید بر اساس PSO به نام پیشنهاد PSO-LA می‌شود که در آن از یک اتوماتای یادگیر برای تنظیم رفتار ذرات و برقراری موازنه بین جستجوی سراسری و جستجوی محلی استفاده می‌شود. نتایج آزمایشات بر روی مسائل نمونه نشان داده‌اند که روش ارائه شده از عملکرد بهتری در مقایسه با مدل PSO استاندارد برخوردار است.

در این مقاله، روش جدیدی برای بهینه سازی سراسری توابع با متغیرهای پیوسته معرفی شده است. در این روش، جستجو در فضای ورودی از طریق انجام جستجوهای متوالی و متناوب بر روی صفحات حاصل از انتخاب دو بعد از فضای ورودی انجام می شود. در هرصفحه جستجو، تعدادی نقطه بر روی شبكه ای منظم قرار داده می شود و طی رویه ای تکراری، هر نقطه با توجه به مقادیر تابع در یکی از نقاط همسایه اش تحت تأثیر مجموعه‌ای از قوانین جذب و دفع قرار می‌گیرد. در پایان الگوریتم نیز، با انجام جستجوی محلی با استفاده از روش نلدر- مید نقطه بهینه مشخص می‌گردد. روش ارائه شده با بیش از ۲۰ نوع تابع آزمون استاندارد، بصورت موفقیت آمیز مورد آزمایش قرار گرفته است. نتایج آزمایشات انجام شده نشان می‌دهند که، از مزایای این كار نسبت به كارهای مشابه، قابلیت روش ارائه شده دریافتن نقاط بهینه سراسری در توابع با ابعاد بالا (بیش از ۳۰ بعد) است.

آموزش الکترونیکی بعنوان یک ابزار تازه، رفته رفته در جوامع بشری، جای رسانه‌های آموزشی را می‌گیرد. افزایش فرصت یادگیری برای یادگیرندگان، نگهداری و ثبت کیفیت یادگیری، امکان ماندن در خانه، کاهش هزینه‌های جانبی، قابلیت در دسترس بودن و امکان بهنگام سازی سریع مطالب آموزشی، از مزایای آموزش الکترونیکی هستند. بنابراین برای اینکه آموزش الکترونیکی، انتظارات را بر آورده سازد، مفاهیم و رسانه‌های آموزشی باید کار یادگیری را همزمان با فراهم کردن محیطی جذاب و ترغیب کننده برای یادگیرنده، به صورت ساده مشخص نمایند. برای رسیدن به این اهداف لازم است که معماری مشخصی برای شناسایی سیستم‌های مختلف آموزش الکترونیکی و زیر سیستم‌های آن‌ها و تعاملات بین زیر سیستم‌های آن‌ها و نیز خود سیستم با سیستم‌های بیرونی ایجاد گردد. در ضمن، در این معماری لازم است که اهداف سیستم و نقش عامل انسانی در آن به خوبی معلوم گردد. این مقاله مطالعه ای در مورد معماری‌های آموزش الکترونیکی می‌باشد که در آن تعدادی از معماری‌های موجود را از دیدگاه‌های مختلف، مورد بررسی و ارزیابی قرار گرفته است.

