انجمن کامپیوتر ایران

شيوههاي محاسباتي ماشيني در پردازش زبان بيشتر منحصر به روش هاي با مربي است و به دليل کارايي و جوابهاي دلسرد کننده- اي که مکررًا از روشهاي بد ون مربي بدست م يآيد بر دادههاي دستيساز تکيه دارد. اين درحاليست که روشهاي استنتاج گرامر بدون مربي بسيار مفيد هستند، چرا که متون تجزيه شده دستي تنها براي تعداد کمي از زبان ها موجود ميباشند. به هرحال با اينکه مسئله يادگيري نحو زبان از ميان متون خام، توجه زيادي را درحدود يک دهه به خود اختصاص داده است، نتايج کمي در بر داشته است. در اين مقاله، روشي بدون مربي جهت استخراج گرامر زبان فارسي ارائه خواهد ش د. اين روش با استفاده از الگوريتم هاي ژنتيک و بهر هگيري از الگوريتم درون -بيرون جهت توليد جمعيت اوليه، کار م يکند. مزيت الگوريتمهاي ژنتيک در اين پروژه خروج از بهينههاي محلي به کمک عملگر جهش، و مشکل آن حجم بالاي محاسبات درصورت استفاده از جمعيت اوليه تصادفي اس ت. از طرف ديگر الگوريتم درو ن-بيرون با اينکه مشکل بهينه محلي دارد مي تواند گرامرهاي ابتدايي را که بسيار برتر از گرامرهاي تصادفي هستند ارائه ده د. نتايج آزماي شهاي انجام شده در دو زمينه فارسي و انگليسي برتري آشکار اين روش را نسبت به عموم روش هاي بدون مربي نشان ميدهد.

ارزيابي امنيت ي الگوريتم هاي رمز قطع ه اي از طريق مقاومت آنها در مقابل حملات شناخته شد ه، صورت م ي گيرد. يکي از مهمتر ين حملات، تحليل خطي ميباشد. يافتن يک مشخصه خطي مناسب قسمت بسيار مهمي از اين حمله است. در اين مقال ه، بازنمايي تقريبات خط ي الگوريتم رمز معماگ ر با يک گرا ف مطرح م يشود. اين مد ل، فضاي تمامي تقريبات خطي الگوريتم رمز را به صورت يك گراف چندسطحي وزن دار يکطرفه نشان م ي دهد، بطوريكه مسئله يافتن بهترين مشخصه خطي الگوريتم رمز متناظر با يافتن كوتاهترين مسير گراف است. جهت بدست آوردن گراف نمايش تقريبات خطي الگوريتم رمز معماگر، در ابتدا گراف متناظر با هر جز از الگوريت م رمز بدست آورده م يشود. سپس با تعريف توابع الحاق و تقسيم، ترکيب موازي و متوالي اجزا يک دور از الگوريتم رمز تعريف م يشود و گراف متناظر با هر دور ساخته مي شود. در آخر گراف متناظر با تق ريبات خط ي كل الگوريتم رمز با توجه به دو ساختار SPN و شبه DES موجود در الگوريتم رمز معماگر بدست آورده م يشو د. در انتها چگونگي بكارگيري شيوه بهين هسازي اجتماع مورچه ها جهت جستجوي مشخص ه هاي مناسب بر روي گراف تقريبات خطي الگوريتم رمز معماگر شرح داده و نتايج بدست آمده ارائه م يشود.

با توجه به نياز کاربران به بازپيكربندي دستگاه تلفن همراه خود براي استفاده از پروتکلها و نرمافزارهاي جديد، موضوع بازپيکربندي اين دستگاهها بصورت جدي مورد توجه قرار گرفته است. واکشي و نصب نرمافزار از طريق ارتباط راديويي، عمل بازپيکربندي دستگاه را در شبکه بيسيم تسهيل نموده است. به جهت محيط ارتباطي باز و راديويي، مسأله واکشي و نصب نرمافزار درست و مطمئن روي دستگاه كاربر اهميت بيشتري مييابد. براي پاسخگويي به اين مسأله، در اين مقاله يك مدل ارتباطي پيشنهاد شده است كه در آن يک آژانس بيمه نرمافزاري، ميتواند نرمافزار مورد نياز كاربر را از لحاظ اطمينان، كنترل و صحت آن را تضمين نمايد. تحليل ارائه شده در اين مقاله نشان ميدهد كه هزينه بالاسري اين آژانس در شبکه ارتباطي مي تواند قابل قبول باشد.

