انجمن کامپیوتر ایران

دانستن مدل تحرك يك شبكة موردي سيار مي تواند در ارزيابي كارايي آن تأثير بسزايي داشته باشد . پژوهشهاي زيادي براي به دست آوردن مدل هاي مختلف تحرك گر ه ها 4 در شبكههاي موردي سيار انجام شده است. پژوهشهاي ديگري نيز براي ارزيابي كارايي شبكه هاي موردي سيار بر اساس مد ل هاي تحرك شكل گرفته اند. اما اكثر پژوهشهاي اخير فرض را بر اين نهاد ه اند كه مدل تحرك ش بكه مشخص است و بر اساس اين فرض اوليه به ارزيابي كارايي شبكه پرداخته اند. با توجه به اينكه در كاربردهاي واقعي هميشه مدل تحرك شبكه در دست نم ي باشد و يا ممكن است كه مدل تحرك شبكه با گذشت زمان تغيير كند، لذا نياز به ارائه روشي براي تشخيص يا تخمين 5 مدل تحرك شبكه حس مي شود. در اين مقاله روشي ارائه شده است كه ميتواند مدل تحركيك شبكة موردي سيار را با استفاده از الگوريتمهاي يادگيري ماشين تخمين بزند تا بر اساس آن ارزيابي كارايي شبكه صورت گيرد.

با توجه به کاربرد فراوان سیستم هاي دسته بن دي در علوم مختلف از جمله تشخیص طبی، تاکنون انواع مختلفی از روش هاي دسته بندي با ساختار و عملکردهاي گوناگون ارائه شده اند . یکی از رو شهاي ر ایج، روش هاي دسته بندي فازي مبتنی بر قانون میباشند که مزیت مهم آنها در توصیف پذیري اس ت. یکی از مشکلاتی که بسیاري از روش هاي فازي مبتنی بر قانون دارند، این است که د ر مسائل با ابعاد ز یاد، تنها قوانین با تعداد مقد م 1 کم را م یتوانند تولید کنن د(تولید تمام تر کیبات ممکن غ یر ممکن است ). در بخش نخست از این مقاله ، با بکار گرفتن مفاهیم ی از داده کاو ي، م یتوانیم قوانین خوب با ابعاد مختلف و تعداد مقدم دلخواه را تولید کرده و به عنوان قوانین کاندید انتخاب کنی م. در گام بع د، با استفاده از تحلیل R.O.C ، وزن هایی به قوانین منتسب می کنیم تا بر اساس آنها عملکرد گروهی مجموعه قوانین در فرایند دسته بندي بهینه باشد . هدف ما در این مقاله بررس ی این موضوع است که آیا با داشتن حجم گسترده تر ي از قوا نین فاز ي (ترکیب قوا نین با ابعاد پا یین و بالا ) و انتساب وزن مناسب به آنها میتوان دقت ی ک دسته بند فازي را بالا برد؟ براي ارزیابی سیستم دسته بند ساخته شده، عملکرد آن را بر روي چند مورد از مجموعه داده هاي مربوط به پزشکی مورد آزمایش قرار دادی م. نتایج آز مایش ها نشان می دهد که دسته بند ارائه شده بر رو ي ترک یبهاي بیشتر، دقت بهتري داشته است و در اکثر موارد با افزایش ابعاد قوانین تولیدي، دقت سیستم نیز بهبود مییابد.

در قلب فرآیند معماري سازمانی مرحل ه اي به منظور تنظیم چارچوب معماري سازمانی براي دست ه بندي مدل ها و فرآورده هاي تولید شده وجود دارد . تیم معماري سازمانی در انتخاب و تنظیم چارچوب معماري در مراحل آغازین تدوین معماري سازمانی نیاز به دانستن نحوة عملکرد سازمان و برخی خصوصیات سازمان دارد . گاهی اوقات این شناخت کامل نبوده و منجر به شکست پروژه معماري سازمانی خواهد شد . تنظیم چارچوب معماري، علاوه بر این شناخت، نیاز به در نظر گرفتن معماري وضع مطلوب سازمان نیز دارد، چرا که محصولاتی که در معماري وضع مطلوب ایجاد می شوند باید در چارچوب دسته بندي و مشخص شوند. در این مقاله با بررسی مشکلات تنظیم چارچوب معماري، را هحلی مبتنی بر سبک معماري سازمانی ارائه گردیده است . تیم معماري با شناخت از سبک هاي معماري سازمانی می تواند براي توسعه معماري وضع مطلوب از آنها استفاده نمای د. معمار م یتواند با تاکید بر روي خصوصیت یا خصوصیات خاصی از معماري با توجه به سند راهبردي فناوري اطلاعات، ابعاد سازمانی و نیز استفاده از سبک هاي موفق دیگر سازما ن ها، معماري وضع مطلوب را توصیه نماید . همچنین، با تاثیري که سبک بر روي چارچوب معماري سازمانی دارد و در این مقاله نیز نشان داده شده است، می توان از آنها براي تنظیم چارچوب معماري استفاده نمود . استفاده از سبک در فرآیند تدوین معماري سازمانی منجر به استفاده از تجربیات قبلی معماري سازمانی، کاهش زمان فرآیند معماري، تناسب محصولات و فرآورده هاي معماري با نیازهاي سازمان و تنظیم بهتر ساختارهاي اولیه معماري می شود.

