انجمن کامپیوتر ایران

مهندسی نرم‌افزار مدل‌رانده روشی در توسعه‌ی نرم‌افزار است که امکان تولید خودکار کد از روی مدل را فراهم می نماید. هدف از روش‌های مدل‌رانده، افزایش بهره‌وری افراد و کیفیت نرم‌افزار تولید شده می‌باشد. با توجه به گسترش روزافزون نرم‌افزارها، نیاز به تکنیک¬ها و ابزارهایی جهت وارسی و اعتبارسنجی برنامه‌ها بیش از پیش احساس می¬شود. یکی از این ابزارها،JPF است که جهت وارسي صوري برنامه¬هاي نوشته شده به زبان جاوا مورد استفاده قرار می¬گیرد. پیمانه‌ی JPF-Statechart امکان وارسی رفتار پویای سیستم، که به صورت کد جاوا و در قالبی مشخص تهیه شده است را فراهم می‌کند. با توجه به این واقعیت که تهیه این کد جاوا به صورت دستی در خلاف اهداف مهندسی نرم¬افزار مدل‌رانده است و مدل رفتاری سیستم اغلب به صورت نمودار حالت UML تهیه می‌شود، هدف ازاین مقاله، ارائه¬ی روشی بر اساس تبدیل مدل است به گونه‌ای که نمودار حالت UML را بتوان به صورت خودکار به قالب مورد نظر JPF تبدیل نمود و آن را مورد وارسی قرار داد. بدین منظور، برای مدل¬سازی نمودار حالت UML از افزونه¬یPapyrus، و برای تبدیل مدل UML به قالب مورد نظر، از تولیدکننده¬ی کدAcceleo استفاده شده است. در نهایت ابزاری در قالب یک افزونه¬ی اکلیپس تهیه شده است که کد مناسب را از روی مدل تولید می نماید. یک مطالعه موردی برای دستگاه خودپرداز برای ارزیابی روش و ابزار ارائه شده نیز انجام گردیده است.

سیستم شهرت بتا روشی است که برای تلفیق نظرات و بازخوردهای گره‌های مختلف شبکه و رتبه بندی میزان شهرت گره‌ها طراحی شده است. سیستم شهرت بتا برای کاربردهای مختلف بسیار مناسب و قابل انعطاف و در عین حال ساده است. ما در این مقاله نشان می‌دهیم که از دیدگاه امنیتی، این سیستم در مقابل گره‌های بدخواه آسیب‌پذیر است. این آسیب‌پذیری به گونه‌ای است که اگر گره‌های بدخواه در تراکنش‌های خود با گره‌های دیگر رفتار مناسبی نشان دهند ولی در ارائه نظرات در رابطه با میزان شهرت گره‌ها (توصیه شهرت) از طریق تبانی با سایر گره‌های بدخواه مقادیر نادرست ارائه دهند؛ شهرت محاسبه شده به شدت از مقدار درست منحرف می‌شود. این حمله را حمله گره‌های تبانی‌گر خوش‌رفتار می‌نامیم. در این مقاله ضمن بررسی و تحلیل آسیب‌پذیری مذکور در سیستم شهرت بتا، اصلاحی برای رفع آن پیشنهاد شده که این آسیب‌پذیری را تا حد زیادی برطرف می‌نماید. روش پیشنهادی مبتنی بر کنترل پذیرش نظرات گره‌های توصیه‌کننده است. برای ارزیابی روش مطرح شده هر دو سیستم اصلی و اصلاح شده پیاده‌سازی و روی مدلی شبیه‌سازی شده از شبکه‌های حسگر بی‌سیم ارزیابی شده است. نتایج حاصل از شبیه‌سازی نشان‌دهنده مقاومت بالای سیستم شهرت بتای اصلاح شده در برابر حمله گره‌های تبانی‌گر خوش‌رفتار است.

