انجمن کامپیوتر ایران

در سيستم‌هاي كاوشگر کلمات به طور متداول از يك واحد بازشناس گفتاري مبتني بر مدل مخفي ماركوف (HMM) براي تعيين كليدواژه‌هاي كانديد شده و محاسبه اندازه اطمينان آن‌ها استفاد ميشود. فرايند تصميم گيري براي قبول و يا رد كليدواژه‌هاي كانديد شده بر مبناي مقايسه مقدار به دست آمده از اندازه اطمينان با يك مقدار آستانه ثابت انجام مي‌گيرد. از اينرو محاسبه مطمئن اندازه اطمينان تاثير مستقيمي بر روي عملكرد اين سيستم ها دارد. از آنجا كه به طور متداول اندازه اطمينان از امتياز درست نمايي نرماليزه شده به دست آمده از مدل توليدي HMM براي هر كليد واژه محاسبه مي شود، در اين مقاله روشي معرفي مي‌شود كه در آن امتياز اطمينان بر اساس احتمال پسين وزن دار شده خروجي مدل تمايزي شبكه عصبي به دست خواهد آمد. روش وزن‌دهي پيشنهادي در اين مقاله بر مبناي صحت بازشناسي واجي به دست آمده از مدل بازشناس واجي مبتني بر شبكه عصبي است. نتايج به دست آمده نشان مي‌دهد كه استفاده از روش وزن‌دهي پيشنهادي منجر به بهبود 5/2 درصدي معيار FOM نسبت به روش غير وزن دار خود خواهد شد.

يکي از پرکاربردترين انواع پرس¬وجوها در موتور جستجو، اسامي افراد مي¬باشد که نزديک به 4/2% از پرس¬وجوها را به خود اختصاص مي¬دهد. از آن¬جا که شناسايي درست اسامي افراد در پرس¬و¬جو مي¬تواند نقش بسزاييدر بهبود نتايج حاصل از موتورجستجو داشته باشد، لازم است که اين نوع پرس¬وجوها تشخيص داده شوند. هدف از اين مقاله، ارائه الگوريتمي جهت تشخيص پرس¬وجوهاي اسامي افراد در زبان فارسي مي¬باشد. اين الگوريتم داراي دو مرحله آموزش و آزمون است. در مرحله آموزش، تعداد زيادياز نام افراد به عنوان پرس¬وجو به موتور جستجوي پارسي¬جو فرستاده شده و با استفاده از نتايج حاصل، مفاهيم اطراف پرس¬وجوها استخراج مي¬شوند. سپس از مفاهيم استخراج شده، مدلي احتمالي ساخته مي¬شود.در مرحله آزمون با استفاده از مدل احتمالي ساخته شده در مرحله آموزش، احتمال نام بودن هر پرس¬وجو با احتمالات بيزين مشخص مي¬گردد. سپس با تعيين حد آستانه¬¬ احتمال، نام بودن پرس¬وجو تعيين مي¬گردد.نتايج نشان داد که با استفاده از الگوريتم پيشنهادي، مي-توان به دقت 62% و فراخواني 66% رسيد.

در اين مقاله، الگوریتمی را برای بهینه سازی مکان یابی سرویس دهنده های تکرار ، ارائه کرده ایم که با استفاده از الگوریتم ژنتیک طراحی شده است. الگوریتم ما سعی دارد نسبت به الگوریتم های ارائه شده دیگر، زمان اجرا و همچنین کیفیت مکان یابی سرویس دهنده های تکرار را، تا حد امکان بهینه کند. این الگوریتم براساس تاخیر بین گره های داخل شبکه، میانگین فاصله بین گره ها را بدست می آورد و سرویس دهنده های تکرار را در محل هایی که فاصله بین گره ها کم است یا بعبارت دیگر تراکم گره ها بیشتر است قرار می دهد. یکی از الگوریتم های ارائه شده که نسبت به الگوریتم های ارائه شده دیگر زمان اجرای کمتری دارد الگوریتم HotZone است، که این الگوریتم نیز بر اساس تاخیر بین گره ها کار می کند. در این مقاله الگوریتم خود را با الگوریتم HotZone مورد ارزیابی و مقایسه قرار داده ایم و در نهایت بر اساس نتایج بدست آمده می بینیم که زمان اجرای الگوریتم ما نسبت به HotZone کمتر است و همچنین کیفیت مکان یابی آن نیز از HotZone بهتر است.

