انجمن کامپیوتر ایران

شبکه‌هاي توان پايين و پراتلاف دامنه وسيعي از برنامه‌ها، مانند اتوماسيون ساختمان، کنترل صنعتي، شهر هوشمند، بيمارستان و موارد ديگر را پوشش مي‌دهند. در شبکه‌هاي توان پايين و پراتلاف، برنامه‌ها نيازمند ارتباطات مطمئن و به صرفه هستند که بتوانند مسيريابي بسته‌ها را انجام دهند. يکي از مهم‌ترين نقش‌ها در معماري اينترنت اشيا پروتکل‌هاي مسيريابي است. IETF در سال 2012 پروتکل مسيريابي RPL را براي شبکه‌هاي توان پايين و پراتلاف استاندارد کرد. زماني‌که نود موبايل در شبکه باشد، پروتکل RPL نمي‌تواند حمايت خوبي انجام دهد و نرخ از دست رفتن بسته‌ها، تاخير و مصرف انرژي افزايش پيدا مي‌کند. امروزه برنامه‌هاي کاربردي نيازمند استفاده از پروتکل‌هايي هستند که بتوانند از نودهاي موبايل پشتيباني کنند و ارتباطات مطمئن را شکل دهند. در اين مقاله پروتکل RPL براي شبکه‌هاي با نود موبايل بهبود داده شده است تا ارتباط نود موبايل با والد خود پيوسته باشد. هم‌چنين پروتکل پيشنهادي با پروتکل RPL و mRPL بر روي پارامترهاي مصرف انرژي، تاخير دست‌دهي، نرخ تحويل بسته‌ها و سربار شبکه مقايسه شده است. نتايج بدست آمده از شبيه‌سازي با استفاده از CONTKI/COOJA، عملکرد بهتر پروتکل پيشنهادي را نشان مي‌دهد.

با گسترش شبکه‌هاي اجتماعي آنلاين و اثرات استفاده از آن در زندگي روزمره مردم، تبليغات از طريق اين رسانه‌هاي جديد در حال گسترش است. يکي از سوالات مطرح در تحليل شبکه‌هاي اجتماعي، مدل‌سازي گسترش اطلاعات و بررسي بيشينه‌سازي تاثير در ميان کاربران است. در اکثر مقالات پيشين انجام گرفته در زمينه بيشينه‌سازي تاثير در شبکه‌هاي اجتماعي، هزينه انتخاب يک کاربر به عنوان راس اوليه انتشار اثر (فارغ از ويژگي‌هاي ناهمگون کاربران همچون تعداد دوستان و يا دنبال‌کننده ) همواره يکسان تلقي شده است که اين فرض، در شبکه‌هاي اجتماعي که افراد قادر به تعيين هزينه و يا رد يک درخواست هستند، چندان منطقي نيست. در اين مقاله قصد داريم تا بيشينه‌سازي تاثير در مدل آبشاري مستقل (Independent Cascade) در شبکه‌هاي اجتماعي را در شرايطي که هزينه انتخاب راس‌هاي اوليه ناهمگون باشد، بررسي و مدل‌سازي کنيم. همچنين با انتخاب راس‌هاي اوليه با استفاده از پنج رويکرد مختلف، نحوه گسترش اثر را براي سه نوع شبکه مختلف (تصادفي، Small-World و Scale-free) نمايش داده و رويکرد صحيح انتخاب کاربران اوليه را براي بيشينه‌سازي اثرگذاري در اين شرايط روشن نماييم.