خوشه¬بندی یکی از وظایف داده¬کاوی و شاخه¬های یادگیری بدون نظارت است و فرایند خودکاری است که در طی آن داده¬ها به دسته¬هایی که اعضای آن مشابه یکدیگر هستند، تقسیم می¬شوند. در این مقاله روشی جدید برای بهبود سرعت و عملگرد الگوریتم کلونی زنبورهای مصنوعی (ABC) معرفی شده است. همچنین از الگوریتم پیشنهادی برای خوشه¬بندی N شی در K خوشه استفاده شده است. در روش پیشنهادی، بجای انتخاب تصادفی عنصری از راه¬حل و تغییر آن برای تولید راه¬حل جدید که در الگوریتم ABC وجود داشت، با محاسبه فاصله اقلیدسی هر عنصر در راه¬حل و میانگین داده¬های متعلق به آن خوشه در آن بعد، از k اندیس کاندید در k مرکز خوشه، یک اندیس بصورت تصادفی برای تغییر و جایگزینی انتخاب شده¬است. به این ترتیب در الگوریتم ABC، استفاده از روش پیشنهادی جستجوی محلی و تولید نقاط جدید باعث شده¬است تا در هر تکرار، احتمال تولید راه¬حل¬های بهتر و تولید نقاطی با شایستگی بالاتر افزایش یابد که این امر نه تنها باعث افزایش سرعت الگوریتم در همگرایی به نقاط بهینه شده¬است بلکه منجر به تولید جواب¬هایی با میزان شایستگی بالاتر و در نهایت بالا رفتن دقت الگوریتم نیز شده¬است. این الگوریتم روی چندین مجموعه داده واقعی استاندارد آزمایش شده و با الگوریتم¬های فرامکاشفه¬ای معروف در خوشه¬بندی مانند ,GA ,TS ,SA ,ACO ABC و K-NM-PSO مقایسه شده است. نتایج عددی نشان می¬دهد که الگوریتم پیشنهادی نسبت به سایر الگوریتم¬های موجود عملکرد بهتری دارد و شبیه¬سازی¬ها نتایج بسیار امیدبخشی را برحسب کیفیت راه¬حل و زمان محاسباتی نشان می¬دهد.

امروزه با گسترش روز افزون مراکز داده مبتنی بر رایانش ابری و تقاضای استفاده از سرویس‌های ابری، یکی از مهمترین مشکلات پیش روی این مراکز داده رشد فزاینده مصرف انرژی است.کاهش مصرف انرژی در این مراکز داده مستلزم استفاده بهینه تر از منابع پردازشی موجود از جمله ماشین‌های مجازی و میزبان‌های فیزیکی است. استقرار ماشین‌های مجازی در میزبان‌های فیزیکی از دو جنبه قابل بحث است. جنبه اول استقرار اولیه آنها قبل از پردازش سیستم و جنبه دوم تغییر این چینش در حین پردازش سیستم به منظور متعادل‌سازی بار پردازشی بین میزبان‌ها است. در این تحقیق روش جدیدی برای استقرار اولیه ماشین‌های مجازی در میزبان‌های فیزیکی با استفاده از الگوریتم ژنتیک گروهی پیشنهاد شده است ونشان داده شده است که استفاده از این روش برای استقرار اولیه ماشین‌های مجازیو نیز بهره‌گیری از تکنیک "مهاجرت ماشین‌های مجازی" برای تغییر چینش ماشین‌های مجازی در حین پردازش سیستم، می‌تواند سبب کاهش مصرف انرژی در مراکز داده شود.

در اين مقاله ايده‌ی جديدي مبتني بر الگوريتم بهینه سازی غیر جنسی برای جستجوی وي‍‍ژگي‌هاي مناسب بر روی داده‌های سرطانی ارائه شده است. داده‌های سرطانی با ابعاد بالا، شامل تعداد زیادی ویژگی می‌باشند که اکثر این ویژگی‌ها غیر مرتبط با مسئله‌ی مورد نظر هستند. از طرف دیگر در داده‌های سرطانی، علاوه بر بالا بودن تعداد ویژگی‌ها، تعداد نمونه-های موجود بسیار اندک است که این موضوع تاثیر نامناسبی بر روی کارایی الگوریتم‌های کلاسه‌بندی دارد. برای حل این مشکل، در این مقاله، الگوریتم جدیدی برای انتخاب ویژگی‌های بهینه مبتنی بر الگوریتم بهینه سازی غیر جنسی معرفی شده است. الگوريتم بهینه سازی غیر جنسی يکي از الگوريتم‌هاي تکاملي الهام گرفته از زندگي موجودات تک جنسی است. این الگوریتم به دلیل عدم نیاز به تنظیم پارامتر و عدم نیاز به عملگر انتخاب در مقایسه با الگوریتم ژنتیک بسیار سریع‌تر عمل می‌کند و از افتادن در بهینه محلی اجتناب می‌کند. الگوریتم ارائه شده بر روی دو مجموعه داده¬ی Colon و 9_Tumor تست شده است. قبل از عمل جستجو، به منظور عدم انتخاب ویژگی‌های افزونه از گروه بندی ویژگی‌ها استفاده شده است. پياده سازي روش ارائه شده نشان مي‌دهدکه الگوریتم ARO در مقایسه با الگوریتم ژنتیک دارای سرعت و دقت بالايي در پيدا کردن نتيجه مطلوب است.