در این مقاله، یک آشکارساز فاز - فرکانس با توان و جیتر کم برای کاربردهای فرکانس بالا پیشنهاد می¬شود. این آشکارساز فاز – فرکانس از 40 ترانزیستور استفاده می¬کند. وجود خروجی سه حالته در این آشکارساز فاز – فرکانس و حذف حالت یک بودن هم-زمان خروجی¬ها، مشکل عدم تطبیق جریان در پمپ شارژ را رفع می¬کند. هم¬چنین به علت داشتن ناحیه مرده کوچک، باعث کاهش جیتر می¬شود. شبیه سازی¬ها توسط Hspice و درتکنولوژی 65 نانومتر انجام شده است. توان مصرفی این آشکارساز فاز در فرکانس 2 گیگاهرتز، 19 میکرووات است که به نسبت آشکارسازهای مشابه توان کمتری مصرف می¬کند.

در اين مقاله، پوشش ترافیک داده ای خودروهای عبوری از یک محیط شهری با هدف کمینه کردن هزینه برپاسازی شبکه مبتنی بر IEEE 802.11 j مطالعه می‌شود. مسأله مورد مطالعه به صورت یک مسأله بهینه سازی MILP(Mixed Integer Liner Programming) حل شده است. در طراحی شهری این مطلب مد نظر می‌گیرد که علاوه بر پوشش تمام نیازهای خودروها که به صورت مستقیم یا غیر مستقیم از ایستگاه مرکزی(BS) تامین می‌گردد، محدودیت حداکثر ظرفیت پهنای باند BS وایستگاه‌های واسط (RS)نیز لحاظ گردد، همچنین نوع ارتباط RS با BS و حداکثر ظرفیت پهنای باند هر قطاع (sector) و همچنین هزینه برپاسازی هر RS که بسته به مکان و نوع ارتباط در هر مکان متفاوت است،در نظر گرفته شود. این مسئله برای بخشی از نقشه شهرتهران پیاده سازی و توسط برنامه Lingo حل شده است و تعداد و نوع ایستگاه‌های واسط مورد نیاز بدست آمده است.

هدف، ارايه راه¬کاري براي تعيين خودکار محدوده خطا هاي پنهان در متن برنامه¬ها مي¬باشد. مي‌توان محدوده علت خطا را براساس مقايسه مسيرهاي اجرايي صحيح و غلط بدست آورد. براساس شباهت مسيرهاي اجرايي مي¬توان آنها را دسته بندي نمود. جهت بدست آوردن شباهت مسيرها، مدل¬هايn-گرام اجراها را بدست آورده و سپس با استفاده از آنتروپي متقاطع شباهت بين اين مدل¬ها را محاسبه مي¬کنيم. براي بدست آوردن مدل¬هايn-گرام که در دسته مدل¬هاي مارکوف قرار مي¬گيرند احتمالات MLE توسط شمارش کلمات يا به عبارتيn-گرام¬ها محاسبه مي¬شوند. سپس با تحليل هر دسته، با کمک آنتروپي متقاطع، يک سري مکان¬هاي مشکوک به خطا شناسايي مي¬شوند و در نهايت با استفاده از رأياکثريت بين دسته¬ها، مکان¬هاي مشکوک به خطا به صورت بخش¬هايي از يک زير مسير به برنامه نويس معرفي مي¬شود. راه¬کار ارائه شده در اين مقاله، با دقت بالا مکان خطا را نشان مي¬دهد و نتايج بدست آمده از اِعمال اين راه¬کار به مجموعه محک زيمنس ، گوياي آن مي¬باشد.

در یک سیستم مبتنی بر مؤلفه، صحّت سیستم وابسته به درستی تک تک مؤلفه¬¬ها و تعاملات بین آنهاست. در این سیستم¬ها اگر فرض کنیم، هر کدام از مؤلفه¬ها به صورت صحیح کار می¬کنند، بعضی از خطاها ممکن است، هنگامی به وجود آیند که مؤلفه¬ها یکپارچه می¬شوند.آزمون مبتنی بر مدل، روشی نوین است، که با ایجاد خودکار نمونه¬های آزمون از مدل رفتاری سیستم، خطاها را کشف می¬کند. در این مقاله،با استفاده از آزمون مبتنی بر مدل،صحّت تعاملات و ارتباطات مؤلفه¬هامورد ارزیابی قرار می¬گیرد. در روش پیشنهادی، از توصیفات نیمه¬رسمی معماری نرم¬افزار به عنوان مدل رفتاری سیستماستفاده می¬شود؛ برای ایجاد خودکار نمونه¬های آزمون،توصیفات معماری نرم¬افزار با آتاماتای تیمی رسمی می¬شوند. از توصیفات رسمی معماری نرم¬افزار مجموعه¬ای از نمونه¬های آزمون استخراج می¬شوند. این نمونه¬های آزمون،قابلیت اجرا در سیستم را ندارند، بنابراین به نمونه¬های آزمون واقعی تبدیل می¬گردند. در نهایت هم الگوریتمی برای آزمون مرکب در سیستم¬های مبتنی بر مؤلفه ارائه می¬شود. اعمال راهکار پیشنهادی روی یک سیستم منابع انسانی نمونه«منابع انسانی امین»، نشان می‌دهند که روش پیشنهادی نقش بسزایی در بهبود چالش‌های آزمون نرم¬افزار ایفا می¬کند.