Tiling transformation is widely used to efficiently execute loops on parallel architectures. Automatic code generation for tiled loops can be a very complicated compiler work due to non-rectangular tile shapes and arbitrary iteration space bounds. A wave-front approach can simplify code generation for tiled loops. In this paper wave-fronts are applied to generate code for multi-dimensional irregular tiled loops. Also, an improved block scheduling strategy is presented to exploit wave-front parallelism for multi-dimensional tiled spaces. Experimental results show that the proposed scheduling strategy outperforms likely most currently implemented strategies.

In this work, Scanner was used for predicting textile fabrics color by relationship between devicedependent color space and the device independent CIE color spaces. The scanner was characterized by polynomial regression. The method adopted in the paper through several test experiments consists of a non-linear filtering applied to the scanner RGB values and a polynomial regression function directly applied to the CIELAB space.

In several previous studies it has been shown that the generalization capabilities of humans through concept learning is reminiscent of Bayesian modeling. When discriminating concepts from one another, human subjects tend to focus on the relevant features of the subspace and ignore the irrelevant ones. In this paper we propose a Bayesian concept learning paradigm that utilizes unrestricted Bayesian networks to learn the required concepts for optimal decision making. This approach has several beneficial characteristics that a concept learning algorithm should hold. At first it can both learn form observing an expert performing the desired task and from its own experience while carrying it out. Secondly, it is a close and computationally feasible approximation to the Bayesian modeling capabilities of humans. Thirdly, the Markov blanket surrounding the decision variable can render the irrelevant features independent and therefore this approach can ignore them seamlessly from the feature subspace. The simulation and experimental results are promising and show that our approach can successfully extract the required temporally extended concepts for a mobile robot task.

In this paper, noise reduction performance of the Generalized Side-lobe Canceller (GSC) algorithm and its performance degradation under reverberant environments are briefly reviewed. An acoustic echo canceller (AEC) is employed as a pre-processor for GSC noise reduction algorithm in order to improve the noise reduction performance of the GSC especially in highly reverberant environments where GSC alone fails to work properly. The proposed AEC-GSC algorithm consists of an AEC pre-processor, which includes Segment Variable Stepsize Proportionate Normalized Least Mean Square (SVS-PNLMS) algorithm recently proposed, and the GSC noise reduction algorithm. The performance of both AEC-GSC and GSC alone is evaluated through computer simulations, using real speech recordings in reverberant room environment. Through different computer simulations it is demonstrated that the proposed AEC-GSC structure performs better than GSC alone in terms of speech distortion parameters and ERLE. It also presents a better tracking behavior between the pause intervals during a speech signal due to using the SVS-PNLMS algorithm in its AEC section.

As the designs get more complex, more sophisticated verification methodologies are required. At higher levels of abstraction, design and verification methodologies are required to minimize the cost of electronic product design. In this paper we integrate an assertion-based verification methodology with our objectoriented system-level synthesis methodology. Functional and performance assertions, based on Property Specification Language (PSL) and Logic of Constrains (LOC) are written during design process. Trace checkers are automatically generated to validate particular simulation runs or to analyze their performance characteristic(s). Following the case study, we demonstrate that the assertion-based verification is highly useful for both functional and performance system-level verification.

Threshold setting methods are one of the most important tasks in any speaker verification system. Equal Error Rate (EER) and Minimum Error Rate (MER) criteria are usually used for performance evaluation in speaker verification systems. It is important to know that EER and MER are two a posteriori methods for decision threshold estimation and can not be used in real world applications. In real world applications decision thresholds should be determined a priori, i.e. a validation phase is needed to conduct some inter-speaker and intra-speaker verification tests and to use obtained distances or likelihoods for estimation of a priori decision thresholds. In this paper, we present a least square error based method for calculation of parameters which we need to estimate decision thresholds. For this we use means and variances of inter-speaker and intra-speaker distances and estimate necessary parameters for calculating decision thresholds. The proposed method leads to an optimum a priori estimation of decision threshold values.