سامانه‌هاي نهفته‌ي بحراني-مختلط با به‌کارگيري اجزا با سطوح بحراني مختلف در يک بستر سخت‌افزاري مشترک، محبوبيت بسياري در صنايع هوايي و خودروسازي يافته‌اند. به‌منظور افزايش کارايي و کاهش هزينه، اين بسترها به‌سوي استفاده از چندين هسته‌ پيش مي‌روند. به دليل پردازش انبوه و طراحي عموماً مبتني بر باتري و نيز با توجه به کاهش ابعاد فناوري که خود موجب کاهش قابليت اطمينان مي‌گردد، توجه همزمان به مصرف انرژي و قابليت اطمينان در سامانه‌هاي بحراني-مختلط حائز اهميت است. در اين پژوهش راهکاري جهت نگاشت وظايف و زمان‌بندي آگاه از انرژي و قابليت اطمينان در يک سامانه‌ي بحراني-مختلط چندهسته‌اي با در نظر گرفتن سه سطح بحراني ارائه شده است. اين روش در زمان طراحي با توجه به قيود زماني و قابليت اطمينان به نگاشت و زمان‌بندي وظايف در عين کاهش انرژي مي‌پردازد. در زمان اجرا، علاوه بر کاهش هرچه بيشتر انرژي، با ارائه‌ي سناريوي تدريجي به مديريت توأمان زمان‌بندي و قابليت اطمينان در صورت رخداد سرريز در سامانه مي‌پردازد. راهکار پيشنهادي مقدار انرژي مصرفي را در فاز برون‌خط به طور ميانگين 14‌/‌5 درصد و در فاز برخط به طور ميانگين 41‌/‌5 درصد نسبت به حالت بدون اعمال DVFS کاهش مي‌دهد.

دسته‌بندي موضوعي متون يکي از مباحث پرکاربرد حوزه‌ي پردازش زبان طبيعي مي‌باشد. به همين جهت تاکنون کارهاي متفاوتي به جهت افزايش دقت در اين حوزه انجام شده‌است. بسياري از اين راهکارها بر اساس ساخت مدلي با نظارت و با استفاده از داده برچسب‌دار ارائه مي‌شود. در مواردي که داده برچسب‌دار موجود باشد، مدل‌هاي فوق عملکرد بسيار مناسبي دارند ولي در موارد بسياري چنين داده‌اي وجود ندارد و تهيه‌ي آن هزينه‌بر است. بنابراين روش‌هاي ياد شده در مواجهه با چنين شرايطي کارايي خود را از دست مي‌دهند. در اين مقاله به جهت مقابله با شرايطي که داده برچسب‌دار موجود نباشد، راهکاري مبتني بر بازنمايي بين زباني کلمات ارائه مي‌گردد که با استفاده از روش‌هاي انتخاب ويژگي و روش‌هاي دسته‌بندي ارائه شده‌است تا علاوه برحفظ دقت بالا در دسته‌بندي موضوعي، فقدان وجود داده برچسب‌دار را جبران سازد .

با توجه به مزايايي که براي شبکه‌هاي نوري ميان‌ارتباطي مراکز داده نسبت به ساختارهاي سنتي الکتريکي برشمرده مي‌شود، اين شبکه‌ها از جذابيت بيش‌تري برخوردار هستند؛ بااين‌حال در ساختارهاي اوليه‌اي که براي آن‌ها ارائه شده‌است، مسائلي مانند محدوديت مقياس‌پذيري و وجود يک نقطه‌ي خرابي مطرح است. در اين مقاله، به ارائه‌ي راه‌کارهايي براي مقاوم ساختن شبکه‌ي مقياس‌پذير توري مدور در برابر خرابي پرداخته مي‌شود. راهکار مطرح‌شده در اين مقاله، از قابليت شبکه‌ي حلقه‌ي سه‌بعدي در ارائه‌ي مسيرهاي بدون استفاده بين گره‌ها، براي ارائه ي پروتکل انتقال داده در هنگام بروز خرابي در مسير انتقال، استفاده مي‌کند. نتايج شبيه‌سازي حاکي از بهبودي در حدود 50% در ارسال موفق بسته‌هاي داده است.