در شبکه¬هاي حسگر بي¬سيم، پوشش و کیفیت تشخیص یکی از جنبه¬های کیفیت سرویس می¬باشد و مسئله آرایش مناسب گره¬ها از آن جهت که سطح بهتری از پوشش را فراهم می¬سازد، برای ما حائز اهمیت می¬باشد.با توجه به اینکه تشخیص¬ گره-های حسگر آمیخته با خطا می¬باشد، از مدل تشخیص احتمالی برای آرایش گره¬های حسگر، استفاده می¬نماییم که واقعی¬تر است. در این مسئله محیط به شکل گرید می¬باشد و احتمال تشخیص برای تک¬تک نقاط گرید باید بالاتر از حد آستانه مورد انتظار باشد. همچنين فرض مي¬كنيم كه سطح پوشش مورد نیاز در نقاط مختلف، متفاوت می¬باشد. راه¬حل پيشنهادي به صورت يك مسئله بهينه¬سازي چند هدفه ارائه شده است كه مي¬كوشد تا در نقاط مختلف به سطح پوشش مورد انتظار دست يابيم و در عين حال تعداد گره¬هاي حسگر به كار رفته در محيط را كاهش دهيم. مسئله آرايش گره¬هاي حسگر يك مسئله NP-hardمي¬باشد. اندازه فضاي راه¬حل محدود و در عين حال بسيار گسترده (2^(n^2 )) مي¬باشد.مي¬توان از طريق روش¬هايي مانند برنامه¬ريزي خطي به جواب بهينه دست يافت، ولي كاربرد اين روش¬ها در چنين فضاي گسترده¬اي، عملا غير ممكن مي¬باشد. براي غلبه بر پيچيدگي زماني از الگوريتم رقابت استعماري گسسته دودويي به منظور آرايش گره¬هاي حسگر در محيط حسي استفاده مي¬نماييم. شبیه¬سازی¬ها نشان می¬دهد که الگوریتم پیشنهادی در مقایسه با الگوریتم¬های ارائه شده در کارهای مرتبط از کارایی بهتری برخوردار بوده و با تعداد گره¬های حسگر کمتری در زمانی مناسب به سطح پوشش مورد نظر دست می¬یابد.

با افزایش استفاده از سیستم‏های CRM، نیاز به انعطاف و افزایش قدرت پاسخگویی در آن‏ها بیش از پیش احساس می‏شود. دست‏یابی به خودتطبیقی در سیستم‏های CRM راه حل‏ مناسبی به مشکلاتی از این دست می‏باشد. این مقاله بر استفاده از تکنیک‏های مبتنی بر قانون برای ارائه مدلی به منظور دستیابی به خودتطبیقی در سیستم‏های CRM تمرکز دارد. در این مدل سیستم قادر خواهد بود تا با بازپیکربندی خود در مقابل تغییرات در سیاست‏های CRM، تغییرات در خواسته‏های کاربر و یا تغییرات در سکویی که نرم‏افزار CRM بر روی آن اجرا می‏شود، به خودتطبیقی دست یابد. در مدل پیشنهادی بخش خودتطبیقی از بخش عملیات کاری سیستم مجزا بوده و ارتباط میان این دو قسمت از طریق یک مبدل زبان طبیعی و یک بارگذار مولفه برقرار خواهد شد. در این تحقیق به منظور در نظرگرفتن تمام جنبه‏های یک سیستم مدیریت ارتباط با مشتری، CRM به صورت مجموعه افراد، فناوری و استراتژی‏ها در نظر گرفته شده‏ است.