Letter To Sound (LTS) is one of the necessary modules in a modern Text To Speech (TTS) system. In this paper Classification and Regression Trees (CART) are used for Farsi Letter to Sound conversion. LTS CART tree is trained using parameters extracted from training text. This tree is then used for determining phone sequence of those words whose phonetic transcription do not exist in TTS lexicon. For evaluation of the LTS technique, different Farsi databases including words and their phonetic transcriptions are used. A LTS performance of 70% was obtained. A good selection of training database and an appropriate coverage of Farsi phonetic features are important aspects for obtaining a good system for Farsi LTS.

الگوریتم ممتیک نمونه اي از الگوریتمهاي تکاملی است که براي حل یک مسأله بهینه سازي، با افزودن جستجوي محلی به یک الگوریتم ژنتیک، منجر به دستیابی به پاسخهاي بهتر در زمان کمتر میشود. برنامهریزي دروس دانشگاهی نیز از جمله مسایل بهینه سازي با فضاي جستجوي بسیار بزرگ است که به دلیل تأثیر عوامل متعدد، تحقیقات گسترده اي را به سوي خود معطوف داشته است. در این مقاله، با ارایه یک الگوریتم ممتیک ابتکاري، نشان داده شده است که میتوان براي دستیابی به پاسخ بهینه مسأله برنامهریزي دروس به CMAC دانشگاهی در زمان کوتاه تر، از مدل محاسباتی مخچه منظور به دست آوردن احتمال اجراي عملگر جهش، استفاده نمود. نتایج حاصل از مقایسه الگوریتم ممتیک ابتکاري با الگوریتم سنتی تأیید کننده این مطلب است.

در این مقاله ، رویکردی مبتنی بر اتوماتاهای یادگیر برای یافتن استراتژی غالب در بازی های blotto ارائه می گردد. اهممیت این دسته از بازی ها در تئوری بازی از دو جهت است. اولا این بازیها در دنیای واقعی برای مدل سازی فرآیندهایی به کار می روند که در آن ها برای غلبه بر حریف ، نیاز به توضیع بهینه منابع محدود بین چندین کار وجود دارد. ثانیا رویکردی که در این بازی ها برای یافتن استراتژی غالب مورد استفاده قرار می گیرد را می توان برای مدل کردن هر فرآیند چند عامله رقابتی دیگر که دارای استراتژی غالب برای هر یک از عامل ها می باشد به کار برد.با دانستن استراتزی غالب می توان تضمین کرد که عامل، همواره سودی بیشتر یا مساوی با سایر عوامل به دست خواهد آورد.در روش پیشنهادی در این مقاله ، هر یک از بازیگران دارای یک اتوماتای یادگیر می باشد که از آن، برای یادگیری و تصمیم گیری در مورد انتخاب اعمال کمک می گردد. آزمایشات انجام شده نشان می دهند که با استفاده از این روش، استراتژی بازیکنان مجهز به اتوماتای یادگیر به تدریج به استراتژی غالب همگرا شده و این بازیکنان قادر به یافتن بهترین حالت تقسیم منابع و برد در بازی خواهند بود.

در این مقاله به بررسی و مقایسه روش های ارزیابی وب سرورها با استفاده از ابزارهایی که بدین منظور تهیه شده است، پرداخته شده و سعی شده تا نحوه کار این ابزار ها و روش هایی که آنها به کار می برند مورد بررسی قرار داده شود. از آنجا که هیچ یک از ابزار های ارزیابی وب سرور ها از تمامی روشهای موجود پشتیبانی نمی نمایند، ما اقدام به ایجاد ابزاری به نام WebserverBenchmark نموده ایم که از کلیه روشهای ارزیابی وب سرور ها پشتیبانی می نمایدو در این مقاله ضمن معرفی این ارزیاب و تشریح قسمت های مختلف آن، نتایج حاصله از چهار روش اصلی ارزیابی وب سرورها توسط این ارزیاب، مقایسه و تحلیل می گردد