مسأله یکریختی گراف‌ها از مجموعه مسائل باز از لحاظ پیچیدگی محاسباتی است که فقط تعلق آن به کلاس NP مشخص است ولی تعلق آن به P یا NP-Complete مشخص نیست. راه‌حل مسأله در زمان چندجمله‌ای هنوز ناشناخته است و لذا زمینه برای تحقیق و ایده‌پردازی فراهم می‌باشد. از این رو الگوریتم‌های چندجمله‌ای برای این مسأله جزو الگوریتم‌های ابتکاری محسوب می‌شوند. این مقاله به بررسی راه‌های تعیین یکریختی دو گراف متناهی با یکدیگر و ارائه یک روش ابتکاری جدید می‌پردازد. الگوریتمی پیشنهاد می‌شود که گراف ورودی را به یک رشته‌کد پرانتزی تبدیل می‌کند و سپس به جای مقایسه دو گراف رشته کدهای آن دو گراف با هم مقایسه می‌شوند و یکریختی یا عدم یکریختی میان آن‌ها تشخیص داده می‌شود. زمان اجرای این الگوریتم O(ne) است و در دسته الگوریتم‌های "برچسب‌گذاری کانونی " برای گراف‌های "همبند و بدون برچسب " قرار دارد. بعد از پیاده¬سازی این الگوریتم و بررسی نتایج آن مشخص شد که با عملکرد صحیح بیشتر از 99%، عدم یکریختی میان گراف‌های غیریکریخت به درستی تشخیص داده می‌شود.

اینترنت اشیاء یک مفهوم محاسباتی است که در آن اشیاء فیزیکی با شبکه اطلاعات یکپارچه شده و زمینه تعریف کاربردهای جدید در حوزه‌های مختلف را فراهم می‌کند. حجم زیاد داده در اینترنت اشیاء، پردازش، محاسبات و ذخیره‌سازی آن‌ها را با چالش‌هایی روبرو کرده است. در سال‌های اخیر، برای مقابله با این چالش‌ها از رایانش مه به‌عنوان توسعه‌ای از رایانش ابری استفاده شده است. رایانش مه، به‌عنوان یک لایه میانی بین ابر و کاربران نهایی، اعمال کنترل دسترسی در اینترنت اشیاء را با نیازمندی‌های جدیدی روبرو می‌کند. امروزه سازمان‌ها و کاربران نیاز به سیستم‌هایی دارند که امنیت و جامعیت داده‌های آن‌ها را حفظ و همچنین حداقل تأخیر را در پردازش داده‌ها فراهم نماید. برای پاسخ به این نیازمندی‌ها، ما در این مقاله یک مدل کنترل دسترسی کارآمد با ترکیبی از مدل کنترل دسترسی مبتنی بر ویژگی (ABAC) و مدل رمزنگاری مبتنی بر ویژگی با سیاست متن رمزشده (CP-ABE) ارائه می‌کنیم. تحلیل‌های انجام شده نشان می‌دهند که مدل ارائه شده از امنيت، سرعت و مقياس‌پذيري مناسبي برخوردار بوده و می‌تواند مشکل محدودیت منابع را برطرف کند. همچنین این مدل می‌تواند زمینه مقابله با حملات توزیع شده منع سرویس (DDoS) را فراهم کرده و به جلوگيري از سوءاستفاده از وکالت کلید کمک کند. وجه تمایز و برتری این مدل، تأخیر پایین و سرعت بالا، امنیت مناسب، حل معضل محدودیت منابع در سمت کاربران نهایی و رفع مشکل سوء استفاده از وکالت کلید است.

یکی از مهم‌ترین چالش‌های توسعۀ اینترنت اشیاء، محدودیت انرژی تجهیزات است. در راستای کاهش مصرف انرژی، در این مقاله، ما مسئله کنترل توأم نرخ فشرده‌سازی (با اتلاف) و تعداد بسته‌های ارسالی در واحد زمان را برای یک گره اینترنت اشیاء مجهز به منبع انرژی تجدیدپذیر مطرح می‌کنیم. نوآوری راهکار پیشنهادی در توجه همزمان به دو هدف بهینه‌سازی یعنی: «سطح تطابق» داده‌های دریافتی با داده‌های اصلی و نیز رعایت قید تأخیر ارسال داده‌هاست. برای این منظور، با استفاده از چارچوب ریاضی فرآیند تصمیم مارکُفی مقیّد، مسئله را در قالب یک بهینه‌سازی تصادفی طرح می‌کنیم با هدف بیشینه کردن متوسط «سطح تطابق» داده‌ها در بلندمدت، ضمن ایجاد محدودیت در متوسط تأخیرِ گزارش رویدادهای حسگری. نامقیّدسازی مسئله با روش استاندارد «لاگرانژین» انجام می‌شود. الگوریتم پیشنهادی ما برای محاسبۀ سیاست بهینۀ تطبیق‌پذیر نیز بر مبنای یک تکنیک یادگیری تقویتی سریع به نام PDS است که می‌تواند با جداسازی پویایی سیستم به دو بخش قطعی و تصادفی، صرفاً با اتخاذ تصمیمات حریصانه و بدون نیاز به دانش آماری فرآیندهای تصادفیِ کانالِ بی‌سیم، شارژ انرژی و وقوع رویدادهای حسگری، همگرایی به سیاست بهینه را تضمین نماید. کارایی سیاست پیشنهادی با الگوریتم استاندارد Q-learning مورد مقایسه قرار گرفته و به لحاظ مصرف انرژی و همچنین «سطح تطابق» داده‌های گزارش شده ارزیابی می‌شود.