يکی از مسائ لی که در استخراج دان ش در منبع داد ههای مختلف وجود دارد اين مسأله است که منابع ی که حا وی دادههايی با مفاهيم يکسان هستند، بت وانند از مدل دادههای همديگر برای مواردی همچون بالا بردن دقت پيش بينیهای خود استفاده نمايند و نيز به دستهای از قواعد و رواب ط موجود بين دادهها که در منبع داده محلی نيز صادق است اما بدليل نحوه توزيعشدگی دادهها امکان کشف آنها در منبع محل ی وجود ندار د، دس ت پيدا کنن د. اما در بسيا ری از اوقات، بدليل متفاوت بودن شما ی مجموعه دادههای اين منابع از يکديگر با وجود اينکه حاو ی داد ههايی با مفاهيم يکسان هستند امکان استفاده از مدل دادههای يکديگر وجود ندارد. در اين مقاله روشی بر ای مجتم عسازی مدل داد ههای منبع داد ههای مختلف با شماه ای متفاوت و قابل استفاده نمودن اين مد ل داد هها برا ی استفاده در يک منبع داده ديگر ارائه شده است و مراحل پياده سازی و نيز تست آن بر روی يک مجموعه داده آزمايشی شرح داده شده است و مشکلات موجود در اين زمينه مورد بررس ی قرار گرفته است و در نهايت با توجه به پتانسيل عامل و سيستمهای چن د- عامله، استفاده از عامل در جهت حل اين مشکلات مورد بحث قرار گرفته است.

This article will introduce a location estimating method for prediction of the behavior of a mobile robot and its position errors after tracking various paths. Firstly, different controllable parameters were investigated by a statistical method and those which are absolutely effective were employed as the inputs for artificial neural network. Afterward, more tests were implemented for providing training data for the connectionist. Finally, the performance of the neural networks was studied by new set of data.

در اين مقاله يك الگوريتم چندمقياسه و چندمرحلهاي براي بخشبندي كولون پيشنهاد شده است. هدف از مرحله اول الگوريتم، حذف اشياء اضافي و محدود كردن ناحيه مورد نظر ميباشد تا با يك الگوريتم دقيقتر در مرحله دوم مرزهاي دقيق مشخص گردند. در مرحله اول، الگوريتم از تركيب روشهاي آستانهگذاري تطبيقي، اعمال مورفولوژي و عملگر گسترش ناحيهاي ساده و پيشرفته با استفاده از دانههايي كه به صورت اتوماتيك ايجاد ميشوند، بهره برده است. اين اعمال خود در دو مرحله نيم-رزولوشن و تمام رزولوشن انجام ميشوند. در انتهاي اين مرحله، مرزهاي اوليه كولون استخراج ميشود. در مرحله دوم مرزهاي بدست آمده با كمك الگوريتم مدلهاي شكلپذير هندسي بهينه و هموار شده است. اين مدل قادر است هر توپولوژي پيچيده دلخواه مانند توپولوژي كولون را دنبال كند؛ لذا اين مدل در ادامه پيشنهاد شده است. تعداد دادههاي مورد استفاده شامل دو ديتا ست با 900 مقطع ميباشد. نتايج حاصله نشاندهنده بهبود مرزهاي كولون با استفاده از مدل پيشنهادي نسبت به مرزهاي اوليه ميباشد.

