انجمن کامپیوتر ایران

تبدیل صورت نوشتاری به صورت تلفظی و دنباله واجی یکی از بخش‌های اصلی سامانه‌های تبدیل متن به گفتار است. در زبان فارسی تبدیل صورت نوشتاری جمله به دنباله تلفظی آن به دلیل حذف واج‌های صدادار کوتاه و نیز وابستگی تلفظ کلمه به جایگاه آن در جمله به مراتب از زبان‌های دیگر سخت‌تر است. روش‌های کنونی برای زبان فارسی که عمدتاً در سیستم‌های تجاری مورد استفاده قرار گرفته‌اند از بخش‌های متعدد و مدل‌های پیچیده برای پردازش زبان طبیعی و عملیات رفع ابهام در تشخیص تلفظ صحیح کلمه برخوردارند که باعث سختی پیاده‌سازی و کاهش دقت کلی سامانه می‌شوند. در این مقاله ما مسئله تبدیل صورت نوشتاری به صورت تلفظی را به عنوان یک مسئله نگاشت بین دنباله‌ای در نظر می‌گیریم و با استفاده از شبکه‌های عصبی بازخوردی تعدیل شده اقدام به ساخت روشی هوشمند و یکپارچه برای این منظور می‌نماییم. شبکه‌های عصبی بازخوردی به نحوی تعدیل شده‌اند که علاوه بر دوطرفه بودن به واحدهای حافظه LSTM نیز مجهز هستند تا از اطلاعات بافتی دنباله جهت تصمیم‌گیری و نگاشت، بیشترین استفاده را کنند. آزمایش‌های انجام شده در این مقاله نشان می‌دهند که شبکه‌های بازخوردی تعدیل‌شده (BRNN-LSTM) علاوه بر داشتن ساختاری یکپارچه و منظم دارای عملکرد بسیار مناسبی در تشخیص تلفظ صحیح عبارت‌های فارسی با دقتی بیش از 98 درصد هستند.

با ظهور بانک‌داری الکترونیک، تجارت الکترونیک و کارت‌های هوشمند و افزایش تأکید بر روی حریم خصوصی و امنیت اطلاعات ذخیره شده در پایگاه داده‌های مختلف، شناسایی خودکار افراد تبدیل به یک موضوع بسیار مهم شده است، و از سوی دیگر بهره‌گیری از بیومتریک سبب تکامل بسیاری از حوزه‌های مختلف جامعه میگردد. اثر انگشت به عنوان یک نوع از بیومتریک انسان برروی نوک انگشتان به طور گسترده برای تشخیص شخص در کاربردهای پزشکی قانونی و غیرنظامی و غیره مورد استفاده قرار میگیرد، که این امر به خاطر منحصر به فرد بودن، تغییرناپذیری و هزینه پائین آن میباشد. یک الگوریتم طبقه‌بندی اثرانگشت معمولاً یک مجموعه ویژگی نماینده را استخراج میکند، تا فردیت هر اثر انگشت را دریافت نماید سپس این استراتژیها برای تعیین کلاس اثر انگشت به کار گرفته میشوند. از اینرو در این مقاله یک رویکرد طبقه‌بندی اثر انگشت ارائه شده است، که با استفاده از گشتاورهای شبه زرنیک به استخرا ج ویژگیهای پرداخته و طبقه‌بندی اثر انگشت را با استفاده از روش عصبی فازی انجام میدهد. برای ارزیابی سیستم پیشنهادی از مجموعه داده FVC2004 بهره‌گرفته شده است. با ارزیابی نرخ بازشناسی سیستم و مقایسه آن با روش‌های دیگر مشاهده میشود که سیستم پیشنهادی ارائه ‌کننده نرخ بازشناسی بهتری نسبت به سیستم مورد مقایسه است.