ارزیابی و امکان‌سنجی استفاده از سیگنال قلبی (ECG: Electrocardiogram) به عنوان یک راهکار زیستسنجی، از جنبه های مختلف در مطالعات گذشته مورد بررسی قرار گرفته است. تغییرات درون سیگنالی و عدم تکرارپذیری در ضربان‌های قلبی، یک مشکل اساسی سیستمهای تصدیق هویت مبتنی بر ECG است. در این مقاله به منظور دستیابی به مشخصه های اساسی، کاهش تغییرات سطحی و افزایش کارایی سیستم، یک روش جدید استخراج ضربانهای قلبی و تقطیع آنها به مولفههای اصلی ارائه شده است. 30 ویژگی مکانی و زمانی از ضربان‌ها استخراج و بر اساس روش انتخاب ویژگی مستقیم در شش دسته 5 الی30 تایی دسته بندی شده اند. برای طبقه‌بندی الگوها از چهار روش نزدیک‌ترین همسایگی K، مدلهای گوسی، ترکیب مدل‌های گوسی و ماشین بردار پشتیبان استفاده شده است. آزمایشها بر روی پایگاه دادگان MIT-BIH نشان می دهد که با استفاده از طبقه‌بندی‌کننده نزدیک‌ترین همسایگی K، دستیابی به معیار نرخ خطای برابر (EER: Equal Error Rate) برابر 25/0± 70/2% با لحاظ شاخص سطح زیر منحنی مشخصه (AUC: Area Under the ROC Curve) برابر با 03/0±73/99% میسر است.

در این مقاله روشی نو در خلاصه سازی ویدئو در حوزه فشرده استاندارد HEVC شرح داده می شود. با استفاده از این استاندارد، ویژگیهای محتوایی فریم ها در حالت فشرده استخراج شده و با استفاده از یک الگو ریتم خوشه بندی، روشی برای خلاصه سازی ارائه گردیده است. اگر چه تحقیقات مختلفی در خصوص خلاصه سازی ویدئویی انجام گردیده است اما بیشتر آن ها، مبتنی بر ویدئو های مبتنی بر حوزه پیکسل بوده که زمان و حافظه زیادی برای کوتاه کردن آن مصرف می گردد. در الگوریتم پیشنهادی، ابتدا ویژگی هیستوگرام نرمال مدهای پیش بینی از ویدئوی فشرده بر اساس HEVC استخراج شده، سپس اشتراک این هیستوگرام به عنوان معیار مشابهت، برای هر دو فریم در ویدئو، محاسبه می گردد. در ادامه یک الگو ریتم خوشه بندی افزایشی، فریم های مشابه را در کلاس های مشخصی جای می دهد. مجموعه نماینده های هر کلاس به عنوان فریم های خلاصه شده در نظر گرفته می شود. نتایج نشان می دهد، الگو ریتم پیشنهادی به دلیل استفاده از استاندارد جدید فشرده سازی به میزان قابل توجهی در تشخیص فریم های مشابه بهتر عمل نموده است و بار محاسباتی کمتری داشته است.