استفاده از روشهاي ابهام زدايي معنايي واژگان براي ترجمه پرس و جوها و استفاده آنها در سيستمهاي بازيابي اطلاعات بين زباني ميتواند به بالا بردن ميزان دقت اين سيستمها كمك كند. در اين بررسي يكي از روشهاي آماري در زمينه ابهام زدايي معنايي واژگان، كه بر اساس فرهنگلغت و پيكره متني بدون برچسب است، براي اين منظور بكار گرفته شده است. زبان مبدا انگليسي مي- باشد كه پرس و جوها با استفاده از روش فوق به زبان فارسي ترجمه شده و در نهايت براي بازيابي اطلاعات به موتور جستجوگر داده ميشوند. براي ارزيابي اين راهكار نتايج بدست آمده براي ترجمه پرس و جوها و همچنين ترجمه انساني آنها مورد بازيابي قرار گرفتهاند كه نشان دهنده كارايي و دقت خوب روش مذكور ميباشد.

یک شبکۀ ad-hoc مجموعه ای از نودهای موبایل می باشد که با امواج رادیویی با هم ارتباط برقرار می کنند . این شبکه ها به هیچ ساختار از قبل تعیین شده یا مدیری ت مرکزی نیاز نداشته وتمامی نودها بعنوان مسیریاب عمل می کنند. این روزها موضوع مقیاس پذیری شبکه های Ad-hoc توجۀ برخی را بخود جلب کرده است . مقیاس پذیری بسیاری از پروتکلهای مسیریابی on-demand بدلیل افزایش جمعیّت نودها وحرکت در شبکه محدود شده است. دراین مقاله یک الگوریتم مسیریابی on-demand برای شبکه ه ای MANET ارائه می شود که هدف اصلی آن ایجاد الگوریتمی با مقیاس پذی ری بالا می باشد . اثر اندازۀ شبکه (تعداد نودها ) ، حرکت نودها و ترافیک داده روی کارایی الگوریتم پیشنهادی و الگوریتم های پایه ای که در ایجاد این الگوریتم از آنها استفاده شده است، مطالعه ونتایج شبیه سازی آنها با هم مقایسه می گردند . نتایج شبیه سازی بیانگر کارایی بیشتر الگوریتم پیشنهادی نسبت به الگوریتم های استاندارد موجود می باشد.

كاهش نويز تصاوير يكي از مراحل بسيار مهم در اكثر كاربردهاي پردازش تصوير مي باشد هدف در اكثر روشها والگوريتم هاي پردازش تصوير حفظ ساختار تصوير، مانند ناپيوستگي ها و لبه هاي موجود در آن مي باشد . استفاده از معادلات با مشتقات جزيي براي بازسازي تصاوير در سالهاي اخير مورد توجه بسيار ي از محققين و پژوهشگران قرار گرفته است . در اين مقاله با استفاده از معادلات با مشتقات جزيي و مفهوم تصوير پيكسوني، نويز اسپكل را با حفظ جزئيات تصوير بصورت بهينه ح ذف مي نماييم ايده اصلي در اين روش جاگذاري معادلات نفوذ در يك مدل تصوير پيكسوني مي باشد اين الگوريتم بر روي تصاوير مختلف آزمايش شده است و عملكرد آن با عملكرد الگوريتم هاي موجود مورد مقايسه قرار گرفته است نتايج نشان مي دهد كه روش پيشنهادي در اين مقاله، نست به روشهاي موجود، علاوه بر حذف نويز در حفظ لبه و بهيود كيفيت از عملكرد بهتري برخوردار است.

در اين مقاله روشي براي بازشناسي ساختاري عبارات رياضي چاپي ارائه شده است . ابتدا براي هر عبارت رياضي، نمادهاي موجود، جداسازي و استخراج شده و سپس با استفاده از يك روش تركيبي مبتني بر طبقه بندي سلسله مراتبي و تطابق الگو بازشناسي مي شوند. مرحله ي بعد بازشناسي ساختاري عبارات است . در اين مقاله از يك روش جديد مبتني بر گراف براي بازشناسي ساختاري عبارات ري اضي استفاده شده است . در اين روش ابتدا نماد آغازين عبارت تشخيص داده شده و سپس با توجه به موقعيت هاي نسبي ساير نماده ا، خط اصلي عبارت شناسايي مي گردد و با توجه به آن شبكه اي تشكيل مي گردد كه در اين مقاله، گراف اتصالات مجازي نماده ا ناميده شده است. در نهايت با استفاده از پيمايش بازگشتي اين گراف كد زبان TEX عبارت رياضي استخراج مي شود. پس پردازش هايي نيز براي مقابله با خطاها و افزايش نرخ بازشناسي ارائه شده است . در اين مقاله عبارات رياضي يك خطي مد نظر است و عباراتي كه شامل چند خط هستند مانند ماتريس ها در نظر گرفته نشده است . نتايج تجربي نرخ بازشناسي 94/63% را براي مرحله ي بازشناسي نماد و 98/44% را براي مرحله ي بازشناسي ساختار نشان مي دهند.