کمپرسورها از مولفه‌های مهم و اساسی در طراحی ضرب کننده هستند. آنها در کاهش درخت ضرب و جمع حاصلضرب‌های جزئی نقش اساسی دارند. اما نوع کمپرسورها از لحاظ تعداد ورودی و خروجی و نحوه چیدمان آنها به شدت بر کارآیی ضرب کننده تاثیر گذار است. به همین دلیل، مدارها، معماری‌ها، و الگوریتم‌های زیادی تا به امروز برای ساخت ضرب کننده ارائه شده است. این مقاله، الگوریتمی جدید برای ایجاد درخت ضرب 16 بیتی ارائه می‌دهد. الگوریتم پیشنهادی تنها از کمپرسورهای کامل که از تمام توان و ظرفیت خروجی استفاده می‌کنند، بهره می‌برد. بعلاوه، این کمپرسورها فاقد رقم نقلی ورودی و خروجی هستند. بنابراین، از تولید سیم‌های اضافی نیز جلوگیری می‌شود. الگوریتم پیشنهادی با نگاه به آینده و رویکرد رو به جلو تا جای ممکن مانع از ایجاد نیم جمع کننده در ساختار درخت ضرب می‌شود. همین موضوع دلیل حذف 32 نیم جمع کننده نسبت به الگوریتمی که پیشتر ارائه شده است، می‌باشد. همچنین، مدار پیشنهادی یک تمام جمع کننده و تعداد 50 نیم جمع کننده سخت افزار کمتری از دیگر ضرب کننده ای که از کمپرسورهای کامل استفاده نمی‌کند، دارد. ضرب کننده‌ها با کد ساختاری VHDL بر روی FPGA پیاده سازی و مقایسه شده اند. نتایج حاصل از سنتز مدارها حکایت از برتری ضرب کننده جدید دارد. نتایج شبیه سازی نشان می‌دهد که ساختار ارائه شده باعث بهبود قابل توجهی در میزان تاخیر و میزان استفاده از منابع سخت افزاری دارد.

استاندارد IEEE 802.11n ویژگی‌های لایه فیزیکی و پیوند داده در شبکه‌های بی‌سیم محلی را توصیف می‌کند و با بهبود برخی مکانیسم‌های موجود در این دو لایه، قادر است نرخ داده را تا 600 مگابیت برثانیه افزایش دهد. یکی از قابلیت‌های این استاندارد، امکان تجمیع فریم لایه MAC به منظور کاهش سربار در انتقال بسته‌های داده است که به نوبه‌ی خود باعث افزایش بهره‌وری کانال می‌گردد. در این مقاله الگوریتم پویایی برای تنظیم اندازه فریم تجمیعی در نقطه دسترسی مبتنی بر اعتبار میزبان‌های شبکه 802.11n ارائه می‌کنیم. در روش پیشنهادی، نقطه دسترسی بصورت مداوم و با توجه به شرایط کانال، به هر ایستگاه اعتباری اختصاص می‌دهد. در هر بازه‌ی زمانی سرویس، نقطه دسترسی، اندازه فریم تجمیعی هر ایستگاه را بر اساس میزان اعتبار فعلی آن محاسبه و به همان میزان داده به ایستگاه مذکور ارسال می‌نماید. مساله تخصیص اعتبار به هر ایستگاه را به صورت یک مساله بهینه‌سازی محدب مدل و مکانیسم پیشنهادی را در شبیه‌ساز NS3 پیاده‌سازی نمودیم. نتایج ارزیابی نشان می‌دهد که روش پیشنهادی کارایی شبکه را از نقطه نظر بهره‌وری کانال و میانگین تأخیر انتها به انتها و نیز میزان انحراف از تأخیر آستانه بهبود می‌بخشد.