هستان‌شناسی یک توصیف صریح و صوری از یک مفهوم‌سازی اشتراکی است. ساخت دستی هستان‌شناسی‌ها امری بسیار پرهزینه، وقت‌گیر و مستعد خطا است. راه حل رفع این مشکلات خودکارسازی فرآیند ساخت هستان‌شناسی یا به عبارت دیگر یادگیری هستان‌شناسی از منابع مختلف از جمله منابع ساخت‌یافته مانند پایگاه های داده است. امروزه پایگاه‌های داده رابطه‌ای، یکی از بهترین روش‌ها برای ذخیره و بازیابی اطلاعات محسوب می‌شوند اما برای اهداف مختلفی که مبتنی بر نمایش دانش معنایی می‌باشند، مناسب نیستند. از این رو، در این مقاله روشی نوین برای استخراج خودکار یک هستان‌شناسی از شمای یک پایگاه داده رابطه‌ای پیشنهاد شده است. در مقایسه با سایر روش‌های موجود، این روش علاوه بر تحلیل جدول‌ها، کلید‌های اصلی و خارجی و داده‌های موجود در چندتایی‌ها، با تحلیل محدودیت‌های تعریف شده روی ستون‌های یک جدول و نیز تحلیل دیگر عناصر موجود در شمای رابطه‌ای مانند دید، توابع تعریف شده توسط کاربر و رویه‌های ذخیره شده، به استخراج خودکار عناصر هستان‌شناسی می‌پردازد. در نهایت این روش، با یک هستان‌شناسی مرجع که به طور دستی در قلمروی مورد نظر ساخته شده است، مورد مقایسه قرار گرفته و معیارهای فراخوان، دقت و معیار-F به منظور ارزیابی کیفیت هستان‌شناسی تولید شده، محاسبه شده است. مقایسه این معیارها، بیانگر این است که روش پیشنهادی، نسبت به سایر روش‌های موجود عملکرد بهتری دارد.

بررسی معیارهای کارایی و سودآوری وب‌سایت‌های تجارت الکترونیک و استفاده از آن‌ها برای بهینه‌سازی و افزایش سود برای مدیران تجاری و طراحان این سایت‌ها بسیار مهم بوده و از موضوعات مهم پژوهشی در حیطة تجارت الکترونیک می‌باشد. در این پژوهش یک مدل ریاضی جدید مبتنی بر تئوری گراف از وب‌سایت‌های تجارت الکترونیک ارائه و رفتار کاربران بر این اساس شبیه‌سازی شده است. سپس با استفاده از معیارهایی که برآمده از میزان کارایی و سودآوری وب‌سایت است الگوریتم‌هایی ارائه شده که ساختار صفحات وب‌سایت تجاری را بهبود می‌بخشد. از دستاوردهای دیگر پژوهش، ارائه رویکرد جدیدی برای بررسی وب‌سایت‌های تجاری است که بستری برای یافتن کاستی‌های این وب‌سایت‌ها ایجاد نموده و با ارائه این کاستی‌ها، اجزاء حساس و ضعیف سامانه تجارت الکترونیک را به مدیران می‌نمایاند.

در سال‏های اخیر، حجم داده‌های تولیدی در حوزه سلامت در حال افزایش است که از نمونه آن‌ها اطلاعات مربوط به شیوع همه‏گیری در جامعه است. در واقع الگوهای تماس افراد در جامعه، باعث ایجاد شبکه می‌شوند که تحلیل این شبکه از اهمیت زیادی در پیش‏گیری و کنترل شیوع بیماری‏ها برخوردار است. بنابراین ارائه مدلی برای ذخیره‏سازی این داده‌ها به نحوی که قادر باشد پرس‏وجوهای مطرح در این حوزه را به سرعت پاسخ دهد، ضروری است. در این مقاله برای ذخیره‌سازی این داده‌ها، از سیستم ذخیره‌سازی گرافی که یکی از انواع سیستم‌های «NoSQL» است، استفاده می‌کنیم. برای این کار ابتدا نیازها و پرس‌وجوهای مطرح در این حوزه را مشخص نموده و بر اساس آن مدل مناسب را در سیستم گرافی (neo4j) طراحی می‌کنیم. برای ارزیابی کار خود، طراحی مدل در یک سیستم رابطه‌ای (mysql) را نیز انجام داده و کارایی این دو را در پاسخ به پرس‌وجوها را با هم مقایسه کرده‌ایم. نتایج نشان می‌دهند که کارایی سیستم گرافی در بسیاری از موارد (مانند پیدا کردن مسیر انتقال بیماری، کوتاهترین مسیر بین دو فرد، پیماش گراف،... ) بهتر از سیستم رابطه‌ای است.