گذرگاه تبادل اطلاعات و خدمات، به عنوان بستری امن برای تعامل بین ذینفعان خدمات الکترونیکی در معماری دولت الکترونیکی بسیاری از کشورها، شناخته می شود. هدف نهایی این گذرگاه آن است که تعامل (تراکنش) بین دستگاه‌های اجرایی و ارائه دهندگان خدمات (سرویس‌های الکترونیکی) به گونه‌ای صورت گیرد که شهروندان بتوانند خدمات دولت را از طریق پنجره واحد از یک نقطه، دریافت نمایند. در معماری دولت الکترونیکی گذرگاه تبادل اطلاعات و خدمات در سطح ملی و هر کدام از خوشه‌های خدمت در نظر گرفته شده است که در سطح ملی با عنوان NIX-GSB هم اکنون در حال سرویس‌دهی است و در بعضی از خوشه‌های خدمت نیز عملیاتی گردیده است. با توجه به اینکه بسیاری از تعاملات بین دستگاهی در سطح استان‌ها قرار دارد، به این معنی که مخاطبین استانی عموما خدمات دولت را از همکاری دستگاه‌های اجرایی دولت در سطح استانها، دریافت می‌نمایند، این سوال مطرح می‌شود که آیا گذرگاه اطلاعات و خدمات دولت در سطح استانی (PIX-GSB) نیز ضرورت دارد یا خیر؟ بایستی درنظر گرفت چالش اصلی که جواب این سوال را مشکل می‌نماید، آن است از طرف دیگر بسیاری از سامانه‌های اطلاعاتی دولت به صورت متمرکز و ملی پیاده‌سازی شده‌اند. بعلاوه، جنبه‌های دیگری در این مساله، وجود دارند که بایستی بررسی گردند. در این مقاله، در ابتدا به دنبال پاسخ به ضرورت PIX-GSB است و سپس محتوای قابل پیش‌بینی برای گردش روی آن را معرفی می‌نماید. براساس تجارب دیگر کشورها، توصیه می‌شود که PIX-GSB در معماری دولت الکترونیکی کشور، عملیاتی گردد که راه حل مناسبی برای اشتراک منابع در سطح استانی و ارتقاء سطح اختیارات استانی است.

بیت کوین مهمترین و ارزشمند ترین رمز ارز دیجیتال است و از عناصر مهم اقتصاد دیجیتال محسوب می‌شود. در این پژوهش با کمک فرامدل پذیرش و استفاده از فناوری Meta-UTAUT عوامل موثر بر پذیرش بیت کوین در ایران مورد سنجش قرار می‌گیرد. برای این کار پرسشنام‌های الکترونیکی توسط گوگل فرم برای سایت‌ها و گروه‌های موجود در فضای مجازی که در حوزه ارزهای دیجیتال فعالیت می‌نمودند، ارسال گردید تا در اختیار کاربران خود قرار دهند. ۴۲۰ پرسشنامه مورد تحلیل قرار گرفت. جامعه آماری شامل استفاده‌کنندگان ایرانی بیت کوین است. پژوهش شامل ۱۱ فرضیه می‌باشد که در نهایت ۸ فرضیه پذیرفته شد و در نهایت مشخص شد که سازگاری تاثیر مثبتی بر قصد رفتاری و نگرش، امنیت اطلاعات درک شده تاثیر مثبتی بر نگرش، فشار اجتماعی درک شده تاثیر مثبتی بر نگرش، نوآوری شخصی در فناوری اطلاعات تاثیر مثبتی بر قصد رفتاری، مقاومت در برابر تغییر تاثیر مثبتی بر قصد رفتاری، درک لذت تاثیر مثبتی بر نگرش و قصد رفتاری تاثیر مثبتی بر رفتار استفاده در پذیرش استفاده از بیت کوین در ایران دارد.