با توجه به حجم روزافزون اطلاعات موجود در سازمان‌ها و ایجاد فرآیندهای جدید، یک نیاز در حال رشد برای قطعه¬بندی مدل‌های فرآیند کسب‌وکار، به منظور رسیدن به قطعات مفید وجود دارد. از جمله کاربردهای فراوانی که برای قطعه‌بندی مطرح است می‌توان به اجرای توزیع شده مدل‌های فرآیند، استفاده مجدد بخش‌هایی از مدل‌های فرآیند موجود در بقیه مدل¬ها، افزایش سرعت توسعه مدل‌های فرآیند و خلاصه کردن مدل‌های فرآیند اشاره کرد. در روش پیشنهادی این تحقیق، هدف از کشف قطعات، قابلیت استفاده مجدد در طراحی مدل‌های فرآیندی می‌باشد. اکثر روش‌هایی که برای قطعه بندی فرایندها ارائه شده‌اند معمولا تنها به ساختار مدل‌ها توجه کرده و یا بر روی شباهت نحوی برچسب¬های عناصر این مدل¬ها تمرکز ‌می‌کنند و بنابراین به معانی و مفاهیم لغات این برچسب¬ها توجه نشده است. در روشی که در این مقاله ذکر می¬شود، سعی شده است که با استفاده از هستان¬نگار، یک روش معنایی برای قطعه¬بندی مدل‌های فرآیندی ارائه شود. در نهایت با تست این روش بر روی یک مجموعه¬ داده، قطعات به دست آمده با قطعاتی که با استفاده از نظرات خبرگان به دست آمده، مقایسه شده و نتایج ارزیابی دقت، نزدیکی این روش به نظرات افراد خبره را نشان می¬دهد.

دسته‌بندی و حاشیه‌نویسی تصاویر از جمله مسائل پرکاربرد در حوزه پردازش تصاویر هستند. تا‌کنون تلاش‌های زیادی به منظور استفاده از مدل‌های موضوعی نظیر مدل احتمالاتی LDA جهت دسته‌بندی و حاشیه‌نویسی همزمان تصاویر صورت گرفته‌است. اخیرا مدل‌های موضوع دیگری بر مبنای شبکه‌های عصبی احتمالاتی نظیر SupDocNADE معرفی شده‌اند که نتایج خوبی در مدل‌کردن داده‌های چند‌مقداری مانند دسته‎بندی و حاشیه‌نویسی تصاویر ارائه ‌داده‌اند. در این مدل‌ها کلمات حاشیه‌نویسی نیز در کنار کلمات بصری تعبیه شده‌ و به عنوان بردار ویژگی برای شبکه در‌ نظر گرفته می‌شود. در عمل تعداد ویژگی‌های استخراج‌شده از تصویر بسیار بزرگتر از ویژگی‌هایی است که از کلمات حاشیه‌نویسی بدست می‌آیند. عدم تعادل بین کلمات بصری و حاشیه‌نویسی سبب می‌شود تا سهم کلمات حاشیه‌نویسی برای بازنمایی در لایه پنهان شبکه‌عصبی مورد استفاده در این مدل، بسیار کمتر از کلمات بصری باشد. از طرفی گرادیانی که از کلمات حاشیه‌نویسی تولید می‌شود بسیار کوچک بوده تا بتواند تاثیر قابل توجهی در افزایش احتمال شرطی حاصل از کلمات حاشیه‌نویسی داشته‌باشد. در این مقاله، برای حل مشکلات عدم تعادل ویژگی‌ها، از وزن‌دهی کلمات حاشیه‌نویسی در هیستوگرام بردار ویژگی استفاده می‌شود. با آزمایش مدل پیشنهادی برروی پایگاه داده‌های UIUC_Sports و LabelMe، بهبود 5 درصدی در معیارF در کلمات حاشیه‌نویسی نسبت به مدل‌های موجود مشاهده می‌شود.