اخیرا استاندارد 802.15.4e، به منظور افزایش قابلیت اطمینان در زیر لایه کنترل دسترسی و برای استفاده در شبکه‌های حسگر بی‌سیم ارائه شده است. استفاده از کانال‌های متعدد غیرهمپوشان احتمال رخداد تصادم بین فرستنده‌ها را کاهش داده و این خود باعث افزایش کیفیت سرویس در شبکه و کاهش مصرف انرژی می‌شود. مکانیسم TSCH در این استاندارد هر گره حسگر را قادر می‌سازد تا ارسال بسته داده خود را بر روی یک کانال خاص و در یک اسلات زمانی معین زمانبندی کند. با این حال نحوه تخصیص کانال/اسلات و الگورریتم آن در استاندارد مشخص نشده است. در این مقاله، یک مکانیسم زمانبندی اسلات/کانال مبتنی بر 802.15.4e-TSCH برای شبکه‌های حسگر چندگامه ارائه می-شود. در مکانیسم پیشنهادی، هر گره به صورت توزیع‌شده و بر اساس حجم ترافیک عبوری اسلات‌های موردنیاز خود را برای ارسال داده تعیین می‌کند. در این روش با تخصیص اسلات‌های اختصاصی بیشتر به گره‌های نزدیک چاهک، امکان رخداد تصادم را در آن ناحیه کاهش می‌دهیم. نتایج اولیه شبیه‌سازی بر بستر OpenWSN حاکی از عملکرد کارآمد روش پیشنهادی است.

در اين مقاله، یک الگوريتم با ويژگي‌های خود-پاياسازی و محدودسازی خطا برای ساخت مجموعه غالب مینیمال به منظور خوشه‌بندی در شبکه‌های حسگر بی‌سیم، پيشنهاد می‌شود. الگوریتم‌های مشابه يا به کلی از ويژگی محدودسازی خطا بی‌بهره‌اند و یا چون اساساً با دید کاربردی خاصی طراحی نشده‌اند، با محيط عملياتی شبکه‌های حسگر تناسب ندارند. الگوریتم پیشنهادی قابلیت تنظیم وابستگی گره‌ها به سرخوشه را دارد؛ از پيکربندی‌های تک‌خطايي با پيچيدگی زمانی و مکانی O(1) ترميم می‌شود و تحت سیاست زمانبندی توزيعی ناعادلانه کار می‌کند که بیشترین مشابهت با معماری شبکه‌های حسگر را دارد. ساخت مجموعه غالب مینیمال، چون عدم مجاورت گره‌های سرخوشه را الزامی نمی‌کند، تعداد تغییر حالت کمتری تا پیکربندی مجاز نیاز دارد و ساختار خوشه‌های حاصل از آن نیز بهینه‌تر است. کاهش تعداد پيام‌های بروزرسانی، ایجاد ساختار خوشه‌بندی کارآمدتر و پايدارسازی با حداقل تغيير در ساختار توپولوژيکی از ویژگی‌های اساسی الگوريتم می‌باشند. نتایج حاصل از شبیه‌سازی نشان خواهد داد که صرف نظر از تعداد و تراکم گره‌ها، روش پيشنهادی علاوه بر ترمیم سريع در مقابل خطاهاي مقياس کوچک، زمانِ رسيدن به پايداري با شروع از پيکربندي دل‌خواه اوليه را نيز نسبت به روش‌هاي قبلي بهبود می‌دهد.