امروزه بررسی کد همکار در پروژه‌های متن‌باز و تجاری، به طور وسیعی استفاده می‌شود. این اصل با تشخیص زودهنگام عیوب کد و نقض استانداردهای کدنویسی در فازهای ابتدایی توسعه، به حفظ کیفیت کد کمک می‌کند. بر اساس مطالعات انجام شده، بخش قابل توجهی از نظرات غیر مفید هستند یعنی منجر به تغییر در کد نمی‌شوند و توسط توسعه‌دهنده نادیده گرفته می‌شوند. بنابراین وجود ابزاری که بتواند به صورت خودکار نظرات مفید را تشخیص دهد تا در زمان توسعه‌دهندگان صرفه‌جویی کند، احساس می‌شود. در این پژوهش ابتدا عوامل مؤثر بر کیفیت نظرات بررسی کد در دو دسته عوامل مربوط به تجربه توسعه‌دهنده و ویژگی‌های متنی نظرات استخراج شد. سپس با توجه به عدم وجود مجموعه داده مناسبی که شامل این عوامل باشد یک مجموعه داده جمع‌آوری شد. در مرحله بعد یک مدل پیش‌بینی‌کننده نظرات مفید با کمک الگوریتم XGBoost پیاده‌سازی و عملکرد آن با سایر کارهای انجام‌شده در این زمینه مقایسه شد. نتایج به‌دست‌ آمده نشان می‌دهد که روش پیشنهادی با در نظر گرفتن دو مجموعه داده مجزا و با توجه به معیارهای صحت، فراخوانی و امتیاز اف-وان حدود سه درصد و با توجه به معیار دقت حدود یک درصد نسبت به تنها روش موجود، بهتر عمل کرده است.

سرطان ریه یکی از بیماری‌های مهلک در جهان است. به دلیل دشواری شناخت سرطان ریه در مقایسه با سایر بیماری‌ها، این بیماری در آمار مرگ و میر پیشروترین بیماری حال حاضر است. در این میان تصویربرداری سی تی اسکن به عنوان قدرتمندترین ابزار برای تشخیص و ارزیابی این بیماری بکار برده می‌شود. در سال‌های اخیر محققین حوزۀ بینایی ماشین سیستم‌های کمک تشخیص کامپیوتری (CAD) را معرفی کرده‌اند که بطور خودکار مناطق سالم و سرطانی بافت ریه را شناسایی و طبقه‌بندی می‌کنند. از سوی دیگر کیفیت مطلوب تصاویر استفاده شده در سیستم‌های مذکور جهت تشخیص دقیق، امری ضروری است. در همین راستا یکی از بخش‌های مهم سیستم‌های CAD قسمت بهبود کنتراست تصاویر است که وظیفه آن افزایش کیفیت و وضوح تصویر و در نتیجه تشخیص دقیق‌تر بیماری می‌باشد. با توجه به اهمیت موضوع در این مقاله روش‌های مختلف بهبود کنتراست تصاویر و تأثیر آن بر دقت تشخیص یک سیستم کمک تشخیص پزشکی مورد ارزیابی قرار گرفته است. نتایج این تحقیق نشان می دهد روش CLAHE مبتنی بر روش متعادل‌سازی هیستوگرام، FCCE مبتنی بر مجموعه‌های فازی و ECS از دسته مبتنی بر الگوریتم‌های فرا ابتکاری به ترتیب باعث افزایش دقت بیشتری در تشخیص سیستم‌های CAD شده است.

