انجمن کامپیوتر ایران

در این مقاله، به‌منظور پرس و جو از یک دیتاست تصویری از یک شبکه عصبی پس انتشار خطا، استفاده می‌شود. پس از آموزش شبکه عصبی، کلمه مورد پرس و جو دریافت شده و شبکه عصبی تمام تصاویر موجود را پویش می‌نماید و میزان تطابق آن‌ها را با متن مورد پرس و جو مشخص می‌نماید. سپس به‌کمک مفاهیم مجموعه‌های فازی، مواردی که دارای بیشترین تطابق با متن پرس و جو باشد بعنوان نتیجه پرس و جو برگردانده می‌شود. به‌منظور تعیین ویژگی از یک الگوریتم ابتکاری قابل رقابت با SVM استفاده شده است.

در تیم‌های رباتیک خودمختار در کاربردهای دنیای واقعی لازم است عامل‌ها برای رسیدن به بیشترین سود باهم همکاری کنند. تصمیم‌گیری و چگونگی عملکرد و همکاری آنان با هم به دلیل پویا بودن محیط، پیوستگی برخی از پارامترها، غیرقطعی بودن محیط و ناشناخته بودن هم‌تیمی‌ها فرایندی پیچیده محسوب می‌شود. در این مقاله مأموریت نظارت پهپادها به عنوان یک سیستم چندعامله در دنیای واقعی و مسأله تصمیم‌گیری برخط عامل‌ها در شرایطی که اعضای تیم و محیط به طور کامل شناخته شده نیستند، مطرح شده و با کمک مدل مارکوف به صورت متمرکز روشی برای تصمیم‌گیری بهینه عامل‌ها در تیم ارائه شده است. آزمایش‌های انجام شده نشان می‌دهند این روش تصمیم‌گیری که مبتنی بر دانش آموخته شده قبلی عامل‌ها است، عملکرد تیم را در محیط ناشناخته بهبود می‌دهد.

در سال‌های اخیر و با رشد روز افزون داده‎ها، حجم انبوهی از داده‎ها ذخیره و نگه‎داری می‌شوند که تمام این داده‌ها جهت استفاده مجدد مورد نیاز نخواهند بود. یکی از روش‎های کاهش حجم داده‎های تکراری و کم اهمیت، روش انتخاب ویژگی‎های مهم می‌باشد. این مقاله با استفاده از الگوریتم بهینه‎سازی کلونی مورچگان که به عنوان یک روش ابتکاری مطرح است، به دنبال کاهش ابعاد مجموعه‎داده‎ها با حفظ عملکرد اولیه داده‎ها می‌باشد. از روش Wrapper و شبکه عصبی برای انتخاب ویژگی‎ها استفاده شده است. در این مقاله محاسبه فاصله ویژگی‎ها (η) با دو روش SUFC و SUFF انجام خواهد شد. نتایج نشان‏ دهنده عملکرد مناسب الگوریتم در مجموعه ‎داده‎های بزرگتر می‌باشد.

خطاهای حاصل از بازشناسی گفتار عامل مهمی در کاهش کارایی خلاصه‌سازی گفتار است. هدف این مقاله انجام خلاصه‌سازی بدون استفاده از سیستم بازشناسی خودکار گفتار (ASR) است. با توجه به مفید بودن واحدهای مبتنی بر واج در خلاصه‌سازی بی‌نظارت در تحقیقات گذشته، به‌جای ویژگی‌های مبتنی بر کلمه از ویژگی‌های مبتنی بر n-گرم واجی برای خلاصه‌ساز بانظارت استفاده شد که نیازی به سیستم بازشناسی گفتار ندارند. همچنین تاثیر استفاده از ویژگی‌های مستقل از ASR برای خلاصه‌سازی بانظارت در حوزه اخبار مورد بررسی قرار گرفت و کارایی ویژگی‌های مختلف مقایسه و سپس ویژگی‌هایی با بیشترین کارایی برای آموزش طبقه‌بندی کننده انتخاب شدند. نتایج ارزیابی روی پیکره اخبار فارسی نشان‌دهنده‌ی موثر بودن ویژگی‌های مستقل از ASR و فرآیند انتخاب ویژگی است.