بسياري از کاربردهاي شبکههاي ميان ارتباطي به اطمينان پذيري و قابليت دسترسي بالايي نياز دارند. هر کامپيوتر بزرگ موازي نيازمند آن است که شبک ة ارتباط ياش، بدون از دست دادن بستههاي پيام، براي مدت زماني طولاني قادر به کار باشد . براي هر مسيرياب در شب کة اينترت، ميزان اندکي از گم شدن بست هها قابل قبول است، اما خود اين مسيرياب بايد در بيشتر زمان ها در دسترس باش د. شبکههاي ميان ارتباطي غالباً از صدها (يا هزارا ن) مؤلفه (مانند مسيريا بها، کانا لهاي ارتباطي، حافظ هها و اتصال دهندهها) تشکيل شد هاند که در مجموع نرخ خرابي بالايي را نسبت به ديگر کاربردها دارا هستند . بدين ترتيب، اين گونه شبکهها - با توجه به خرابي هاي گذرا و د ائمي هر مؤلفه- براي تداوم بي وقفه در عملکردشان بايد به مکانيزمهايي براي کنترل خطا مجهز بسياري از کاربردهاي شبکههاي ميان ارتباطي به اطمينان پذيري و قابليت دسترسي بالايي نياز دارند. هر کامپيوتر بزرگ موازي نيازمند آن است که شبک ة ارتباط ياش، بدون از دست دادن بستههاي پيام، براي مدت زماني طولاني قادر به کار باشد . براي هر مسيرياب در شب کة اينترت، ميزان اندکي از گم شدن بست هها قابل قبول است، اما خود اين مسيرياب بايد در بيشتر زمان ها در دسترس باش د. شبکههاي ميان ارتباطي غالباً از صدها (يا هزارا ن) مؤلفه (مانند مسيريا بها، کانا لهاي ارتباطي، حافظ هها و اتصال دهندهها) تشکيل شد هاند که در مجموع نرخ خرابي بالايي را نسبت به ديگر کاربردها دارا هستند . بدين ترتيب، اين گونه شبکهها - با توجه به خرابي هاي گذرا و د ائمي هر مؤلفه- براي تداوم بي وقفه در عملکردشان بايد به مکانيزمهايي براي کنترل خطا مجهز ،(Wormhole Switching=WS) ، سوئيچينگ مداري پايپ لاين (Pipelined Circuit Switching=PCS) و سوئيچينگ پيشاهنگي (Scouting switching) نوشته شده است. بدين منظور، به کمک يک برنام ة شبيهساز، هر سه اين روشها بر روي يک شبکة توري مدور (torus) با فرض وجود مؤلفه هاي معيوب شبيه سازي شدهاند.

گريد دانش يک محيط اتصالي هوشمند مي باشد که بر روي گريد محاسباتي ساخته مي شود تا ايجاد سازمان هاي مجازي را تسهيل نماي د. يکي از خصوصيات مهم محيط هاي مجازي پشتيباني تصميم گيري جمعي مي باش د. يکي از مشکلات روش هاي موجود اين است که نمي توانند محيط هايي را که تصميم گيران به صورت پويا اضافه و کم مي شوند را پشتيباني نمايند. در اين مقاله روشي جديد ارائه شده است تا بتوان تصميم گيران را به صورت پويا به محيط اضافه و يا از محيط حذف نمو د. ميزان صحت تصميم گرفته شده توسط هر تصميم گير به صورت موضوعي با در نظر گرفتن نظر ديگر اعضا مشخص مي گردد. ميزان اثر گذاري تصميم هر تصميم گير با در نظر گرفتن تصميمات گذشته اش به صورت تدريجي تغيير مي نمايد . با فرض اينکه هر تصميم گير يک مجموعه پاسخ فازي در پاسخ به يک مساله تصميم گيري توليد مي نمايدعملگري براي هم جوشي مجموعه تصميمات تصميم گيران پيشنهاد شده اس ت. هدف از هم جوشي بهبود کيفيت تصميم مي باشد . عملگرهم جوشي يک مجموعه جواب فازي توليد مي نمايد که تابعي از امکان درستي هر تصميم گير و مجموعه پاسخ فازيش مي باشد .

در اين مقاله به جای ساختارهای معمول متمرکز و يا سلسله مراتبی، ساختار تشخيص نفوذ کاملا توزيع شده مورد بررسی قرارگرفته است. در اين ساختار با استفاده از جزئی بنام عامل متحرک، اجزاءآناليز متمرکز حذف شده ان د . در اين زمينه سيستم هايی چون MA-IDS و Micael ،IDA ،AAFIDَ نيز برای کمک به توزيع شدگ ی ، در جمع آوری داد ه ازعامل های متحرک استفاده کرد ه اند ولی در آن ها آناليز داده های جمع آوری شده بصورت متمرکز میباشد. سيستم پيشنهادی MA-GrIDS با تکيه بر ساختار توزيع شده میتواند بر مشکلاتی چون محدوديت در قابليت اطمينان، توسعه پذيری و وجود نقطه شکست تا حد زيادی فايق آيد. پس از پياده سازی، از اين سيستم در تشخيص کر م های کامپيوتری به عنوان گونهای از حملات توزيع شده، استفاده شد و با انجام آزمايشات ، دو پارامتر تعداد سرکشی با توجه به تعداد بازر س های متحرک درهرزون و تأثير آن بر زمان تشخيص مورد بررسی قرارگرفت. هرچه که تعداد بازرس ی های موجود در هرزون بيشتر باشد، ميزان ترافيک شبکه افزايش پيدا م ی کند، اما زمان تشخيص نفوذ کاهش می يابد و بلعکس . باتوجه به اين مساله که اين دو پارامت ر (تعدادبازرسها وزمان تشخيص نفوذ) نسبت عکس با يکديگر دارند همچنين افزايش بيش از حد بازر س ها سبب ايجاد ترافيک و تداخل در کارشان م ی شود،حالتی را بايد پيداکرد که حاصلضرب اين دو پارامتر بهينه گردد.