پوش محدب یکی از مرسومترین مسئلههاي هندسه محاسباتی محسوب میشود. الگوریتمهاي مختلفی براي پوش محدب ارائه شده است که از مهمترین آنها میتوان به الگوریتمهاي گراهام، جارویس و پوش سریع اشاره کرد. ما در این مقاله الگوریتمهاي جدی دي براي به دست آوردن پوش محدب ارائه میکنیم. این الگوریتمها با پیش فرض عدد صحیح بودن زاویه خط گذرنده از دو نقطه متوالی پوش محدب (زاویه نسبت به خط افق )، به خوبی عمل میکنند و بدون این پیش فرض جوابی تقریبی میدهند که میتوان ب ا بهین ه سازي این الگوریتمها جوابی بسیار دقیق و نزدیک به جواب نهایی تولید کرد. بهترین الگوریتمی که تاکنون از لحاظ مرتبه زمانی ارائه شده است الگوریتم ادغام قبل از غلبه اس ت ک ه داراي مرتبه زمانی O(n logh ) است h) تعداد نقاط روي پوش محدب است). اما الگوریتم جدید در تمام حالات داراي مرتبه زمانی O(n ) میباشد. هر چند که n داراي ضریب زیادي است؛ الگوریتم ما در صورتی که تعداد نقاط ورودي زیاد باشد سریعتر از الگوریتمه اي قبلی به جواب خواهد رسید.

paper, we have used Tilt intonation theory to represent pitch contour as symbolic elements. Also, classification and regression trees are considered to estimate Tilt parameters in our text-to-speech system. To train regression trees, about 70 minutes of speech are used as corpus and more than 100 input features are extracted from this corpus. Further, some experiments such as incremental adding tilt parameters as input features during training and test models or purposing stress syllables as accent events are examined to achieve optimal regression trees. Moreover, vector quantization method and building a codebook of tilt parameters are investigated to predict pitch contours. Finally 61.1% and 25/386 hertz are obtained for correlation coefficient and RMSE values between predicted and real pitch contours of test set using optimal regression trees.

The single traffic signal control agent improves its control ability with the NNQ-learning method. This paper proposes a Neural_Network_Q_learning (NNQL) approach with fuzzy reward designed for online learning of traffic lights behaviors .The Q-function table becomes too large for the required state/action resolution. In these cases, tabular Q-learning needs a very long learning time and memory requirements which makes the implementation of the algorithm in real-time control architecture impractical. To solve the problem of coordination between three TSCAs (Traffic Signal Control Agents) we used game theory. To test the efficiency of the coordination mechanism, a prototype traffic simulator was programmed in visual C++. Results using cooperative traffic agents are compared to results of control simulations where noncooperative agents were deployed. The result indicates that the new coordination method proposed in this paper is effective.

In recent years, the unit selection-based concatenative speech synthesis method using a large corpus has attracted great attention, as it produces more natural quality speech compared to the parameter driven models. Weights of cost functions of unit selection approach have great effect on output quality. Important proportion or weight of every feature must be determined such a manner that cost functions has suitable correlation by human perceptual. In this paper, we proposed a new approach to automatically determine optimal weights for target cost using classification and regression trees. In this method, an objective measure by suitable correlation to human perceptually is initially selected. So, for instances of every phoneme, a classification tree has build to predict objective measure. Therefore, the proportion importance of every feature in classifying data using regression trees are determined and considered as weight of this feature. The objective measure prediction has over 50% correlation using the proposed method that showed 65% improvement relation to previous methods.

A SRLG is a group of network links that share a common physical resource whose failure will cause the failure of all links of the group. To protect a logical connection in a network from a single SRLG failure, two different paths are usually assigned to the connection. The two paths must be disjoint to avoid synchronous failure. In this paper, we extend a high-performance link-disjoint routing algorithm called CoLE to SRLG-disjoint routing. The analysis and the simulation results demonstrate improvement over the previous algorithms.

The flexible DFT strategy helps designers control the eventual cost of test during the chip design phase. To reach a uniform test strategy for CPU data path, we use S-graph information. But register files and internal memory structures cannot be easily represented by S-graphs. In most processors investigated, one can find some sort of internal memory like general-purpose registers, stacks or queues. The control hardware and addressing schemes of such structures make it difficult to test them. We design a wrapper around these structures to isolate them from data path and incorporate them to S-graphs applications. These compatible S-graphs provide a uniform BIST strategy for the whole data path. The wrapper design can test itself concurrently with other modules so it can reduce the test application time. We apply our method on SAYEH CPU as a vehicle.