مدل‌های احتمالاتی ابزاری موفق در تخمین حالت بدن هستند. دو دسته عمده مدل‌های مورد استفاده در این زمینه مدل‌های گرافی و درختی هستند. مدل‌های گرافی به واسطه قیود بیشتری که در نظر می‌گیرند امکان تخمین بهتری از ساختار بدن را فراهم می‌کنند اما استنتاج دقیق در آنها پیچیده است. از طرفی ساختارهای درختی علیرغم سرعت بالا در استنتاج به دلیل عدم در نظر گرفتن برخی از قیود با مشکلاتی نظیر دوبارشماری اندام‌هایی نظیر دست و پا مواجه هستند که در آن یک دست یا پای انسان به عنوان هر دو دست یا پای فرد در نظر گرفته می‌شود. برای رفع این مشکل در روش پیشنهادی در این مقاله ابتدا ساختار کلی بدن با استفاده از یک مدل درختی تخمین زده می‌شود و سپس از یک مدل گرافی به منظور اعمال قیود بیشتر و تخمین بهتر موقعیت بدن استفاده می‌شود. برای غلبه بر پیچیدگی استنتاج در مدل‌های گرافی، در هر مرحله یک بخش از ساختار تخمین زده شده اولیه ثابت در نظر گرفته می‌شود و موقعیت سایر بخش‌های بدن بروزرسانی می‌شود. آزمایشهای تجربی بر روی پایگاه داده LSP نشان دهنده موفقیت روش پیشنهادی در حل مشکل دوبارشماری اندام‌ها است.

به علت مقیاس بندی روزافزون فناوری CMOS، خطاهای نرم ناشی از برخورد ذرات پرانرژی یک نگرانی جدی برای قابلیت اطمینان مدار‌های مجتمع امروزی به شمار می‌روند. طراحان مدار‌های دیجیتال قصد دارند تا مدار را از لحاظ کارایی، مساحت و نرخ خطای نرم به طور همزمان بهینه نمایند. اما بهینه‌سازی مدار برای نرخ خطای نرم به طور بالقوه با هزینه و کارایی در تناقض می‌باشد، یعنی کمینه‌سازی نرخ خطای نرم با افزایش سربار مساحت و تأخیر همراه است. بنابراین، رویکردهای بهینه‌سازی باید موازنه‏ بین نرخ خطای نرم، مساحت و کارایی را مدنظر قرار دهند. در این مقاله، یک رویکرد اندازه‌گذاری دروازه مبتنی بر برنامه‌ریزی خطی دو هدفه ارائه شده است تا ضمن کنترل سربار مساحت و تأخیر، نرخ خطای نرم مدار را کمینه نماید. نتایج حاصل از شبیه‌سازی‌ها بر روی مدارهای محک ترکیبی ISCAS’85 نشان می‌دهد که الگوریتم پیشنهادی بدون از دست دادن کارایی و با سربار مساحت ۱۲٪ نرخ خطای نرم را به طور میانگین ۴۳٪ کاهش داده است.

شبکه‌های حسگر بی‌سیم مجموعه‌ای از گره‌های حسگر کوچک هستند که هر یک از آن‌ها توانایی جمع‌آوری اطلاعات از محیط پیرامون خود و ارسال آن‌ها به یک ایستگاه پایه را دارند. یکی از عوامل موثر در بقای شبکه، محدود بودن انرژی موجود در این گره‌های حسگر می‌باشد. پروتکل‌های خوشه‌بندی یک رویکرد کارآمد برای تعدیل بار بین گره‌های حسگر و افزایش طول عمر شبکه هستند. با خوشه‌بندی داده‌های ارسالی، گره‌های درون خوشه توسط سرخوشه تجمیع شده و به ایستگاه پایه ارسال می‌شوند. با این حال، این پروتکل‌ها انتخاب مناسب‌ترین گره جهت سرگروه شدن را تضمین نمی‌نمایند. بدین منظور، در این مقاله یک الگوریتم جدید برمبنای الگوریتم‌های خوشه‌بندی و مسیریابی‌های چندگامه ارائه شده است. الگوریتم پیشنهادی با مکانیزمی خاص محیط شبکه حسگر را لایه‌بندی میکند و در هر لایه تعداد بهینه سرخوشه‌ها را مشخص کرده و سپس با استفاده از الگوریتم فراابتکاری PSO بهترین گره‌ها را برای سرخوشه شدن انتخاب می‌نماید. نتایج شبیه‌سازی الگوریتم پیشنهادی در محیط‌های مختلف با تعداد گره‌های متفاوت، نشان می‌دهد که الگوریتم پیشنهادی از نظر افزایش طول عمر شبکه نسبت به پروتکل‌های LEACH و ELEACH به طور میانگین حدود 40 درصد عملکرد بهتری داشته است.