مشکل بزر گی که امروزه در بار ه تصميم گيری ماشينی وجود دارد کارايی نامناسب سيستمهای تصمي مگيری کنونی است. يافت ههای علم ی اخير نشاندهنده اين مطلب است که عواطف، نق شی اسا سی در تصمي م گيری، ادراک و يادگير ی با زی م یکنند. در اين ميان، استرس جايگاه خاص ی داشته و بر عملکرد ذهن و کارا يی فيزي کی و ذهنی تاثيری بسزا دارد. تحقيقات نشان داده اند که فرآيند تصميم گيری تحت شرايط اضطرار با تصميم گيری در شرايط عادی و تجاری کاملا متفاوت است . در شرايط عادی تصمي مگيرنده گزينه های متفاوت را در نظر گرفته، نقاط قوت و ضعف هر يک را به دقت بررسی کرده و سپس تصميم م یگيرد. اما در شرايط اضطرار به علت محدوديت زمانی ناچار است در همان اولين قدم بهترين روش را انتخاب کند که اين انتخاب بر اساس تجرب هی وی و مطابق با شرايط موجود انجام می شود. بنابراين با کسب تجربه و بازيابی آن در شرايط اضطرار م ی توان کارايی سيستم را بالا برد و در چنين شرايطی تصميمی درست اتخاذ کر د. در اين مقاله به معرفي مدلی عاطفی برای تصميم گيری خواهيم پرداخ ت. در اين ساختار که از الحاق بخش تصميم گيری اضطراری به سيستم قبلی به دست می آيد، سيستم تا زمان بروز استرس به روند عادی تصمي مگيری خود ادامه می دهد اما به هنگام رخ دادن استرس بر اساس شرايط موجود، سيستم وارد بخش تصميم گيری اضطراری شده و بر اساس تجرب ه ی پيشين خود از وضعيت جاری، دست به همان کاری م ی زند که پيش از اين در آن تجربه انجام داده است. نتايج بدست آمده از تست اين مدل بر روی محيط شبي ه سازی نجات، نشان داده که بدون شک اين روش در مقايسه با روش پيشين کارايی بالاتری داشته و به طور ٢ امتياز بهبود يافته اند. همچنين در اين مدل در صورت بروز مشکل، سيستم قابليت تحمل خطا را داشته و کارايی را / متوسط نتايج کسب شده ٦ در حد مشخصی حفظ خواهد کرد.

وزن دهي ويژگي به عنوان يكي از تكنيك هاي پيش پردازش در حوزه طبقه بندي مستندات ، نقش بسيار مهمي در دستيابي به شاخص بندي با كيفيت بالا و در نتيجه دستيابي به طبقه بندي كننده خوب مستندات ايفا مي كند. در اين مقاله يك روش جديد براي وزن دهي ويژگي به نام TFCRF خاص حوزه طبقه بندي مسستندات ارائه مي شود كه در آن براي وزن دهي ويژگي ها علاوه بر توجه به چگونگي توزيع آنها در مستندات مختلف و مستن د ات كل م جموعه به چگونگي توزيع آنها در طبقات مختلف نيز توجه شده است . نتايج شبيه سازي نشان دهنده بهبود قابل توجهي در كارايي الگوريتم طبقه بندي كننده SVM با بكارگيري روش وزن دهي ويژگي ارائه شده جديد TFCRF در مقايسه با ساير رو ش هاي متداول وزن دهي ويژگي پياد ه سازي شده نظير روش هاي مبتني بر TF ، روش هاي مبتني بر IDF ، روش هاي تركيبي TFIDF و روش هاي خاص طبقه بندي بر روي مجموعه مستندات inex مي باشد.