در وب معنایی، داده‌ها ساخت‌یافته هستند و از طریق پیوندهای معنایی به یک دیگر متصل شده‌اند. ساخت یافتگی داده‌ها، این امکان را فراهم می‌کند که بتوان براساس پرس‌وجوهای ساخت‌یافته و دقیق SPARQL به جستجوی وب پرداخت. بنابراین برخلاف وب اسناد که در آن، جستجو تنها براساس پرس‌وجوی کلمه‌ی کلیدی ممکن بود، در وب معنایی امکان پاسخ به پرس‌وجوهای غیرمبهم SPARQL به وجود آمده است. باتوجه به اینکه تمام نتایج بازگردانده شده در پاسخ به یک پرس‌وجوی SPARQL باید تمام شرایط ذکر شده در پرس‌وجو را برآورده نمایند، بررسی تمام نتایج و یافتن پاسخ مطلوب برای کاربر، امری زمان‌بر خواهد بود. در نتیجه نیاز به روش‌هایی برای رتبه‌بندی نتایج پرس‌وجو‌های SPARQL وجود دارد که بتواند به کاربر کمک کند تا سریع‌تر پاسخ مورد نظر خود را بیابد. در این مقاله با تطبیق روش رتبه‌بندی PageRank و تخصیص خودکار وزن به پیوندهای معنایی مختلف، یک روش رتبه‌بندی برمبنای تحلیل پیوند برای نتایج پرس‌وجو‌های SPARQL پیشنهاد شده‌است. روش تخصیص وزن، براساس تفکیک پیوندهای معنایی عام و خاص عمل می‌نماید. نتایج حاصل از ارزیابی نشان می‌دهد که روش تخصیص وزن پیشنهادی، در محاسبه‌ی رتبه موفق است و باعث بهبود دقت الگوریتم رتبه‌بندی می‌شود.

از آنجایی که معماری سرویس‌گرا باعث شده که سیستم‌های تجاری قابل ‌انعطاف‌تر و قابل‌استفاده مجدد باشند، محبوبیت زیادی در صنعت و همچنین جوامع علمی در دهه‌های اخیر کسب کرده است. با توجه به افزایش روزافزون سرویس‌ها در وب، یافتن سرویس مطابق با نیازمندی کاربر بسیار حیاتی است، در معماری سرویس‌گرا، کشف سرویس، فرآیند یافتن سرویس‌های مناسب از مخازن سرویس است. روش‌های زیادی برای کشف سرویس در معماری سرویس‌گرا ارائه شده است که هر یک سعی می‌کند نیازهای کاربر را برآورده کند و سرویسی مناسب با درخواست کاربر به وی ارائه دهد، اما راه‌حل‌های پیشنهادی هنوز دقت لازم برای کشف سرویس‌های مناسب را ندارند، در این مقاله سعی کردیم روشی برای کشف سرویس ارائه دهیم که سرویس‌های دقیق‌تری را مطابق با نیاز کاربر ارائه دهد. روش پیشنهادی رویکردی مبتنی بر آنتولوژی برای کشف سرویس در معماری سرویس‌گراست که ابتدا یک مدل نیازمندی‌های مبتنی بر آنتولوژی بر اساس لیستی از نیازمندی‌های محصول که مهندس نرم‌افزار در اختیار ما قرار می‌دهد، ایجاد می‌کنیم. سپس یک سیستم تعاملی با توسعه‌دهنده سیستم ایجاد می‌کنیم که با تعیین دامنه هر یک از نیازمندی‌ها، سرویس مرتبط با آن را به دست می‌آورد. با ارائه‌ی این روش میانگین دقت سرویس‌های کشف شده از 92/0 در بهترین راه‌حلی که تا کنون ارائه شده به 97/0 در راه حل پیشنهادی بهبود یافته است. با ارائه سرویس‌های دقیق‌تر و مرتبط‌با درخواست کاربر، می‌توان گفت میزان استفاده مجدد را تا حد زیادی افزایش می‌دهد و باعث کاهش زمان و هزینه در فرآیند توسعه نرم افزار می‌شود.