در سال‌های اخیر توسعه سریع تلفن‌های هوشمند و شبکه‌های موبایل منجر به ایجاد پارادایم جدیدی به نام حسگر جمعی موبایل در مقیاس وسیع شده است. کلید اصلی موفقیت سیستم‌های حسگر جمعی مشارکت کافی کاربران است. بر این اساس ما در این مقاله با بکارگیری نظریه بازی یک مکانیزم تشویقی را بر اساس بازی استکلبرگ برای یک سیستم حسگر جمعی چند وظیفه‌ای معرفی کرده‌ایم. در این مکانیزم هدف ما تعیین استراتژی پایدار توزیع مشوق‌های چندین ناشر وظایف حسگر جمعی موبایل برای انجام چندین وظیفه توسط کاربران است. ما به دنبال این موضوع بوده‌ایم که یک ناشر باید چه پاداشی را برای انجام وظایف خود مشخص کند تا در رقابت با سایر ناشرین و سایر کاربران سودمندی خود را به حداکثر برساند. ما همچنین الگوریتم توزیع شده‌ای را برای تعیین نقطه تعادل بازی بر اساس اطلاعات محلی ناشرین و کاربران ارائه کرده‌ایم. همچنین شبیه‌سازی‌های عددی برای ارزیابی عملکرد نقطه تعادل مکانیزم پیشنهادی و همگرایی آن انجام شده است.

بیماری آلزایمر یک نوع اختلال عملکرد در مغز است که روی فعالیت‌های مغزی تاثیر گذاشته و حافظه را دچار اختلال می‌کند. تشخیص به کمک تصاویر MRI از روش‌های غیرتهاجمی است که محققان بسیاری به آن توجه داشته‌اند. تاکنون کارهای زیادی برای طبقه‌بندی دقیق تصاویر MRI برای تشخیص افراد آلزایمری از نرمال صورت گرفته است ولی اکثر کارهای انجام شده یا دقت کافی ندارند و یا به صورت طبقه‌بندی دو کلاسه بودند. در این تحقیق هدف تشخیص زودهنگام بیماری آلزایمر و طبقه‌بندی دقیق‌تر و چند کلاسه تصاویر MRI مغز است تا بتوان در همان مراحل اولیه این بیماری را تشخیص داد و از روند رشد آن جلوگیری کرد. جهت حل مساله ابتدا استخراج ویژگی از تصاویر، با استفاده از روش مورفومتری بر اساس وکسل انجام می‌شود، سپس انتخاب ویژگی با گرگ خاکستری دودویی و با انتخاب 30 ویژگی برتر جهت دسته‌بندی تصاویر استفاده شده است. با مقایسه الگوریتم پیشنهادی با دو روش بهینه‌ساز گرگ خاکستری دودویی، مشاهده کردیم که الگوریتم پیشنهادی در تشخیص بیماری آلزایمر معیارهای دقت و ویژگی و حساسیت را در طبقه‌بندی چندکلاسه بهبود داده است.

همه‌گیری ناشی از کرونا ویروس جدید (کووید-19) بحرانی سراسری را به وجود آورده که تمام کشورهای جهان را درگیر کرده است. این بیماری به دلیل ناشناخته بودن، قدرت شیوع بسیار بالا و عدم قابلیت رهگیری مبتلایان به خطری جدی برای همگان تبدیل‌شده است که دولت‌ها را مجبور به اعمال انواع سیاست‌ها و پروتکل‌های پیشگیرانه در این حوزه نموده است. اولین قدم مشترک در تمام این سیاست‌ها، تشخیص بیماری است؛ تشخیص دقیق، سریع و کم‌هزینه امری است که بیشترین اهمیت را در مقابله با کووید-19 دارد. در سال‌های گذشته استفاده از هوش مصنوعی به‌عنوان یکی از روش‌های کمک تشخیصی، کمک شایانی در حوزه‌های مختلف علوم پزشکی داشته است. در همین راستا یادگیری عمیق در سال‌های اخیر بیش‌ازپیش مورد توجه پژوهشگران بوده و تاکنون معماری‌های گوناگونی برای آن ارائه شده است. با توجه به این موضوع استفاده از تکنیک‌های یادگیری عمیق در تشخیص دقیق بیماری کووید-19 می‌تواند راهگشا باشد. در این مقاله ضمن مقایسه و ارزیابی برخی معماری‌های یادگیری عمیق نظیر VGG19، InceptionV3، ResNet50 در تشخیص کووید-19 با استفاده از تصاویر سی‌تی‌اسکن ریه، یک مدل پیشنهادی بر اساس ترکیب دو معماری InceptionV3، ResNet50 ارائه شده است. یافته‌ها حاکی از آن است که مدل پیشنهادی نسبت به سایر روش‌ها دقت بالاتری دارد.