بشر در زندگی روزمره ارتباط تنگاتنگی با شبکه‌های مختلفی نظیر شبکه‌ برق، ارتباطات هوایی، کامپیوتری و اجتماعی دارد. این شبکه‌ها همواره در معرض خرابیهای تصادفی یا حمله‌های هدفمندی هستند که میتواند کارکرد آن‌ها را دچار مشکل کند. لذا بهبود استحکام این شبکه‌ها امری ضروری است. در این مقاله با استفاده از رویکرد انجمنی و بهره‌برداری از اطلاعات مربوط به ساختار انجمن‌ها، سه روش بهبود استحکام برای دست‌کاری شبکه از طریق جابه‌جایی یال‌ها ارائه می‌شود که تعداد یال‌های شبکه و توزیع درجه گره¬ها را ثابت نگه می‌دارد. روش اول بر اساس روابط درون هر انجمن و روش دوم و سوم با استفاده از معیار مرکزیت میانی یال‌های درون انجمنی و بین انجمنی عمل جابه‌جایی را انجام می‌دهند. روش‌های پیشنهادی بر روی تعدادی از شبکه‌های دنیای واقعی و شبکه مصنوعی با ساختار مقیاس آزاد مورد ارزیابی قرار گرفته است. نتایج نشان می‌دهد که روش سوم در مقایسه با دو روش دیگر و روش مرجع که ساختار انجمن را در نظر نمی‌گیرد، با هزینه کمتر استحکام را افزایش و تعداد جابه‌جایی‌ های یال برای بهبود استحکام را کاهش می‌دهد. روش اول نیز کمترین تأثیر را در افزایش استحکام دارد. ما از معیار هدایتپذیری، برای ارزیابی حفظ ساختار انجمنی شبکه پس از دست‌کاری استفاده می‌کنیم. ارزیابی سه روش پیشنهادی با رویکرد انجمنی و روش مرجع، بر مبنای معیار هدایت‌پذیری نشان می‌دهد که هدایتپذیری در روش‌های مبتنی بر ساختار انجمنی دارای مقدار کمتری نسبت به روش بدون رویکرد انجمنی است و این بدین معنی است که ساختار انجمنی شبکه، بیشتر حفظ میشود.

با توجه به پیچیده بودن محیط شهری، عدم تطابق طرح ها و برنامه های شهری متمرکز سازمانها با نیازها و خواسته های شهروندان و غیره، نیاز به مشارکت شهروندان در حل مشکلات، برنامه‌ریزی و تصمیم گیری های شهری می باشد. در مدیریت شهری نوین و در جهانی که به طور فزاینده ای به سمت شهر هوشمند گام بر می دارد، مشارکت شهروندی جایگاه والایی دارد. سیستم های اطلاعات جغرافیایی (GIS) بستر کارآمد و موثری را برای مشارکت شهروندان در حل مشکلات شهری ایفا می نمایند. تاکنون ارگانهای مدیریت شهری (مانند شهرداری ها) فعالیت ها و اقدامات گسترده ای را در راستای بکارگیری فن آوری های مبتنی بر GIS در حل مشکلات شهری انجام داده اند، ولی این اقدامات با هدف متمرکز و سازمانی صورت پذیرفته و بستری مکان-مبنا برای تعامل و مشارکت موثر شهروندان در حل مشکلات شهری موجود نمی باشد. این مقاله در راستای بسترسازی زمینه حضور شهروندان در حل مشکلات شهری، بکارگیری GIS شهروند-محور را به عنوان نسل جدید GIS در مدیریت شهری معرفی می نماید. GIS شهروند-محور بستر و ابزارهای مکانی توانمند و موثری را به منظور مشارکت واقعی شهروندان بدون حضور فیزیکی آنها در اداره امور شهری فراهم می نماید.

جزیره حرارتی شهری یکی از مهم‌ترین خطرات زیست محیطی مناطق شهری می¬باشد. سنجش از دور به دلیل فراهم کردن دید یکپارچه، کم‌هزینه و سریع فناوری کارآمد برای مطالعه و پایش تغییرات محیطی محسوب می¬شود. هدف از این پژوهش حاضر، پایش و پیش¬بینی تغییرات مکانی-زمانی شدت جزیره حرارتی شهر بابل در بازه زمانی 1424-1364 می¬باشد. برای این منظور از تصاویر چند زمانه لندست، محصول بخار آب مودیس و داده¬های زمینی استفاده شده است. برای محاسبه دمای سطح زمین از الگوریتم¬ تک کاناله، طبقه¬بندی تصاویر از الگوریتم بیشترین شباهت، پیش¬بینی تغییرات کاربری اراضی و دمای سطح از مدل سلول¬های خودکار-مارکوف و بررسی جزیره حرارتی از شاخص شدت جزیره حرارتی استفاده شده است. نتایج پژوهش نشان دهنده این است که طی سی سال گذشته اراضی ساخته‌شده با رشد 92 درصدی و اراضی زراعی با کاهش چشمگیری مواجه شده-اند. طبقات دمایی بالا و بسیار بالا مناطق مرکزی و راه¬های خروجی از شهر را پوشش می¬دهند که مساحت¬شان طی سال¬های گذشته رشد چشمگیری داشته است. شاخص نسبت جزیره حرارتی در طی سی سال روند رو به رشدی را نشان می¬دهد. مقدار این شاخص از 5/0 در سال 1364 به 67/0 در سال 1394 رسیده و برای سال 1424 مقدار این شاخص 72/0 پیش¬بینی شده است که بسیار نگران کننده¬ می¬باشد.