معماران در پروژه‌ها می‌توانند از تجارب قبلی یکدیگر استفاده نمایند و تأثیرات تصمیمات خود را بر ویژگی‌های کیفی اندازه‌گیری کنند. تصمیماتی که معمار برای یک سیستم اتخاذ می‌نماید مستقیماً روی پاسخ سناریوهای کیفی مربوطه اثر می‌گذارد. با توجه به اینکه این تصمیمات بارها توسط معماران نرم‌افزار در شرایط مختلف مورد استفاده قرار می‌گیرد چنانچه بتوان تجارب قبلی را به فرم مناسب ذخیره نمود در شرایط مشابه، قابل استفاده مجدد خواهد بود. با توجه به تنوع فیلدهای سناریوهای کیفی و مقادیر آنها، تعیین میزان اثر یک تصمیم بر پاسخ سناریوی کیفی نیاز به اطلاعات کافی از تجارب قبلی دارد تا بتوان به پاسخ، اعتماد نموده و آن را مورد استفاده مجدد قرار داد. در این مقاله چارچوبی ارائه شده است که با کمک آن، معمار قادر خواهد بود از تجارب سایر معماران استفاده مجدد نموده و میزان اثر تصمیم خود بر ویژگی‌های کیفی را مشاهده نماید. در این چارچوب یک آنتولوژی ارائه می‌شود تا امکان ذخیره سازی تصمیمات معماری و تأثیرات آنها بر سناریوهای کیفی برای استفاده های آتی فراهم گردد. برای ارزیابی چارچوب پیشنهادی، ابتدا اطلاعات چندین سیستم موجود را ذخیره نموده، سپس برای یک سیستم جدید میزان تأثیر مربوط به تصمیمات معماری بر روی سناریوهای مختلف محاسبه شده توسط این چارچوب را با تأثیرات واقعی مقایسه می نمائیم.

آزمون نرم‌افزار فرآیندی وقت‌گیر و خسته کننده است. آزمون فاز در کنار خودکار بودن مي‌تواند در صورت رسیدن به پوشش کد، خطاها و آسیب‌پذیری‌های زیادی را کشف کند. چالش اصلی در تمام آزمون‌های کد مانند این آزمون، رسیدن به پوشش کد و طی مناطق عمیق کد است تا احتمال یافتن خطا و آسیب‌پذیری بیشتر شود. بدین منظور استفاده از آزمون واقعی-نمادین در صورت داشتن حلال قیود مناسب و یا قیود به شکل درست می‌تواند بسیار امیدبخش باشد؛ اما به دلیل نقش گلوگاهی حلال قیود و شکل قیود ممکن است برخی از مسیرها، جوابی مناسب از حلال قیود دریافت نکرده و دچار انحراف شده و این مسیرها و مسیرهای حاشیه‌ای آن‌ها هرگز پیموده نشوند. در این مقاله، روشی برای بهبود نحوه عملکرد و ارتقاء پوشش آزمون در آزمون فاز ارائه شده است. برای این منظور در کنار استفاده از روش آزمون واقعی-نمادین، اکتشافاتی بر روی قیود شرایط مسیر با کمک الگوریتم ژنتیک صورت گرفته و شرایط مسیر بهتری تولید می‌شود به صورتی که توسط حلال قیود قابل حل بوده و طی کردن داده متناظر با آن، به پوشش کد بالاتر می‌انجامد. نتایج تجربی حاصل از پیاده سازی و اعمال روش پیشنهادی روی موارد کاربردی مختلف در مقایسه با روش مشابه مؤید این مطلب است.

از آن‏جا که فرآیند تنظیم ژن‏ها در سطح سلولی یک روند دینامیک و پویا است، شبکه‏های عصبی با قابلیت آموزش و تنظیم بر اساس داده‏های آموزشی و سیستم‏های فازی با قابلیت تفسیرپذیری، الگوریتم‏های مناسبی جهت این نوع محاسبات هستند. در پژوهش پیش‏روی، روش‏هایی بر مبنای شبکه‏های عصبی¬فازی جهت پیش‏بینی ارتباطات پیچیده میان ژن‏ها انجام شده است. روش پیشنهادی، ژن‏هایی که بیشترین تاثیر بر هم دارند را به عنوان ژن‏های تنظیم‏کننده می‏یابد و نوع روابط آن‏ها شامل اثر سدکنندگی، فعال‏کنندگی و یا خنثی را مشخص می‏کند و در نهایت شبکه تنظیم ژنی ترسیم می‏شود. برای آموزش، از مجموعه داده‏های استاندارد ریزآرایه مربوط به 12 ژن شاخص موثر در مدت سیکل جوانه زدن نوعی مخمر (Saccharomyces Cerevisiae) استفاده شد. فعل و انفعالات حاصل شده با نتایج آزمایشگاهی بیولوژیکی پیشین، تحت معتبرسازی قرار گرفته‏اند و نتایج نشان‏دهنده آن است که با اجرای روش پیشنهادی، 15% از تعداد قوانین استخراج شده جهت بخش‏بندی فضای ورودی- خروجی کاسته شده و این منجر به کاهش شدید محاسبات می‏شود، در حالی‏که میزان مجموع مربعات خطای الگوریتم نیز در مقایسه با نزدیک‏ترین روش از لحاظ الگوریتم، 0.3- کاهش یافته است.

