انجمن کامپیوتر ایران

امروزه استفاده از پردازنده¬ها و میکروکنترولرها در سیستم¬های نهفته در حال افزایش است. تحقیقات نشان می¬دهند که نرخ رخداد اشکال در هر نسل از تراشه¬ها تقریبا %8 افزایش می¬یابد، و این مطلب ضرورت استفاده از روش¬های بهینه¬ی کشف و تصحیح خطا را برای بهبود قابلیت¬اطمینان و ایمنی سیستم¬های نهفته، روز به روز بیشتر می¬کند.در این مقاله یک روش وارسی روند اجرای نرم¬افزاری، با استفاده از قابلیت¬هایی که واحد نظارت بر کارایی پردازنده ARM11 در اختیار طراحان قرار می¬دهند، ارائه شده است. در این روش جدید که BEC نام¬گذاری شده است، ابتدا یک معادله بر اساس ساختارهای تشکیل¬دهنده¬ی هر برنامه تشکیلمی¬شود که تعداد پرش¬های برنامه را، درصورت اجرای صحیح، پیش¬بینی می¬نماید. پس از آن با استفاده از واحد نظارت بر کارایی پردازنده، تعداد پرش¬های برنامهشمارش می¬شود؛ و در پایان توسط قطعه¬های خاصی از برنامه تعداد پرش¬های شمارش شده با تعداد پیش¬بینی شده مقایسه می¬گردد؛ و در صورت تناقض وقوع خطا گزارش می¬شود.با بکارگیری این روش در حالت پایه به¬طور متوسط بیش از %70 از خطاهای روند اجرای کشف نشده با صرف کمتر از %1 سربار کارایی کشف می¬شوند، که این میزان با بکارگیری تعداد محدودی پرش جعلی تا %80 نیز قابل افزایش است.

قطعه بند متن يك جزء ضروري در برنامه¬هاي پردازش زبان طبيعي مثل خلاصه نويسي و يا استخراج اطلاعات مي¬باشد. هدف اصلي اين مقاله، ارزيابي الگوريتم¬هاي قطعه بندي متن در شناسايي مرز بين موضوعات در متون فارسي مي¬باشد؛ به همين دليل 22 متن مختلف با ويژگي¬هاي متفاوت به عنوان نمونه به دو الگوريتم پايه، كه در زبان انگليسي به خوبي كار مي¬كنند، داده مي¬شود و نتايج اين دو الگوريتم را با استفاده از پارامترهاي ارزيابي Recall و Precision و F-measure با هم مقايسه مي¬كنيم.البته تغييراتي هم روي اين الگوريتم¬هاي پايه داده شده تا جواب¬ها بهينه تر گردند.

IMS(زیر سیستم چندرسانه¬ای مبتنی بر IP) معماري استاندارد براي شبكه¬های نسل آينده است. این معماری توسط موسسه 3GPP معرفی شده است و به سه قسمت کنترل، چند رسانه¬ای و سرویس تقسیم شده است. در لایه کنترل IMS پروتکل‌های SIP (پروتکل شروع نشست) و DIMITER استفاده شده است. مزیت اين پروتکل¬ها عبارتند از متني بودن، مبتني بر IP بودن و استقلال از نوع داده انتقالي است. عیب این پروتکل¬ها نبود مکانيزم مناسبي براي مواجه با انواع حملات است. اين چالش سبب خواهد شد که طيف وسيع کاربران شبکه نسل آينده با افت شديد کيفيت سرويس مواجه شوند. ایده اصلی این مقاله بررسی حملات انکار سرویس بر روی اجزای اصلی معماری IMSاست. ما تعدادی مشخصه برای مدل‏سازی رفتار موجودیت¬های اصلیIMS معرفی می¬کنیم و این مشخصه¬ها در حالت¬های ترافیک طبیعی و حملات مطالعه می¬شوند. برای مطالعه ترافیک IMSدر مقابل حملات، از ابزارهای استاندارد مختلف OpenIMSCore، SIPp و IMS Benchاستفاده شد. همچنین براساس سرآیند پروتکل¬های SIP و DIMITER مشخصه تعریف شد و مطالعات آماری روی این مشخصهها انجام شد. نتایج شبیه‌سازی کارایی مدل پیشنهادی ما را نشان داد. علاوه بر این امکان تفکیک ترافیک طبیعی از ترافیک حمله در IMS نشان داده شد.