جشنواره شكوفا (شهروند کارآمد و فناوری اطلاعات) آوردگاهي براي رقابت شهروندان تهراني به منظور سنجش مهارت‌هاي زندگي در هزاره سوم است. رشد سريع فناوري‏هاي اطلاعاتي و ارتباطي مي‏تواند ضمن ايجاد بستر مناسب جهت مشاركت و تعامل شهروندان به تحقق شهر و شهروند الكترونيك بيانجامد، همچنين مي‏تواند عاملي براي تبيين سبك زندگي در جامعه باشد و نقش خود را بعنوان رسانه ايفا نمايند. فناوري‏هاي اطلاعاتي و ارتباطي به‏دليل فراگير بودن، سرعت انتقال اطلاعات و جاذبه مالي، خود لزوم سبك جديدي از زندگي با توجه به مولفه‏هاي جديد و ديجيتال را مطرح مي‏كند. تحقق شهر الکترونیک بدون تربيت و آماده‌سازي شهروندان الكترونيكي ميسر نيست. از اين رو در جشنواره شكوفا فرصتي پديد مي‌آيد تا شهروندان تهراني مهارت‌هاي سبک زندگی دیجیتال خود را محك زده و در مسير ارتقاء به شهروند الكترونيكي قدم بردارند. در این مقاله نگاهی به معرفی، تجربیات و اقدامات کانون مهارت‏های سبک زندگی دیجیتال جشنواره شکوفا که نام قبلی آن کانون توسعه مهارت‏های رایانه‏ای بود پرداخته شده است. کانون مهارت‏هاي رایانه‏اي و سبک‏زندگی دیجیتال در پنج سال پی در پی توسط نویسندگان این مقاله و تیم اجرایی ایشان با همکاري شهرداري تهران و در قالب چشنواره شکوفا طراحی و اجرا شده است. اجراي این طرح در چهار سال داراي نقات قوت وضعفی بوده و دستاورهاي خوبی داشته است که در این مقاله به آنها پرداخته شده است.

Delta debugging یک روش تقسیم و حل است که عمل debugging متداول را توسط کمینه کردن ورودی، ساده می‌سازد. بنابراین debugging بر روی کدی ساده‌تر، اعمال می‌شود. در واقع Delta debugging روش علمی اشکال زدایی را خودکار می‌کند. ایده اساسی روش علمی مذکور، بنا نهادن فرضیه‌ای بر روی این موضوع است که چرا برنامه بدرستی کار نمی‌کند. در روال debugging این فرضیه، تست‌شده و بسته به خروجی تست، قبول یا رد می‌شود که البته تمامی این کارها را در روال debugging افراد بصورت کاملاً دستی انجام می‌دهند. حال Delta debugging این فرآیند را بصورت خودکار در می آورد. تاکنون تنها یک روش موازی‌سازی الگوریتم مذکور برای بهبود زمان اجرای آن معرفی شده‌است. در این مقاله با استفاده از ویژگی‌های زبان برنامه‌نویسی Chapel یک نسخه‌ی موازی جدید از این الگوریتم ارائه شده‌است که نسبت به روش قبلی تا % ۴۶/۳۶ زمان اجرای الگوریتم را بهبود بخشیده‌است.