شبکه‌های بین خودرویی فناوری‌های نوظهوری هستند که عملکردشان وابسته به در دسترس بودن اطلاعات دقیق و به‌روز وسایل نقلیه است. وسايل نقلیه‌اي که اطلاعات‌ غیرعادي منتشر می‌کنند مي‌توانند در عملکرد شبکه‌ی بین خودرویی اختلال ايجاد کنند. بنابراین تشخیص چنین بدرفتاری‌هایی برای حفظ امنیت شبکه‌ی بین خودرویی در برابر مهاجمان، حیاتی است. در اکثر طرح‌های تشخیص بدرفتاری گذشته توجه کمی به استفاده از ویژگی‌های نظریه‌ی جریان ترافیک شده است. توجه به این نظریه می‌تواند ابزاري قوی برای ارزیابی صحت اطلاعات زمینه‌ی منتشرشده در شبکه‌ی بین خودرویی فراهم کند. برای بهبود چالش‌های طرح‌های تشخیص بدرفتاری گذشته، ما استفاده از نظریه‌ی جریان ترافیک را برای تشخیص بدرفتاری‌های ناشی از ارسال اطلاعات غیرعادی در شبکه‌های بین خودرویی پیشنهاد می‌کنیم. در طرح پیشنهادی، علاوه بر واحد‌های کنار جاده‌ای، واحد‌های محاسباتی روی وسایل نقلیه نيز به‌عنوان منابع قابل‌اطمینان اطلاعات در نظر گرفته مي‌شوند که این موضوع به کاهش هزینه‌های ناشی از پیاده‌سازی سراسری واحدهای کنار جاده کمک می‌کند. نتایج ارزیابی این طرح در انواع شرایط ترافیکی و با تعداد مختلف گره‌های مخرب نشان‌دهنده‌ی کاهش نرخ هشدار‌های کاذب و بهبود دقت تشخیص است.

با توجه‌ به استقبال چشمگیر و حضور فعال کاربران در شبکه‌های اجتماعی، شناسایی رویدادها از شبکه‌های اجتماعی به یکی از مسائل بسیار مهم موجود در هر حوزه‌ای تبدیل شده است. در این مقاله به ارائه یک مدل برای استخراج ویژگی از داده‌های شبکه اجتماعی بر مبنای شبکه عصبی پیچشی و مبتنی بر رویکرد جانمایی کلمات پرداخته شده است. همین‌طور در این پژوهش یک مجموعه‌ داده فارسی در ۱۲ دسته‌بندی متنوع برای حل مسئله شناسایی رویدادها ارائه شده است. شاخص‌های ارزیابی و نتایج به دست آمده از این پژوهش و مقایسه آن‌ها با مدل پایه نشان می‌دهد که مدل پیاده‌سازی شده هم از لحاظ کارایی و هم از لحاظ زمان اجرا، عملکرد بسیار خوبی نسبت به مدل پایه داشته است.