یکی از مسائل مطرح در طبقه بندی کننده k نزدیک ترین همسایه، تعیین اندازه همسایگی است. تحقیقات نشان داده اند تعیین بهینه مقدار k تاثیر بسزایی در میزان دقت حاصل از طبقه بندی این نوع طبقه بندی کننده دارد از همین رو، کارهای بسیاری جهت تعیین اندازه همسایگی به صورت کلی برای هر مجموعه داده و یا به صورت محلی به ازای هر نمونه، صورت گرفته است. در این مقاله یک تکنیک k نزدیکترین همسایه وفقی ارائه شده که در فاز اول، با توجه به همسایگی هر نمونه آموزشی (الگو)، یک مقدار مناسب k به هر یک انتساب داده می شود. سپس در فاز دوم، با استفاده از مفهوم وزن دهی به الگوها، فاصله ای وفقی بین یک نمونه تست و یک الگو تعریف می شود. سپس وزن الگوها به گونه ای تنظیم می شود که منجر به افزایش نرخ طبقه بندی leave one out بر روی مجموعه داده آموزشی شود. در فاز طبقه بندی، نزدیکترین الگوی هر نمونه تعیین و از مقدار k آن، برای طبقه بندی استفاده می‌شود. روش پیشنهادی با شیوه های KNN وفقی ارائه شده در تحقیقات گذشته، بر روی تعدادی مجموعه داده استاندارد، مقایسه شده است. نتایج نشان می‌دهد که الگوریتم ارائه شده نه نتها اندازه مجموعه داده را کاهش می دهد بلکه در بسیاری از موارد، بهتر از سایر الگوریتم ها عمل می‌کند. علاوه بر این در حضور نویز، تقریبا در همه مجموعه های داده، دقت بیشتری را در بردارد.

وظیفه لايه‌ي انتقال در شبکه‌ها، کنترل و پيشگيري از ازدحام و تحويل مطمئن انتها به انتهاي بسته‌ها مي‌باشد. در شبکه‌هاي حسگر روش‌هايي که هر دو فاکتور فوق را همزمان مورد توجه قرار مي‌دهند، نسبت به ساير روش‌ها موفق‌ترند. ESRT يکي از اين روش‌ها است که بزرگ‌ترين چالش آن عدم پشتيباني از اولويت‌هاي چندگانه در انتقال ترافيک مي‌باشد. در این پژوهش براي رفع مشکل ESRT از روش کدگذاري توصيفات چندگانه به همراه تصحيح خطاي پيش‌رونده استفاده‌شد و روش جديدي براي کنترل ازدحام، تأمين اتکاپذيري و اولويت‌بندي چندگانه بين توصيف‌هاي توليدي در گره‌هاي حسگر ارائه شد. در اين روش با توجه به ترافيک ويدئويي در نظر گرفته‌شده براي شبکه حسگر، تلاش مي‌شود که اتکاپذيري و به دنبال آن کيفيت ويدئوي دريافتي تا جايي که ازدحام رخ نمي‌دهد در شبکه زياد شود. نتايج شبيه‌سازي‌ها نشان داد که براي ترافيک ويدئويي با امکان ارائه‌ي توصيفات گسترش‌پذير، به خوبي اولويت بين جريان‌ها رعايت می‌شود. سرعت عمل روش نيز در مقايسه با روش پايه، مطلوب تر ارزيابي شد، که اين موضوع باعث کاهش مصرف انرژي و جلوگيري از هدر رفتن منابع شبکه در هنگام وقوع ازدحام مي‌شود.