Interstitial Lung Diseases are a complex grouping of disorders with subtle and complex radiographic findings. The goal of this research is to develop a computerized system to analyze and evaluate the lung HRCT images, using image processing and texture analysis techniques. We aim to recognize and quantitatively analyze the three abnormal lung patterns; “honey-comb”, “ground-glass” and “reticular”. Main steps of the research include lung image segmentation, feature extraction, pattern classification and finally, finding the correlation between PFT parameters and computerized data. The system was tested on 160 HRCT scans comprising eight patients with different severities in ILD. The system shows a partial correlation between computerized data and PFT findings.

در این مقاله الگوریتم جدیدی براي تولید کدهای متناظر با درختهای k-تایی ارائه میشود که از رسته الگوریتمهای برنامه ریزی پویا است. این الگوریتم تمام z-دنبالهای متناظر با درختهای k-تایی با n گره داخلی را در ترتیب قاموسی B-ترتیب تولید میکند. ثابت می شود هر دنباله در زمان ثابت (1)O تولید میشود. ایده اصلی در این الگوریتم تولید کدهای متناظر با درختهای k-تایی nگره، از روی کدهای متناظر با درختهای k-تایی n-1گره است که مبتنی بر دو عمل افزایش و الحاق است.

سری های زمانی فازی اخیرا توجه بسیاری از محققین را به خود جلب نموده است چرا که برخورد مناسبی با ابهامات و داده های غیر کامل می تواند داشته باشد. یکی از روش های جدید در پیشبینی سری های زمانی، استفاده از الگوریتم ژنتیک، پیشنهاد شده توسط Chen می باشد که تا کنون کمترین خطا را در پیش بینی ها گزارش نموده است. مهمترین نقطه ضعف این روش در دید نگارندگان عدم بکار گیری مکانیزمی در برخود با عدم قطعیت های موجود در این روش می باشد. در مدل پیشنهادی نگارندگان، سری های زمانی فازی وزن دار به عنوان مکانیزم برخورد با عدم قطعیت با مدل Chen ترکیب شده و از میزان خطای محاسبات کاسته شده است. همچنین مدل پیشنهادی برای داده های بازار ارز(فارکس)نیز امتحان شده است و کارایی این روش برای پیشبینی نرخ نوسانات ارز نشان داده شده است.

در این مقاله به بررسی دسته بندی متن فارسی با استفاده از الگوریتمهای fkNN و kNN خواهیم پرداخت. آزمایشها بر روی ششصد سند متنی که به شش دسته تقسیم میشوند، انجام شدهاند. هدف اساسی این بررسی، مقایسه دو الگوریتم مذکور برای دسته بندی متن فارسی و ترکیب آنها با روشهای انتخاب ویژگی بهره اطلاعات IG فرکانس سند DF است. از این دو روش برای انتخاب ویژگیها و کاستن از ابعاد فضای ویژگیها استفاده شده است. نتایج نشان میدهند که دقت الگوریتم fkNN از الگوریتم kNN بهتر است. همچنین دقت دستهبندی با استفاده از ترکیب fkNN و IG از سایر ترکیبها بیشتر میباشد. دقت دسته بندی در بهترین حالت به 0.804 دقت میکرو – F1 و 0.755 دقت ماکرو F1- رسید. همچنین میتوان نتیجه گرفت که IG بیشتر از DF دقت را بالا میبرد . در بین دسته های موجود بهترین دستهبندی در مورد بزرگترین دسته یعنی اسناد مربوط به دسته اقتصادی انجام گرفت. دقت دستهبندی برای این دسته تا 0.910 دقت ماکرو F1- و 0.945 دقت میکرو F1- رسید.

مسائل بهینه سازی در ارتباط با شبکه‌های ارتباطی توسط بسیاری از محققان شبکه مورد بررسی قرار گرفته است. بهینگی اتصال شبکه از لحاظ پارامتر‌های استاندارد کیفیت خدمت (QOS) از مهمترین مسائل می‌ باشد. اخیرا الگوریتم های ژنتیک در زمینه های تحقیقاتی مذکور کاربر زیادی داشته‌اند. همچنین الگوریتم های ژنتیک با چند تابع هدف از لحاظ توانایی بهینه سازی در مسائل جهان واقعی مورد توجه زیادی قرار گرفته اند. در این مقاله ابتدا مسئله ی درخت پوشای ارتباطی بهینه (OCST) به صورت چند تابع هدفی تعریف شده است. کمینه کردنه هزینه مکانی و متوسط تاخیر پیام، اهداف مورد نظر است. سپس این مسئله با استفاده از الگوریتم ژنتیک مبتنی بر درخت های پوشا مورد حل و بررسی قرار گرفته است. در انتها آزمایشات مختلفی با دو روش از الگوریتم های تکاملی چند تابعی، SPEA-II و NSGA-II و با استفاده از واسط PISA انجام و مقایسه شده است.