الگوریتم‌های فراابتکاری به عنوان یکی از روش‌های حل مسائل بهینه‌سازی در کاربردهای مختلف مهندسی به کار می‌روند. یکی از این الگوریتم‌ها، الگوریتم بهینه‌سازی دسته ذرات است. در این مقاله با بهره‌گیری از یک سیستم استنتاج فازی و همچنین تطبیقی نمودن پارامتر وزن اینرسی که یکی از پارامترهای تاثیرگذار در این الگوریتم است، سعی کرده ایم کارآیی این الگوریتم را افزایش دهیم. برای ارزیابی روش پیشنهادی از توابع CEC2008 بهره می‌گیریم. نتایج ارزیابی نشان می‌دهند که عملکرد الگوریتم ارائه شده در این مقاله به نسبت روش‌های موجود، بهبود قابل توجهی داشته است.

با گسترش با گسترش اینترنت و پیدایش وب2، رسانه‌های اجتماعی به عنوان ابزاری برای تبادل پیام، ایجاد ارتباطات دوسویه را امکان‌پذیر ساخته‌اند. فروشگاه‌های اینترنتی یکی از رسانه‌های اجتماعی هستند که کاربران می‌توانند کالاهای موردنیاز خود را در آن یافته و با دیگر کاربران تبادل نظر انجام دهند. بنابراین با توجه به حجم گسترده این نظرات، تحلیل و جمع‌بندی آنها برای خریدار و فروشنده محصول می‌تواند بسیار مفید باشد. از این‌رو پژوهش‌های گسترده‌ای در حوزه نظرکاوی و تحلیل احساسات کاربران انجام گرفته است. با توجه به اینکه هر کاربر می‌تواند بر روی مشخصات مختلف کالایی مانند دوربین، باتری یا حافظه در یک گوشی تلفن همراه نظر متفاوتی داشته باشد و هریک از این مشخصات با عبارات متفاوتی در نظرات مختلف بیان شوند، خوشه‌بندی هریک از مشخصات کالا می‌تواند دقت بالاتری را در تحلیل احساسات و نظرکاوی حاصل نماید. در حالیکه پژوهش‌های متعددی به منظور خوشه‌بندی مشخصات کالا در زبان‌های مختلف انجام شده است، ولی در زبان فارسی پژوهشی یافت نشد. در این پژوهش با استفاده از روش‌های یادگیری ماشین، مشخصات مربوط به یک خودرو در نظرات کاربران خوشه‌بندی شده‌اند و پس از مقایسه نتایج حاصل از هر روش، الگوریتم امیدبیشینه از نظر معیارهای انتروپی و خلوص منجر به نتایج بهتری شد.

الگوریتم رمزنگاری SIMON یکی از الگوریتم‌های رمزنگاری سبک می‌باشد که در سال 2013 توسط آژانس امنیت ملی امریکا طراحی شد و توجهات بسیاری را به خود معطوف کرد. در این مقاله با بهره گیری از فرانمای کلید خطی SIMON و روش پیوند و برش، آسیب¬پذیری این الگوریتم رمز، خصوصا نسخه‌های کوچک‌تر آن، در مقابل حملات ملاقات در میانه چندبعدی ارزیابی شده است. مزیت اصلی حملات معرفی شده، پیچیدگی داده کم‌تر آن‌ها نسبت به سایر حملات است که باعث می‌شود تا این حملات بصورت عملی‌تری اجرا شود و مقاوم سازی این الگوریتم در مقابل این حملات ضرورت بیشتری یابد.