روند رو به رشد و سريع ساخت مدارات مجتمع به گونه‌اي است كه پيوسته اندازه ترانزيستورها رو به كاهش است. در نتيجه فاصله ميان اجزای روی تراشه¬ها بسيار كم شده است. از جمله مشكلات پیش رو در طراحی فیزیکی، افزايش حساسيت به نويز و اندازه بزرگ سيم‌هاي موجود در تراشه نسبت به اندازه اجزای فعال، ترانزيستورها و در كل مشكلات موجود در اتصالات تراشه‌ها می‌باشند. طی چند سال اخیر راهکارهایی براي بهبود اتصالات سنتي ارائه شده است. در این میان می‌توان به استفاده از اتصالات بی‌سیم اشاره کرد که در آن برخی از اتصالات بلند مدار با استفاده از اتصالات امواج رادیویی برقرار می¬شود. یکی از نکات کلیدی در این فناوری چینش کارآمد منابع بی¬سیم (فرستنده¬ها/گیرنده¬ها) در سطح تراشه است. در این مقاله، الگوریتمی برای جایابی مناسب منابع بی‌سیم ارائه شده است. با توجه به بزرگ بودن منابع بی¬سیم، جایابی آن‌ها همراه با بقیه¬ی سلول¬ها کارایی مناسب را ندارد و لازم است که در ابتدا طرح¬ریزی مناسبی در مورد این منابع انجام شود. در این راستا، طرح‌های متفاوتی برای درج اتصالات بی‌سیم در این مقاله ارائه و ارزیابی شده¬اند. آزمایش¬های انجام شده نشان می¬دهد که طرح¬ریزی شبکه¬ای با بهبود در تأخیر در حدود 18.99% و کاهش طول سیم در حدود 5.3% به عنوان بهترین نتیجه، بدست آمده است. در نهایت یک الگوریتم جدید جایابی برای این طرح¬ریزی ارائه شده که در آن تأخیر در حدود 11.21% و طول سیم در حدود 6.22% کاهش یافته است. در مقابل این بهبود‌ها، حدود 10.04 درصد سربار مساحت داشته¬ایم.

مدل‌سازی ابزاری است که به کمک آن می‌توان داده‌ها و روابط بین آن‌ها را به صورت ساختار ریاضی نشان داد. مدل‌سازی نظریه بازی با استفاده از خصوصیت خود خواهی در بازی‌ها، توابعی را به عنوان سود تعریف می‌کند که در محیط مدل شده، هر عامل تمایل دارد تا سود شخصی خود را بیشینه کند. این مدل‌سازی در شبکه‌های اجتماعی کاربرد زیادی دارد چرا که با واقعیت این شبکه‌ها همخوانی مفهومی دارد. داده‌گراف‌ها، نوعی داده می‌باشند که از یک گراف اصلی و خصوصیاتی افزوده بر آن تشکیل شده‌اند، شبکه های اجتماعی نوعی داده‌گراف می‌باشند. هدفی که این مقاله دنبال می‌کند، ارایه یک مدل نظریه بازی برای داده‌گراف‌ها می‌باشد و سپس فرآیندی را معرفی می‌کند که به کمک آن بتوان یک تابع هدف را در داده‌گراف ها به کمک مدل نظریه بازی بهینه کرد. یکی از مهمترین تاثیراتی که این مقاله می‌تواند در شبکه های اجتماعی ایجاد کند، همسو کردن سود شخصی افراد با سود کل جامعه می‌باشد.

یک حمله مضر شناخته شده علیه شبکه¬های حسگر، حمله سیبل می¬باشد که در آن یک گره بدخواه چندین شناسه کسب و از خود منتشر می¬کند. این حمله به طور چشمگیری پروتکل¬های مسیریابی را مختل كرده و بر روی عملیاتی نظیر رأی¬گیری، تجمیع داده¬ها، ارزیابی اعتبار و ... اثرات ویران کننده می¬گذارد. در این مقاله، یک الگوریتم توزیعی و پویا مبتنی بر تئوری پازل-های مشتری و مدل اتوماتای یادگیر جهت شناسایی گره¬های سیبل در شبکه¬های حسگر بی¬سیم ارائه می¬شود. شبیه¬سازی الگوریتم پیشنهادی با نرم‏افزار شبیه¬ساز JSIM صورت گرفته و نتایج شبیه¬سازی¬ها نشان می¬دهد که الگوریتم پیشنهادی قادر به شناسایی كامل گره¬های سیبل بوده و میزان تشخیص غلط آن در حالت میانگین کمتر از %5 می¬باشد. هم‏چنین، با انجام یک سری آزمایش‏ها، کارایی الگوریتم پیشنهادی با دیگر الگوریتم‏های موجود مقایسه گردیده و نتایج حاصل، نشان دهنده کارایی بهتر الگوریتم پیشنهادی نسبت به دیگر الگوریتم‏ها از نظر معیارهای نرخ تشخیص و نرخ تشخیص غلط است.