مشکل عمده رو شهاي یادگیري مبتنی بر یادگیري تقویتی ، طولانی شدن زمان یادگیري در اثر افزایش ابعاد فضاي مسئله است . یادگیري تقویتی سلسله مر اتبی با تجزیه مسئله به اجزاي کوچ کتر سعی در حل چنین مشکلی دار د. در این مقاله نیز با تجزیه مسئله به اجزاي کوچک تر که آنها را رفتار می نامیم، از ساختارهاي BB به عنوان ساختارهاي سلسله مراتبی براي یادگیري رفتارها استفاده می شود و روشی براي تجدید توابع ارزش و تقسیم پاداش دریافتی پیشنهاد می شو د. در این روش دانش طراح بیشتر در ساختار کد می شود و مزایایی مانند سرعت بالاي همگرایی، روش هاي یادگیري سلسله مراتبی و کاهش فضاي حالت را با مزایاي سیستمهاي BB یکجا جمع می کنیم . به علاوه در چنین ساختاري قابلیت یادگیري خود ساخ تار نیز امکان پذیر است. نتایج شبیه سازي روي مسئله هدایت تاکسی، کارایی روش را بهتر نشان می دهد.

امروزه استفاده از سيستم ها ي پيکربندي مجدد زمان اجرا در حال گسترش است وليکن هزينه زماني پيکربندي براي ارسال فريمهاي پيکربندي به v گلوگاه اين سيستم ها م يباشد. پيکربندي جزيي يک راه حل مناسب براي کاهش اين هزينه است. در اين روش مي توان از شباهت ميان قالب هاي پيکربندي استفاده نمود و درصورت مناسب بودن شباهت ميان دو قسمت يك سخ تافزار، قسم تهاي مشترک مابين پيکربندي ها در FPGA را بدون تغيير گذاشته و بخ شهاي غير مشترك پيكربندي دوم را براساس پيكربندي قسمت قبل در FPGA نگاشت نمود. طراحي سنت زکننده مناسب براي پشتيباني از اين قابليت، عاملي موثر در افزايش کارايي اين سيستم ها م يباشد. سنتز الگوريت مها به دو قسمت سنتز رفتاري و سنتز منطقي تقسيم م يشود. در کارهاي گذشته تحقيقات مناسبي در زمينه بهبود سنتز منطقي اين سيستم ها شده است. هدف الگوريتم ارائه شده در اين مقاله بهبود سنتز کننده رفتاري سيست مها ي با قابليت پيکربندي جزيي م يباشد. دراين روش پيك ربندي FPGA با استفاده از شباهت ميان پيکربنديها، براساس سخت افزار پيکربندي شده مراحل قبل صورت م يگيرد. با اضافه کردن يک مرحله به مراحل سنتز رفتاري، سنتزکننده متناسب با اين سيست مها طراحي م يشود. نتايج حاصله بيانگر افزايش کارايي روش ارائه شده م يباشد.

در اين مقاله نوع جديدي از مدل شبكه ART براي پردازش ورودي هاي مختلط پيشنهاد مي گردد. بدين منظور مي بايست ساختار شبكه و الگوريتم يادگيري شبکه بگونه اي تغيير يابد كه بتواند وروديهاي از نوع مختلط را پذيرفته و خوشه بندي کند. به اين منظور تغييرات لازم پيشنهاد شده و الزامات و نتايج اين تغييرات از لحاظ رياضي و عملي بررسي شده است .از ميان تغييرات لازم، مهمترين تغيير انتخاب تابع شباهت مناسب به عنوان معياري براي اندازه گيری شباهت بين بردارهايي با اجزاي مختلط است، که در اينجا يک تابع مناسب پيشنهاد شده و مورد بررسي قرار گرفته است . در انتهاي مقاله نتايج آزمايش شبکه پيشنهاد شده براي خوش هبندي يک مجموعه از داده های فضايي-زماني ارائه شده است.