انجمن کامپیوتر ایران

خطا و عدم قطعیت یکی از همزادهای مجموعه‌های داده‌ای بوده و بطور همزمان در مرحله تولید و جمع‌آوری داده به‌وجود آمده و درمراحل بعدی استفاده از داده‌ها، انتشار یافته و رشد می‌نماید و نهایتاً نتایج و محصولات بدست آمده را متأثر می‌نماید. درسیستم‌های سنجش از دوری، به لحاظ نحوه عمکرد در آنها، بحث عدم قطعیت با شدت بیشتری مطرح می‌گردد. عدم قطعیت در داده‌های سنجش از دوری به طرق مختلف و توسط منابعی متنوع ایجاد می‌شوند. این عدم قطعیت محصولات تولید شده با استفاده از تصاویر سنجش از دوری، از قبیل نقشه موضوعی تولید شده در فرایند طبقه بندی را دچار خطا می‌نماید متصور سازی یا مدل سازی عدم قطعیت بسیار مناسب خواهد بود و می‌تواند فضای جدیدی را برای کاربران این تصاویر بکار گرفته شوند، بسیار مطلوب خواهند بود. از این رو در این مقاله سعی شده است، علاوه بر بررسی عوامل ایجاد کننده عدم قطعیت در نتایج طبقه‌بندی تصاویر سنجش از دوری، پارامترهایی برای اندازه‌گیری عدم قطعیت در نتایج طبقه بندی ارائه گردد. نتایج نشان می‌دهد که این پارامترها می‌توانند بعنوان معیارهای جدیدی برای ارزیابی طبقه بندی‌ها کننده ها علاوه بر صحت و اعتبار مطرح گردند.

هدف از این مقاله ارائه یک الگوریتم برای داده‌كاوی است. این الگوریتم Ant-Miner (داده‌كاوی براساس کلونی مورچه ها) نام دارد. هدف ازAnt-Miner استخراج قواعد طبقه‌بندی از پایگاه‌ داده‌ها است. Ant-Miner از ترکیب مفاهیم کلونی مورچه‌ها و اصول داده‌كاوی حاصل شده است. تحقیقات اخیر نشان داده است كه الگوریتم‌های بهینه سازی به روش کلونی مورچه‌ها بطور موفقیت آمیزی در حل مسائل بهینه‌سازی تركیبی قابل استفاده هستند. هدف ما در این مقاله ارزیابی وتحلیل نسخه‌های مختلفAnt-Miner و بررسی نحوه طراحی و تولید نسخه‌های جدید ازAnt-Miner است که نسبت به نسخه‌های قبل از عملكرد بهتری برخوردار است. ما Ant-Miner ارائه شده را با نسخه قبل بر روی دو مجموعه داده مقایسه کرده‌ایم، نتیجه این مقایسه نشان می‌دهد که دقت قواعد كشف شده در نسخه جدید بیشتر از دقت قواعد تولید شده در نسخه قدیم است.

هدف الگوریتم‌های یادگیری افزایشی در شبكه‌های چند لایه پرسپترونی، حفظ نتایج فازهای آموزشی قبلی و بهبود عملكرد شبكه با آموزش انحصاری آن بر روی نمونه‌های جدید است. الگوریتم‌هایی كه تاكنون برای یادگیری افزایشی در یك شبكه چند لایه پرسپترونی پیشنهاد شده‌اند قابلیت تعریف كلاس‌های جدید را در اختیار نمی‌گذارند. در این مقاله الگوریتمی برای یادگیری افزایشی در شبكه‌های چند لایه پرسپترونی مورد بررسی قرار می‌گیرد كه این نقطه ضعف را رفع كرده است. این الگوریتم از تركیب افزایشی تعدادی شبكه یادگیر ضعیف كه هریك مربوط به تعدادی از نمونه‌های آموزشی است كه در طول زمان به سیستم ارائه شده اند، یك شبكه یادگیر قوی می‌سازند و قابلیت پذیرش كلاس‌های جدید معرفی شده توسط نمونه‌های تازه وارد را نیز دارا می‌باشند. در اینجا تاثیر پارامترهای مختلف بر میزان كارایی الگوریتم مورد بررسی قرار گرفته و بوسیله نتایج بدست آمده، عملكرد الگوریتم مورد تحلیل قرار خواهد گرفت. به علاوه سه راه برای بهبود عملكرد چنین الگوریتمی پیشنهاد شده است. نتایج حاصل از پیاده سازی‌های صورت گرفته، حاكی از موفقیت این روش‌ها در بهبود عملكرد الگوریتم نسبت به نسخه اصلی می‌باشد تا جایی كه استفاده همزمان از این روش‌ها منجر به كاهش پنجاه درصدی خطا نسبت به نسخه اصلی الگوریتم گردیده است.