امروزه چگونگی حل کارآمد گروه بزرگی از مسائل بهینه سازی ترکیبیاتی موسوم به مسائل غيرچند جمله‌اي، یکی از مهمترین چالش‏ها‏ي محققين تلقی می‌شود. مدت زمان لازم برای حل این نوع مسائل با افزایش تعداد پارامترها، بصورت نمایی افزایش می‌یابد و این در حالی است که با پیشرفت تکنولوژی، نیاز به حل سریعتر و مناسب‏تر این مسائل به سرعت رو به افزایش است. لذا امروزه روش‏ها‏ی حل تقریبی اينگونه مسائل و در میان آنها روش‏ها‏ی فرا اکتشافی، به شدت مورد استقبال قرار گرفته است. در اين مقاله از توانايي‏ها‏ي الگوريتم فرااكتشافي جستجوي ها‏رموني‏ جهت حل مسائل غيرچند جمله‌اي استفاده شده است. براي اين منظور سه مسأله چند وزير، رنگ‌آميزي گراف و فروشنده دوره گرد بعنوان مطالعه موردي در نظر گرفته شده اند. نتيجه پياده‌سازي‏ها‏ توانايي الگوريتم جستجوي ها‏رموني‏ را در حل مناسب اين نوع مسائل، به خوبي نشان مي‏دهد.

شبکه¬هاي حسگر داراي دو جز اصلي مي¬باشند؛ انبوهي از حسگرها و تعداد اندکي پايگاه. در بعضي از کاربردهاي شبکه حسگر، چند دامنه وجود دارد، همکاري در ارسال بسته بين اين دامنه¬ها طول عمر شبکه¬ها را افزايش مي¬دهد. در اين مقاله، ما بر روي شبکه¬هاي حسگر ناهمگن چند دامنه¬اي تمرکز کرده¬ايم، به اين معني که هر شبکه، دامنه¬اي مجزا دارد و اين دو شبکه ناهمگن به صورت تصادفي در يک قطعه زمين پخش شده¬اند. بديهي است طول عمر دو شبکه در صورت همکاري بالاتر خواهد رفت، و البته خودخواهي از ديد منطقي بودن در امر تصميم گيري براي ارسال بسته اجتناب ناپذير است، و همکاري به صورت اتفاقي صورت نخواهد پذيرفت. بنابراين ما استراتژي انطباق پذيري از TIT FOR TAT ارائه داديم. اين الگوريتم ابداعي با همکاري سخاوتمندانه براي تحريک همکاري در شبکه مقابل شروع و به تدريج با کم شدن انرژي گره¬ها، روي به حالت محافظه کارانه روي مي آورد. نتايج شبيه ¬سازي نشان دهنده دستیابی به طول عمر بیشتر در مقابل شبکه¬های دیگر و افزایش طول عمر شبکه دیگر به علت تحریک همکاری می-باشد.

In traditional cooperative spectrum sensing such as OR-rule or AND-rule, secondary user (SU) must maintain coordination based on a fusion center. In this paper, we propose the weighted average consen- sus, based on Learning Automata(LA), for fully distributed cooperative spectrum sensing without fusion center. At the first stage of the pro- posed scheme, each SU makes measurement about presence of primary user (PU) at the beginning of each time slot, then communicates with local neighbors to exchange information to make the final decision and update its weight using a LA based algorithm. Simulation results show that the proposed scheme has better performance than the non weighted consensus and existing weighted consensus scheme. Also, the convergence time of the proposed scheme is less than the existing weighted consensus and almost equal to non weighted consensus scheme