امروزه یکی از مهم‌ترین دغدغه‌های سیستم آموزش و پروش کشور، عملکرد تحصیلی مطلوب دانش‌آموزان به جهت جلوگیری از هدر رفتن منابع مالی و انسانی است. به این منظور رویکرد داده‌کاوی مورد توجه قرار گرفته که یکی از اهداف آن شناسایی روشی‌ست که قابلیت عمومی‌سازی خوبی داشته باشد. قابلیت عمومی‌‌سازی دسته‌بندهای ترکیبی (تعدادی دسته‌بند مبنا) بسیار بالاتر از این قابلیت در یک دسته‌بند مبنا است. روش ترکیبی قادر است دسته‌بندهایی که کمی بهتر از تصادفی هستند، به دسته‌بندی با قابلیت پیش‌بینی بالا تبدیل کند. در این مقاله، مدل پیشنهادی، ترکیبی از دو دسته‌بند مبنای متفاوت درخت تصمیم و شبکه‌های عصبی است که دقت پیش‌بینی عملکرد دانش‌آموزان با این روش از دقت تک تک دسته‌بندهای مذکور بیشتر شده است. موضوع قابل اهمیت دیگر مطرح در داده‌کاوی کیفیت داده است. از عوامل تأثیرگذار بر کیفیت داده، وجود مقادیر پرت، گمشده و نحوه‌ی برخورد با این مقادیر است. همچنین به‌منظورکاهش ابعاد مسئله از چندین روش انتخاب ویژگی به منظور افزایش دقت مدل با دخالت دادن عوامل قطعی و مؤثرتر در عملکرد تحصیلی دانش‌آموزان، استفاده شد. داده‌های آزمایشی استفاده شده داده‌های واقعی مربوط به دانش‌آموزان هنرستان مکتبی اصفهان است که بر اساس متدولوژی CRISP-DM و با بهره‌گیری از نرم‌افزار WEKAتحلیل شده‌اند.

The heterogeneity in cyber-physical systems (CPS) and the diverse situations that they may face with, along with the environmental hazards raise the need to self-stabilization. The uncertain nature of CPS necessitates a probabilistic view for analyzing the system stabilization-time that is a highly critical metric in distributed/time-sensitive applications. Calculating the worst-case expected stabilization-time and possible improvements help to have safer designs of CPS applications. In this paper, a mutual exclusion algorithm based on PIF (Propagation of Information with Feedback) self-stabilizing algorithm is selected in synchronous environment as a case study. Using probabilistic analysis, we present a set of guidelines for utilizing this algorithm in time-sensitive applications. We have also utilized an approximation method for improving the scalability of our probabilistic analysis and did a set of experiments to show how this analysis could be used in the design of topologies with the goal of having an optimal worst-case expected stabilization-time. Our results show that using this approach, we can significantly improve the worst-case expected stabilization-time.

يکي از چالش‌هاي پيش روي سيستم‌هاي بازشناسي چهره، مقاوم بودن در برابر وجود پوشيدگي موضعي بر روي تصاوير در حالت‌هاي مختلف چهره است. هدف اصلي، بررسي پوشيدگي موضعي بر روي تصاوير پايگاه داده Bosphorus است. پايگاه داده بسفر شامل تصاوير دوبعدي بافت و سه بعدي عمق چهره است که قبلا با ترکيب اين تصاوير يک سيستم بازشناسي چهره مقاوم به حالت‌هاي مختلف چهره با شبکه‌هاي کانولوشني طراحي شده است، در اين مقاله قصد داريم به بررسي تاثير پوشيدگي موضعي بر روي اين سيستم بپردازيم. در سيستم طراحي شده با تصاوير حالات چهره متشکل از 105 فرد شبکه کانولوشني به دقت 97.22% مي‌رسد، اين سيستم در برابر پوشيدگي‌هاي قسمت‌هاي مختلف چهره همچون نوک بيني، کل ناحيه بيني، ناحيه چشم‌ها و دهان مورد آزمايش قرار گرفته است و به ترتيب به نتايج 95.65%، 93.65%، 63.79% و 83.57% دست يافته ايم. نتايج بيانگر تاثير بسيار زياد چشم‌ها در سيستم بازشناسي چهره مقاوم به حالت‌هاي مختلف است و کمترين تاثير در اين سيستم را ناحيه نوک بيني بر عهده دارد. روش پيشنهادي در مقايسه با کارهاي اخير با افزايش دقت همراه است