یادگیری خود نظارتی در سال‌های اخیر توجه زیادی را به خود جلب کرده است، زیرا روشی کارآمد برای استخراج بازنمایی‌های غنی از انواع مختلف داده‌های بدون برچسب ارائه می‌کند و در عین حال از هزینه برچسب‌زنی مجموعه‌های داده در مقیاس بزرگ جلوگیری می‌کند. این امر با طراحی یک مسأله‌ی بهانه برای تشکیل شبه‌برچسب‌هایی با توجه به دامنه داده‌ها قابل دستیابی است. تا آنجا که ما می دانیم، علی‌رغم محبوبیت و استفاده گسترده آن‌ها در حوزه‌هایی مانند پردازش زبان طبیعی، تشخیص گفتار، و بینایی ماشین، هیچ مسأله‌ی بهانه‌ای برای داده‌های دست‌نوشته‌ برخط تعریف نشده است. با توجه به کاربردهای در حال رشد داده‌های دست‌نوشته برخط، در این مطالعه، ما Part Of Stroke Masking (POSM) را به‌عنوان یک مسأله‌ی بهانه‌ به منظور پیش‌آموزش مدل‌ها برای استخراج بازنمایی‌های مفیدی از داده‌ی دست‌نوشته برخط افراد پیشنهاد می‌کنیم. برای ارزیابی کیفیت بازنمایی‌های استخراج شده، مسأله‌ی شناسایی نویسنده به صورت مستقل از متن مورد مطالعه قرار گرفته است که در آن بهترین دقت حال حاضر در مقایسه با دیگر مقالات حاصل شده است.

امروزه پياده‌سازي سخت‌افزاري الگوريتم‌هاي هوش مصنوعي يکي از پرکاربردترين مباحث در مقالات و صنعت الکترونيک است. شبکه‌هاي عصبي مصنوعي به عنوان اصلي‌ترين و پرکاربردترين بخش الگوريتم‌هاي هوش مصنوعي جهت پياده‌سازي محاسبات عصب‌گون (Neuromorphic) يا الهام گرفته از فرآيندهاي زيستي (Bio-inspired) شناخته مي‌شوند. در اين شبکه‌ها که از دو قسمت اصلي نرون و سيناپس تشکيل شده‌اند الگوبرداري از ساختار مغز انسان انجام شده که در آن برخلاف سيستم‌هاي رايج کامپيوتري قسمت محاسبات و حافظه در هم تنيده شده و از يکديگر جدا نيستند. در مغز انسان حدود ۱۰۱۰ نرون و ۱۰۱۴ سيناپس وجود دارد و همانطور که مي‌دانيم سيناپس‌ها غالب ساختار مغز را تشکيل مي‌دهند. در اين مقاله، با استفاده از قطعات اسپينترونيک (Spintronic) روشي براي پياده‌سازي ضريب سيناپسي ارائه شده است که در آن ضرايب سيناپسي به صورت کوانتيزه شده پياده‌سازي مي‌گردند. با استفاده از يک ترانزيستور CMOS توانستيم ضرايب را از نظر آماري بهينه کنيم. روش ارائه شده بر مبناي تکنولوژي جديد اسپينترونيک است که نسبت به موارد مشابه ارائه شده در مقالات حدود ۲۲٪ کاهش توان دارد و در عين حال دقت شبکه‌هاي عصبي پياده‌سازي شده در حالت سخت‌افزاري کاهش فقط يک تا دو درصدي نسبت به حالت نرم‌افزاري دارند.

تطبیق آنتولوژی سعی در برقراری روابط معنایی بین المان­های مشابه در آنتولوژی­­های متفاوت دارد تا قابلیت تعامل را در وب­معنایی فراهم کند. پرداختن به مسئله ناهمگنی معنایی، نکته­ای کلیدی در محیط وب­معنایی است. تولید (نیمه) اتوماتیک نگاشت­ها با درنظرگرفتن عدم قطعیت، کاری فشرده و مستعد خطاست. وقتی مقادیر اطمینان نگاشت­ها خود غیرقطعی هستند، چگونه متد تجمیع آنها می­تواند قطعی باشد؟ چگونه آنها را به روشی مشخص مدل کنیم؟ این مقاله روشی را برای مدلسازی عدم قطعیت در تطبیق آنتولوژی­ براساس تئوری مجموعه­های فازی و با استفاده از عدد فازی ذوزنقه­ای معرفی می­کند و سپس به توصیف روشی برای تجمیع عقاید تطبیق­گران می­پردازد. به کمک این روش، همترازی تطبیق­گران را ترکیب می­کند تا بر همترازی­های متناقض و ناقص یا موارد مخرب غلبه شود. آزمایشات نشان داد که در آنتولوژی­­های واقعی، نتایج بدست­آمده، از میانگین تطبیق­گران هم بالاتر ­است و به بهترین ایشان نزدیک می­شود.