افزايش طول عمر به عنوان مهمترين محدوديت در شبكه هاي حسگر بي سيم از اهميت بسيار بالايي برخوردار است. هدف اصلي اين مقاله ارائه يك پروتكل مسيريابي جديد آگاه از انرژي و با مصرف كاراي انرژي است به نحوي كه سبب افزايش طول عمر در شبكه هاي حسگر بي سيم چندگامي با ارتباطات غير قابل اطمينان گردد. اين پروتكل در راستاي انتخاب مسير بهينه شبكه براي هر منبع داده از پارامتري به نام تاخير انتشار بسته مسيريابي در هر گام استفاده مي كند. اين تاخير تابعي از چهار عامل است كه به طور اساسي طول عمر شبكه را تحت تاثير قرار مي دهند. در واقع نكته كليدي در فرموله كردن تاخير انتشار آن است كه اين تاخير علاوه بر پارامتر معين گره (انرژي گره) به پارامترهاي معين لينك (نرخ خطا و انرژي مصرفي روي لينك ارتباطي) نيز وابسته است. همچنين اين پروتكل مشكل استفاده از گره هاي مشترك را نيز در محاسبه تاخير انتشار در نظر مي گيرد. نتايج شبيه سازي بهبود چشمگير ميزان طول عمر شبكه حسگر بي سيم را نشان مي دهد.

مسئله انتخاب بهينه سبدسهام يکي از مسائل غيرچندجمله اي (NP) است. در گذشته با استفاده از تکنيک هاي مطرح شده در الگوريت مهاي تکاملي، ژنتيک، تبريدتدريجي و شبکه عصبي اقدام به حل اين مسئله کرد هاند. اما تاکنون الگوريتم دقيقي براي حل آن ارائه نشده است. در اين مقاله روش جديدي پيشنهاد شده است که با ترکيب الگوريتم ژنتيک و تبريدتدريجي مسئله انتخاب بهينه سبدسهام را با دقت و سرعت بيشتري حل مي کند. در روش پيشنهادي درهرنسل فرزندان توليد شده توسط عملگرهاي ژنتيک بر پايه معيارهاي تبريدتدريجي بررسي و پذيرش مي شوند که سبب جلوگيري از همگرايي به بهينه محلي در نسل هاي ابتدايي ، کاهش ميزان جستجوهاي بي هدف در نسل هاي پاياني و افزايش سرعت همگرايي مي شود. براي بررسي صحت عملکرد، روش ارائه شده بر روي داده هاي ٤ بورس معتبر دنيا آزمايش شده است و با جبهه پرتو استاندارد مقايسه شده است. نتايج، بهبود سرعت و دقت همگرايي رسيدن به پاسخ را نشان مي دهد.

هدف از خوشه بندي متون تقسیم بندي مس تندات به یک یا چند خوشه بر اساس محتویات موجود در متن آن است که از ابزارهاي مهم در حوزه پردازش زبان هاي طبیعی به شمار می آید . خوشه بندي متون در ابزارهایی مانند موتورهاي جستجو و سیستم پاسخگویی به سوالات کاربرد هاي فراوانی دارد . روشهاي مختلفی براي خوشه بندي موضوعی متون وجود دارد که استفاده از مدل احتمالاتی بیزین یکی از متداولترین روش ها به شمار می آید. در این مقاله گزارشی از بکارگیري این روش در خوشه بندي متون فارسی ارائه میشود و سپس از ترکیب این روش با ایده نگهداري کلمات هماورد 1 کیفیت الگوریتم بهبود داده میشود. استفاده از این ایده بر روي 200,000 متن خبري از منابع خبرگزاري جمهوري اسلامی ایران (ایرنا ) توانسته است میزان دقت خوشهبندي در زبان فارسی را به 87 % افزایش دهد.