جایگزین کردن واحدهای عملیاتی یک پردازنده قابل توسعه با واحدهای عملیاتی قابل بازپیکربندی می‌تواند هزینه تولید و زمان ارائه به بازار را بطور چشمگیری کاهش دهد. بعلاوه افزون بر کاهش هزینه تولید، این پردازنده قادر به اجرای دستورات سفارشی بیشتری نیز خواهد بود. در این مقاله یک معماری ناهمگون برای واحدهای عملیاتی قابل بازپیکربندی در پردازنده‌های قابل توسعه ارائه شده است. نتایج آزمایشات نشان می‌دهد که در مقایسه با معماری پیشین، معماری ارائه شده از تعداد زیادی دستورالعمل سفارشی پشتیبانی می‌کند. بعلاوه این معماری قادر است زمان اجرای یک دستورالعمل سفارشی را بین ٢٠ تا ٤٠ درصد بهبود دهد.

در این مقاله الگوریتم جدیدی با الهام از روش‌های مبتنی بر معادلات نفوذ گرما برای کاهش نویز تصاویر ارائه می‌شود که از ویژگی‌های مهم آن حفظ لبه‌ها در تصاویرمی‌باشد. این الگوریتم بر این اصل استوار می‌باشد که روشنایی لبه‌های موجود در تصاویر واقعی به تدریج تغییر می‌یابد. بر این اساس در حل عددی معادلات نفوذ گرما به منظور حفظ لبه‌ها، لازم است همسایگی‌هایی با عمق بیش از یک پیکسل در نظر گرفته شود. در روش پیشنهادی علاوه بر لبه‌های افقی و عمودی چهار لبه اریب نیز در ساختار همسایگی در نظر گرفته می‌شود تا لبه‌های موجود در تصویر را بهتر حفظ نماید. این الگوریتم بر روی تصاویر استاندارد مختلف آزمایش شده است و عملکرد آن با عملکرد الگوریتم‌های موجود مورد مقایسه قرار گرفته اند. نتایج نشان می‌دهد که روش ارائه شده در این مقاله، نسبت به روش‌های موجود، علاوه بر حذف نویز در حفظ لبه‌ها از عملکرد بهتری برخوردار است.

كنترل ازدحام در شبكه هاي كامپيوتري مبتني بر TCP امروزه از اهميت بالايي برخوردار مي باشد و با ورود مهند سي كنترل به اين حيطه زمينه مساعدي براي بهبود عملكرد اي ن شبكه ها فراهم شده است . مديريت فعال صف (AQM) به عنوان يك كلاس از دورانداختن يا علامت گذاري بسته ها در صف مسيرياب ها راه حلي در كنترل ازدحام انتها به انتها در شبكه هاي TCP به شمارمي رود. در اين مقاله بوسيله مد ل رياضي جريان سيال TCP-Westwood و ساده سازي و تخمين پارامتر نسبت بازشدگي پنجره سعي بر اين است ك ه ديناميك هاي مختلف مسأله ازدحام جداسازي شده و با كمك پارامترهاي كنتر لگر PI كه قبلا در مورد TCP-Reno به دست آمده اند كنترلگر PI براي TCP-Westwood تنظيم شود . در پايا ن درستي نتايج به كمك نرم افزار شبيه ساز شبكه ( 2(NS بررسي شده و نشان داده شده است كه الگوريتم كنترلي ارائه شده عملكرد بهتري نسبت به الگوريتم قديمي تر RED به منظور تنظيم طول صف دارد.

اجراي برنام ه هاي موازي MPI بر روي سيستمهاي كلاستر و گري د معمولاً در معرض خطر خرابي سيستم و يا شبكه مي باشد. لذا استفاده از پياد هسازيهاي تحمل پذير در برابر خرابي در اين گونه سيستمها امري اجتناب ناپذير اس ت. دو دسته از روشها براي تحم لپذير ساختن اين گونه سيستمها به كار مي رود كه يكي مبتني بر checkpoint گرفتن از حالت پروسه هاي در حال اجرا و ديگري مبتني بر ثبت وقايع مي باشد.عيب روش ثبت بدبينان ه وقاي ع مبتني بر فرستنده كه در دسته دوم قرار م يگيرد حجم زياد پيامهايي است كه بايد در حافظه فرار نگ هداري شوند. در اين مقاله ما براي رفع مشكل ذكر شده روش checkpoint هماهنگ از محتوي پيامها (CCMP) را ارائه كرد هايم. نتايج آزمايشات دلالت بر كاهش زمان اجر ا در روش پيشنهاد ي براي برنام ه هاي سنجش NPB در محيطهاي بدون خرابي و داراي خرابي دارد.