امروزه شبکه‌های عصبی مصنوعی کاربرد وسیعی در زمینه‌های مختلفی از جمله تشخیص الگو و تقریب تابع دارند. آموزش شبکه‌های عصبی فرآیند پیچیده‌ای می‌باشد و تاکنون الگوریتم‌های مختلفی برای آموزش شبکه‌های عصبی ارائه شده است. یکی از روش‌های متداول برای آموزش شبکه‌های عصبی استفاده از الگوریتم‌های مبتنی بر گرادیان مانند الگوریتم پس انتشار است. از مهمترين مشکلات الگوریتم‌های مبتنی بر گرادیان، توقف اين الگوریتم‌ها در نقاط بهینه محلی و کند بودن روند همگرایی مي‌باشد. برای رفع مشکلات الگوریتم‌های مبتنی بر گرادیان از الگوریتم‌های تکاملی برای آموزش شبکه‌های عصبی استفاده شده است. در این مقاله یک روش جهش جدید برای بهبود کارایی الگوریتم تکامل تفاضلی ارائه شده است و از این الگوریتم، برای آموزش شبکه‌های عصبی استفاده شده است. مقایسه نتایج روش پیشنهادی و الگوریتم‌های دیگر نشان می‌دهد که روش پیشنهادی، دارای سرعت و دقت همگرایی بهتری نسبت به روش‌های دیگر است.

مدل مخلوط گاوسی و ضرایب فرکانسی مل همواره به عنوان مهم‌ترین روش‌های مدل‌سازی توزیع نمونه‌ها و استخراج ویژگی در شناسایی گفتار مطرح بوده‌اند. مزیت مدل مخلوط گاوسی در مدل‌سازی ورودی‌ها با بالاترین دقت و مزیت ضرایب فرکانسی مل در یافتن اطلاعات تمایزدهنده در طیف زمانی کوتاه است. ویژگی‌های طیف زمانی کوتاه مقاومت لازم در مقابل نویز را ندارند، از طرفی اما به‌کارگیری اطلاعات در بازه‌های زمانی طولانی‌تر نیز در مدل مخلوط گاوسی بار محاسباتی بالایی دارد. این مسائل کاهش دقت را در صورت وجود عدم تطابق در شرایط آموزش و آزمون باعث می‌شود. ترکیب ویژگی‌های مختلف و تغییر در مدل‌سازی نمونه‌های ورودی از جمله راه‌های پیشنهادی هستند. در این مقاله از شبکه‌های باور عمیق برای یافتن ویژگی‌های تمایزدهنده از یک طیف زمانی طولانی‌تر استفاده می‌شود. در این حالت تبدیلات غیرخطی علاوه بر استخراج ویژگی‌های سطح بالاتر و کاهش ابعاد ویژگی‌های ورودی، تبدیل فضای ویژگی‌های ضرایب فرکانسی مل را منجر می‌شود که می‌توانند در مقابل تغییرات سیگنال ورودی مقاومت لازم را داشته باشند. این ویژگی‌ها در بهبود کارایی مدل مخفی مارکوف استفاده می‌شوند. روش پیشنهادی بر روی مجموعه‌ای از پرکاربردترین کلمات فارس-دات آزمایش و نتایج آن با پرکاربردترین روش شناسایی گفتار مقایسه شده است. افزایش دقت شناسایی کلمات نشان از کارایی روش پیشنهادی در مقابل تغییرات و نویز دارد.

تحقيقات زياد روي موتورهاي جستجو نشان مي‌دهد که اکثر پرس و جوهاي کاربران بيش از يک کلمه مي‌باشد و ممکن است بطور مشخص با استفاده از علامت نقل قول به عنوان عبارت معرفي شده باشند يا از علامت نقل قول استفاده نشده باشد ولي در بيشتر مواقع منظور کاربر يک عبارت باشد. اکثر الگوريتم‌هاي رتبه بندي از فرکانس رخداد يک کلمه در سند(TF) براي امتياز دهي به اسناد استفاده مي‌کنند اما براي عبارت تعريف روشني از اين پارامتر وجود ندارد. از طرفي تعداد رخداد يک عبارت به تنهايي مفيد نيست و بايد فاصله بين کلمات عبارت محاسبه گردد. در اين مقاله پارامترهاي فاصله، ‌فرکانس رخداد يک عبارت(PF) و IDF با توجه به فاصله تعريف مي‌شود و الگوريتم‌هايي براي محاسبه آنها ارائه مي‌گردد. همچنين نتايج الگوريتم پيشنهادي با الگوريتم پياده سازي شده توسط نمايه ساز متن باز لوسين مقايسه گرديده است.