در اين مقاله، شيوه نگارش يك مقاله براي بيست و يکمين كنفرانس ملي سالانه انجمن کامپيوتر ايران تشريح مي‌شود. روش قالب‌بندي مقاله، بخش‌هاي مختلف آن، انواع قلم‌ها و اندازه آن‌ها، به طور كامل مشخص شده است. كلية سبك (Style) هاي مورد نياز براي بخش‌هاي مختلف مقاله، از جمله عنوان‌ها، نويسندگان، چكيده، متن، و ... از پيش تعريف شده‌اند و تنها كافي است سبك مورد نظر را براي بخشي از مقاله انتخاب كنيد. نويسندگان محترم مقاله‌ها بايد توجه داشته باشند، كنفرانس از پذيرش مقاله‌هايي كه خارج از اين چارچوب تهيه شده باشند، معذور است. چكيده مقاله بايد در يك يا دو بند (پاراگراف) تهيه شود و حداكثر شامل 200 كلمه باشد. چكيده بايد بطور صريح و شفاف موضوع پژوهش و نتايج آن را مطرح كند؛ يعني بيان كند چه كاري، چگونه، و براي چه هدفي انجام و چه نتايجي حاصل شده است. در چكيده از ذكر جزييات كار، شكل‌ها، جدول‌ها، فرمول‌ها، و مراجع‌ پرهيز كنيد.

ورشکستگي شرکت‌ها در يک دورنماي کلي، تأثيرات مخربي بر اقتصاد يک کشور دارد که مي‌توان با پيش‌بيني آن از هدر رفتن ثروت ملي در قالب سرمايه‌هاي فيزيکي و انساني و آثار آن جلوگيري کرد. از اين جهت ورشکستگي مالي يکي از موضوعات مهم در حوزه تصميم‌گيري مالي شرکت‌هاست و تاکنون تکنيک‌هاي داده‌کاوي و مدل‌هاي متنوعي که از نظر متغير‌هاي پيش‌بيني و نوع مدل متفاوت هستند، براي حل اين مساله ارائه شده‌اند. هدف ما در اين تحقيق ارائه يک ترکيب جديد از نقاط قوت الگوريتم بهينه‌سازي نهنگ (WOA) و جستجوي ممنوعه به‌منظور ارائه يک الگوريتم مؤثر و بهينه براي آموزش شبکه‌هاي عصبي پيشرو (FNN) و درنهايت تهيه يک مدل کارآمد براي پيش‌بيني ورشکستگي مي‌باشد. نمونه‌ي تحت بررسي شامل 110 شرکت است که طي يک دوره‌ي 8 ساله از سال 1388 تا 1395 از بورس اوراق بهادار تهران انتخاب شده‌اند. براي تائيد عملکرد الگوريتم‌هاي استفاده‌شده از 5 مجموعه داده‌ي استاندارد از مخزن UCI استفاده‌شده است. همچنين به‌منظور اثبات برتري روش پيشنهادي نتايج حاصل از اجرا با 5 الگوريتم ديگر مقايسه شده است و نتايج تجربي نشان مي‌دهند که در مقايسه با ساير روش‌ها عملکرد بهتري در آموزش FNN ارائه مي‌دهد.

زنجيره بلوکي فناوري نوظهوري است که پيدايش آن ريشه در کاربردهاي مالي دارد. اين درحالي است که کاربردهاي اين فناوري محدود به حوزه کاربردهاي مالي نبوده و ويژگيهاي خاص فناوري زنجيره بلوکي، پتانسيل بالايي را براي ايجاد تغيير و تحول بنيادين در کسب ‌وکارهاي مختلف فراهم مي‌کند. در اين مقاله تلاش خواهد شد که کاربردهاي مختلف زنجيره بلوکي ارائه شده در مراجع و منابع مختلف بررسي و در نهايت يک دسته بندي کاربردي‌تري از زنجيره بلوکي ارائه شود. لذا، در اين مقاله ابتدا مروري بر مفاهيم زنجيره بلوکي و کاربردهاي آن شده است. سپس با استفاده از روش فراترکيبي، کاربردهاي زنجيره بلوکي دسته بندي و در نهايت در سه دسته مختلف کاربردهاي عمومي، کاربرد در صنايع و کاربرد در فناوريهاي ديگر تقسيم و شرح داده شده اند.