بر مبناي مشاهدي اين واقعيت که اکثر دسترسي ه ايي که توسط پردازنده به حافظه نهان انجام مي شود منجر به خواندن يا نوشتن بيت ۰ مي شوند و همچنين بيشتر داده ها يي که در حافظه نهان مقيم هستند بيت هاي صفرهستند، دراين مقاله يک سلول پنج ترانزيستوري SRAM براي کاربرد ها با تراکم بسيار بالا و توان مصرفي کم ارائه شده است. اين سلول جديد داده خود را با استفاده از جريان هاي نشتي ترانزيستورها و مسير فيدبک مثبت بدون استفاده از سيکل هاي تازه سازي نگهداري مي کند. اين سلول جديد در طول عمل کرد خود از يک Word-Line و يک Bit-Line و يک خط کنترل خواندن اضافي استفاده مي کند. سلول جديد در قوانين طراحي Layout يکسان بدون اينکه شامل سربار کارايي بشود ۱۷ درصد مساحت کمتري را نسبت به سلول شش ترانزيستوري پايه اشغال مي کند . شبيه سازي هاي انجام شده در تکنولوژي 65nm نشان مي دهد که اين سلول به درستي عمل مي کند و متوسط توان مصرفي پوياي آن در هر دسترسي 30 درصد از سلول شش ترانزيستوري پايه کمتر است.

در شبکه هاي حسگر بي سيم با توجه به محدوديت پهناي باند و اشتراکي بودن کانال ارتباطي ميان تعداد زيادي از گره ه اي حسگر ، تصادم يکي از مسائل جدي به شمار مي آيد . تصادم بسته ها از جمله عواملي است که موجب افزايش تأخير انتها به انتها در شبک ه ي حسگر بي سيم مي شود. به واسطه ي وقوع تصادم، گره ها سعي در ارسال مجدد بسته هاي از بين رفته مي کنند، لذا تأخير انتها به انتها افزايش مي يابد . در اين مقاله به ارائه ي روشي مي پردازيم که در آن ابتدا گراف شبکه به وسيله الگوريتم باهدف افزايش ظرفيت شبکه ساخته شده و سپس به کمک يک الگوريتم اصلاح شده بردار فاصله، بستههاي توليد شده به نحوي مسيريابي ميشوند که تأخير انتها به انتها به شکل مؤثري کاهش يابد. نتايج حاصل از شبيهسازيهاي انجام شده نشان ميدهد که الگوريتم پيشنهادي در مقايسه با ساير الگوريتمهاي موجود از کارآيي بيشتري برخوردار است.

دراین مقاله روشی نو براي موقعیت ی ابی و ساخت نقشه همزمان براي روبات هاي متحرك با استفاده از الگوریتم تکاملی و همچنین الگوریتم بهینه سازي گروه ذرات , ارائه میشود . این روش بر پایه دو الگوریتم جستجوي محلی و سراسري بنا نهاده شده است . در الگوریتم جستجوي محلی روبات در حین حرکت از الگوریتمی پر سرعت براي موقعیت یابی و ساخت نقشه همزمان استفاده می کند . در مواردي همانند تشخیص حلقه که به جستجو در فضاي بسیار بزرگی نیاز است , از الگوریتم جستجوي سراسري استفاده میشود . از ویژگیهاي الگوریتم ارائه شده می توان گذر از اکسترمم هاي محلی، تشخیص و بهبود حلقه و تن اظر در محیط را نام برد . همچنین الگوریتم از نشانه ها استفاده نکرده و از نقشه اشغال سلول بصورت ساده بهره می برد . در تابع شایستگی الگوریتم , بر خلاف اکثر روشهاي موجود , بدون استفاده از فرمول هاي محاسباتی احتمالات پیچیده, از تابعی نو و با سرعت محاسباتی بالا است فاده شده است . در انتها نتایج شبیهسازي الگوریتم و همچنین مقایسه آن با روش هاي دیگر ارائه شده که نشاندهنده ویژگیهاي برتر الگوریتم است.