در این مقاله از مجموعه چهار پیمانه‌ای جدید(2n-1,2n+1,22n,22n+1) که در مقایسه با مجموعه‌های سه پیمانه‌ای دارای محدوده‌ی دینامیکی بالاتر و موازی سازی بیشتر می‌باشد، استفاده شده است. سپس برای اولین‌بار دو مدار شناساگر علامت جدید و کارآمد مخصوص سیستم اعداد مانده‌ای چهار پیمانه‌ای(2n-1,2n+1,22n,22n+1) ارائه شده است تا در پی آن استفاده عملی از این مجموعه پیمانه در سیستم‌های محاسباتی مبتنی بر سیستم اعداد مانده‌ای امکان پذیر گردد. محدوده‌ی دینامیکی این مجموعه پیمانه 6n بیتی می‌باشد و از مزایای مدارهای پیشنهادی این است که تنها با محاسبه 2n بیت شناسایی علامت صورت می‌گیرد. هم‌چنین در طراحی مدارهای پیشنهادی بر خلاف روش پیشین از مدار مقایسه‌گر استفاده نمی‌شود و تنها با استفاده از جمع کننده‌های ذخیره رقم نقلی، جمع کننده‌های انتشار رقم نقلی و واحد محاسبه رقم نقلی علامت تشخیص داده می‌شود. بنابراین مدارات پیشنهادی در مقایسه با روش پیشین دارای سرعت بیشتر و هزینه سخت افزاری کمتری می‌باشند.

محاسبات ابری، نوعی مدل محاسباتی می‎باشد که امکان دستیابی به منابع محاسباتی را به عنوان سرویس و براساس تعهد پرداخت امکان‎پذیر می‎سازد. تهیه‎کنندگانِ متفاوتی در محیط محاسبات ابری وجود دارد که هر کدام از آنها، سرویس‎هایی را با ویژگی‎های کیفیتی گوناگون، ارائه می‎نمایند. بنابراین کاربر به هنگام تصمیم‎گیری در مورد انتخاب سرویس، بر اساس نیازمندی‎های کیفیتِ کاربردِ خود به مشکل برخورد می‎کند. به همین دلیل، داشتن سیستمی برای دریافت نیازهای کاربر و انتخاب و رتبه‎بندی سرویس‎های ابری لازم و ضروری به نظر می‎رسد. در این مقاله، روشی به نام MOOW برای رتبه‎بندی سرویس‎های ابری ارائه شده است. این روش، رتبه‎بندی را به عنوان یک مسئله‎ی بهینه‎سازی چند هدفه در نظر گرفته و از طریق وزن دادن به ویژگی‎هایِ کیفیت، مسئله را تحلیل می‎نماید. نتایج آزمایشات نشان می‎دهد که پیچیدگی روش ارائه شده در مقایسه با روش‎ قبلی، 5 درصد کاهش یافته است و الگوریتم ارائه شده، بسیار ساده می‎باشد.

شبکه روی تراشه به عنوان راه حلی کارآمد و مؤثر برای حذف گذرگاه‌ها و ایجاد یک بستر مناسب برای ارتباط بین پردازنده‌ها معرفی شده است. با کاهش ابعاد ترانزیستورها و افزایش پیچیدگی مدارها، تراشه‌های سه بعدی به عنوان یک راه حل برای طراحی مدارها ارائه شده‌اند. از طرف دیگر این کاهش ابعاد ترانزیستور، احتمال بروز اشکال در تراشه ها را افزایش می‌دهد. بنابراین تحمل پذیری اشکال یکی از مهم ترین چالش‌های موجود در طراحی مدارهای دیجیتال است. در این مقاله یک الگوریتم مسیریابی (SM) با هدف افزایش تحمل‌پذیری اشکال در اتصالات شبکه بویژه اتصالات عمودی شبکه روی تراشه سه بعدی پیشنهاد شده است. مسیریابی ارائه شده با استفاده از یک جدول مسیریابی درون لایه‌ای و دو جدول اشکال اتصالات میان لایه ای (TSV) و اتصالات درون لایه‌ای بهبود قابل توجهی در پارامترهای تأخیر، قابلیت اطمینان و گذردهی شبکه در ازای افزایش ناچیز میزان حافظه اشکال شده در هر راهگزین بوجود آورده است. نتایج شبیه‌سازی‌ها بر روی یک شبکه مش سه بعدی با ابعاد 7×7×7 نشان می‌دهد که با تزریق اشکال در 12% اتصالات شبکه، برای ترافیک واقعی و ترافیک ساختگی تأخیر شبکه به طور میانگین به ترتیب 67/42% و با 61/46% کاهش می‌یابد و قابلیت اطمینان شبکه نیز به‌طور میانگین به میزان 9/16% بهبود یافته است.