الگوریتم رقابت استعماری یکی از جدیدترین الگوریتم¬های تکاملی در حوزه¬ی بهینه¬سازی است. این الگوریتم با الهام گیری از پدیده¬ی سیاسی- اجتماعی استعمار در جوامع بشری ارایه شده است. در این مقاله با استناد به پدیده فروپاشی آنی یک امپراطوری در تاریخ بشری، الگوریتم جدیدی با نام ICACI بر مبنای الگوریتم ICA یا همان رقابت استعماری معرفی می¬شود. در الگوریتم رقابت استعماری در فاز رقابت بین امپراطوری¬ها، امپراطوری ضعیف¬تر به مرور و در هر دور اجرا با از دست دادن یکی از مستعمرات خود (ضعیف¬ترین مستعمره) ضعیف¬تر شده و در نهایت خود نیز از دور رقابت خارج می¬شود. اما در الگوریتم ICACI با در نظر گرفتن شرایطی امکان فروپاشی آنی و ناگهانی امپراطوری ضعیف¬تر به وجود می¬آید. در نهایت، نتایج حاصل از پیاده-سازی و اجرای الگوریتم ICACI روی چند تابع محک متداول و مقایسه آن¬ها با نتایج الگوریتم¬های ICA، PSO، GA و DE عملکرد وکارایی الگوریتم پیشنهادی را نشان می¬دهد.

یکی از موارد مورد توجه محققین در رمز¬نگاری، میزان داده ارسالی بین فرستنده و گیرنده است که هرچه این مقدار کم¬تر باشد پهنای باند مصرفی کاهش می¬یابد و این عمل باعث افزایش سرعت در انتقال اطلاعات خواهد بود. در بیشتر روش¬های مطرح شده، اطلاعات یا قبل از رمز¬نگاری فشرده می¬شوند و یا بعد از رمزنگاری فشرده¬سازی انجام گرفته ¬است. در این مقاله با استفاده از روش¬های پیشنهادی در محاسبات DNA ایده¬ای را در نظر گرفتیم که رمزنگاری و فشرده¬سازی را به صورت موازی انجام می¬دهد. این کار با استفاده از ادغام نوکلئوتید¬ها در¬هم انجام شده ¬است. نتایج به دست آمده از رمزنگاری اطلاعات در روش پیشنهادی، بیانگر این است که الگوریتم در مقابل افراد ناشناس از امنیت بالایی برخوردار بوده و نرخ فشرده¬سازی اطلاعات نیز حدود 2.5 می¬باشد.

مسئله ردیابی انسان در محیط های شلوغ به ویژه در شرایطی که امکان پوشیده شدن دید وجود دارد، از مسایل مهم بینائی ماشین و رباتیک می¬باشد. استفاده از روش های مبتنی بر مدل می¬تواند به افزایش کارائی سیستم¬های ردیاب منجر شود. یادگیری مدل پیچیده با استفاده از داده¬های محدود، به دلیل بعد بالای پارامتر¬های بدن انسان کار دشواری است. نظر به اینکه اکثر فعالیت¬های انسان به صورت ذاتی روی یک منیفلد با بعد کم قرار دارند، فضای مساله محدود می-شود.در این مقاله برای بدست آوردن فضای پنهان با بعد کم و در نظر گرفتن پویایی مربوط به متغیر¬های پنهان از مدل پویای پروسه¬ی گاوسی استفاده می¬شود. از این مدل برای محاسبه¬ی نگاشت فضای پنهان به فضای مشاهدات و برای پیش¬بینی حرکت استفاده می¬شود. در آزمایشات به عمل آمده از سنسور کینکت برای بدست آوردن تصاویر عمقی استفاده شده است. به منظور بهره¬مندی ازمزایای ردیابی با استفاده از این سنسور نتایج آن به کمک فیلتر کالمن با نتایج مدل پویای پروسه گاوسی ترکیب می¬شود. این الگوریتم در مواردی که مساله¬ی پوشیده شدن دید داریم، نتایج بسیار خوبی داشته است.

هدف از نشانه‌گذاری چهره در تصاویر سه‌بعدی، تعیین نقاطی مانند گوشه‌های چشم، نوک بینی و نوک چانه در چهره است که کاربردهای زیادی در شناسایی چهره، تخمین جهت، تعیین حالت و ثبت تصاویر چهره دارد. در این مقاله روشی را برای نشانه‌گذاری تصاویر سه‌بعدی ارائه کرده‌ایم که بتواند در تصاویر با حالت‌های مختلف، با پوشیدگی یا با جهت‌های متفاوت چهره نسبت به دوربین، در زمان مناسب پاسخگو باشد. در این روش با به‌ کارگیری ویژگی‌های انحنای سطح، هندسه چهره و روش‌های یادگیری، سه نشانه را به عنوان لنگرگاه مشخص کرده و در مرحله‌ی بعد یک مدل منعطف آماری را با استفاده از تحلیل مولفه‌های اساسی بر این لنگرگاه‌ها منطبق می‌کنیم. نتایج آزمایش الگوریتم روی تصاویر پایگاه داده بسفروس نشان‌دهنده‌ی دقت قابل توجه آن در تعیین 8 نشانه‌ی اصلی چهره در زمانی کوتاه و با وجود انواع چالش‌هاست.