امروزه کاربران شبکه‌های حسگر بی‌سیم علاوه بر غلبه بر چالش‌هایی نظیر محدودیت انرژی، باید با چالش‌های ناشی از حملات مهاجمین به شبکه نیز مقابله کنند. یکی از حملات متدوال در شبکه‌‌های حسگر بی‌سیم، حمله کرم‌چاله است که در آن مهاجمین، یک لینک سریع و با تاخیر کم را بین دو نقطه از شبکه ایجاد می‌کنند. این حمله با توافق دو یا چند گره از شبکه یا با اضافه کردن چندین گره مخرب جدید امکان‌پذیر است. پس از آن‌که لینک ایجاد شد، مهاجم داده‌ها را از یک طرف لینک جمع‌آوری کرده و از طریق لینک سریع ایجاد شده آن‌ها را به سمت دیگر شبکه می‌فرستد. این حمله در جریان انتقال داده‌ها تغییر ایجاد می‌کند و سبب گمراه شدن چاهک می‌شود. حمله کرم‌چاله به سادگی انجام می‌شود و تشخیص آن راحت نیست، چرا که اطلاعات منتقل شده اغلب معتبر هستند. در این مقاله به بررسی روش‌های بکارگرفته شده برای حمله کرم‌چاله می‌پردازیم و روش‌های مختلف مقابله با آن در شبکه‌های حسگر بی‌سیم را بررسی می‌کنیم.

یکی از جدی‌ترین چالش‌های امنیت در سامانه‌های تعبیه‌شده، حملات تحلیل توانی است که اساس کارکرد این دسته از حملات بر استخراج مشخصه‌های سخت‌افزاری جهت کشف رمز بنا نهاده شده است. در حملات تحلیل توانی، مهاجم با استخراج الگوی مصرف توان در سامانه رمزنگاری و مطابقت دادن آن با توان مصرفی از پیش اندازه‌گیری شده از سامانه، می‌تواند به اطلاعات محرمانه دسترسی پیدا کند. روش پوشش جانشانی چرخشی یکی از آخرین روش‌هایی است که سعی دارد در سطح کاربرد به مقابله با حملات تحلیل توانی بپردازد و ادعا شده است که الگوریتم‌هایی که با استفاده از این روش مقاوم شده‌اند، در مقابل حملات تحلیل توان مرتبه اول و مرتبه دوم با میزان انحراف صفر مقاوم هستند. در این مقاله پس از بررسی نقاط ضعف روش پوشش جانشانی چرخشی، حمله‌ای طراحی و پیاده‌سازی کرده‌ایم که نشان می‌دهد روش مذکور در مقابل حملات تحلیل توانی مرتبه دوم با میزان انحراف صفر بهبود امنیتی به دست نمی‌دهد. برای این منظور کد الگوریتم رمزنگاری AES که به این روش مقاوم‌سازی مجهز شده است را بر روی خانواده میکروکنترلر PIC اجرا کرده و بر نقطه‌ای از الگوریتم حملات را انجام دادیم. نتایج به دست آمده موید کشف کلید و شکسته شدن الگوریتم رمزنگاری هستند.

در این مقاله سعی شده است با استفاده از روش‌های کاهش توان در لایه ترانزیستور لچی طراحی گردد که علاوه بر مقاومت در برابر خطا به لحاظ مصرف توان در سطح بسیار مطلوبی باشد و به همین جهت از آن می‌توان برای طراحی سیستم ها با کاربرد بحرانی استفاده کرد. امروزه افزایش فرکانس کاری مدارات و استفاده از افزونگی جهت مقاوم‌سازی آنها در برابر خطا سبب شده است توان مصرفی مدارات به شدت افزایش یابد. این مقاله با استفاده از روشی موسوم به بایاس انطباقی بدنه (Adaptive body bias) سعی در کاهش موثر توان لچ کرده است به گونه ای که آنرا برای استفاده در سیستم‌های با توان پایین مهیا ساخته است. بکارگیری پنج عنصر C-Element در لچ مذکور، آنرا در برابر واژگونی بیت نه فقط برای رخداد خطا در یک نقطه بلکه در چند نقطه مقاوم سازی کرده است. لچ طراحی شده با استفاده از نرم افزار Hspice و با تکنولوژی nm90 ارزیابی شده است. مصرف توان لچ ارائه شده نسبت به لچ بدون افزونگی 153% سربار دارد هرچند که با اعمال روش کاهش توان، افزونگی سربار آن را تا 106% کاهش داده‌ایم. این بدین معناست که لچ طراحی شده با حضور افزونگی مصرف توانی برابر با uW93/1 داشته که در مقایسه با مقدار مصرف توان، بدون اعمال روش‌های کاهش توان 42% کاهش نشان می‌دهد. تمام اینها در شرایطی حاصل شده است که مدار لچ در برابر خطاهای تک رخدادی و چند رخدادی گذرا 100% پوشش را نشان می‌دهد.

از چالش‌هاي مهندسي نرم افزار مبتني بر عامل مدل‌سازي عامل‌ها، پياده‌سازي آن‌ها و همچنين ارزیابی سيستم‌هاي عامل‌گرا به طور صحيح، درست و بدون ابهام است. از آنجاکه روش‌هاي صوری بر پايه رياضي هستند چارچوبي را براي "سيستم¬هاي مبتني بر عامل" فراهم مي‌کنند که بتوان سيستم عامل‌گرا را به طور صحيح مدل‌سازي، پياده‌سازي و ارزیابی کرد. در متدولوژي MaSE، در هفت مرحله با گذر از مراحل مختلف تحليل و طراحي، مستندات گوناگوني تهيه مي‌گردد که اين مستندات بيشتر به صورت گرافيكي ارائه مي‌شوند. در این رهیافت این مستندات را مي‌توان با روش‌هاي صوری مانند "سيستم تبديل گراف" صوری کرد و امکانی را فراهم کرد که بتوان به صورت خودکار، دقیق و سریع نحو مدل و هم‌خوانی بین نمودار‌های متدولوژي MaSE را بررسی کرد و در نتیجه هزینه‌های طراحی و پیاده‌سازی را کاهش داد.

شبکه‌هاي اجتماعي نوعي ساختار اجتماعي محسوب مي‌شوند که از گره‌هاي متعددي تشکيل شده‌اند و اين گره‌ها مي‌توانند افراد حقيقي و يا سازمان‌ها باشند. از همه مهم‌تر، اين گره‌ها توسط يک يا چند نوع وابستگي خاص به يکديگر متصل هستند. اعضای شبکه‌هاي اجتماعي، مي‌توانند افراد را متناسب با نوع ارتباط در گروه‌های متفاوتی دسته‌بندي کنند. اين پژوهش به دنبال پیدا کردن ویژگی اعضائی است که در مرکز گروه‌های شبکه اجتماعی قرار دارند. در بخش مقدمه به معرفی شبکه‌های اجتماعی و خصوصیات آن میپردازد و سپس مفاهیم تئوری گراف و شاخص‌های اندازه‌گیری ویژگی مرکزیّت را بیان می‌کند. در بخش مجموعه داده‌، برا‌ی شبکه‌هاي اجتماعي Google+ و Facebook از مجموعه داده دانشگاه استنفورد استفاده شده و شکلی از داده مورد نیاز، استخراج و بررسی گردیده است. در این کار، بيشترین تمرکز بر روي ويژگي‌هاي اعضای گروه‌ها است؛ به گونه‌اي که ويژگي‌هاي اعضائي که در مراکز تمام حلقه‌ها هستند به دست آمده و با يکديگر مقايسه شده‌اند. نتايج حاصل نشان مي‌دهد در صورتي که احتمال تاثير يک ويژگي در حلقه‌ها نزديک به يک باشد، مراکز حلقه‌ها نيز آن ويژگي را دارند. در این مقاله پس از پرداختن به مفاهیم پایه، ابتدا به تشریح شاخص اندازه‌گیری مرکزیّت می‌پردازیم، و در ادامه جزئیّات داده‌های مورد پردازش و روش پردازش آن‌ها مورد بررسی قرار خواهد گرفت. نتائج بدست آمده ارائه و تحلیل می‌گردد. در انتها ضمن تشریح روش ارزیابی، نتائج حاصل از ارزیابی این پژوهش ارائه خواهد شد.