امروزه شرکت‏ها، سازمان‏ها، مؤسسات و ارگان‏های مختلف بعضاً خدمات یکسانی را از طریق درگاه‏های مختلف ارائه می‏دهند تا شهروندان با توجه به دسترسی‏های دلخواه خود، از سرویس‏ موردنظر استفاده نمایند. با توجه به گسترش فناوری‏های نوین در عرصه‏ ارتباطات و رشد جمعیت کلان‏شهرها و همچنین آسان‏سازی جهت استفاده شهروندان از خدمات شهری، لزوم ایجاد بسترهای مختلف در ارائه خدمات شهری با صرف کمترین هزینه زمانی و کاهش سفرهای درون‌شهری همواره از مهم‌ترین دغدغه‏های مدیریت کلان‏شهرها بوده است. در این بین نقش خدمات الکترونیک در رفاه حال شهروندان و همچنین کنترل، مدیریت و نظارت دقیق نهاد مسئول بر خدمات ارائه‌شده بسیار مهم بوده که در سال‏های اخیر به این امر توجه بیشتری شده است. معرفی شهر هوشمند، آشنایی با خدمات الکترونیک، توسعه صنعت پرداخت، سرویس‏های الکترونیکی شهرداری تهران و نگاهی بر آمار و ارقام میزان استفاده شهروندان از خدمات غیرحضوری از مهمترین مواردی است که در این مقاله به آن خواهیم پرداخت.

اینترنت اشیا یکی از فناوری‌های جدید است که کاربرد‌های سامانه‌های کامپیوتری را به کوچک‌ترین اشیای دنیای پیرامون گسترش خواهد داد. این کاربرد‌ها همگی بر پایه‌ی اتصال اشیا به شبکه‌ی جهانی اینترنت و ارتباط آن‌ها با یکدیگر میسر خواهند شد. حجم عظیم دستگاه‌ها در کاربرد‌هایی هم‌چون هوشمند‌سازی محیط شهری، مدیریت ترافیک، نظارت بر مصارف خدمات شهری و ... نیاز جدی این زمینه به چارچوب‌هایی برای مدیریت و هماهنگی دستگاه‌های حاضر در شبکه را آشکار می‌کند. پیش‌نیاز ایجاد ارتباط خودکار بین دستگاه‌ها در اینترنت اشیا، کشف و شناسایی دستگاه‌های حاضر در شبکه است. بر این اساس، دستگاه‌ها و برنامه‌های کاربردی باید قادر باشند نیازمندی‌های خود را در قالبی استاندارد به اطلاع دیگر دستگاه‌ها رسانده و نتیجه‌ی درخواست خود را به درستی دریافت کنند. به این منظور، سکوهای اینترنت اشیا، همگی نیازمند چارچوبی برای کشف دستگاه‌های شبکه هستند. در این مقاله، ابتدا یک دسته‌بندی‌ برای چارچوب‌های کشف منابع ارائه می‌شود و سپس با مروری بر کار‌های انجام شده، نقاط قوت و ضعف موجود در این زمینه آشکار می‌گردند.

استفاده از پردازش ابری در فناوری اینترنت اشیا، سهم به‌سزایی در گسترش این فناوری داشته است. در حال حاضر کاربردهایی نظیر واقعیت مجازی و افزوده وجود دارند که تاخیر پردازش به واسطه استفاده از ابر مرکزی، حداقل نیازمندی‌های آنها را در برخی شرایط ارضا نمی‌کند. پردازش لبه رویکرد جدیدی در اینترنت اشیا است که در سال‌های اخیر برای کم کردن بار پردازشی ابر مرکزی، کاهش تاخیر زمان پاسخ، کاهش ازدحام شبکه گسترده، کاهش توان مصرفی و در برخی از کاربردها برای کاهش هزینه‌های اقتصادی ارائه شده است. در این مقاله برآنیم برخی رویکردهای مختلف برای پیاده‌سازی پردازش لبه اعم از تکه‌ابر، پردازش مه و پردازش لبه‌ای متحرک را بررسی نماییم. همچنین معماری، مزایا، چالش‌ها و مسائل امنیتی در پژوهش‌های اخیر در حیطه پردازش لبه بررسی می‌شود.

این مقاله روشی برای مقاوم کردن شبکه روی تراشه در برابر خرابی آرام داده (SDC) ارائه می‌کند. برای اعمال این روش 3 مرحله وجود دارد: 1) ارزیابی خطای SDC برای شبکه روی تراشه معمولی و شناسایی خطاهای مخرب SDC 2) ارائه روشی برای کاهش و مقابله با خطاهای SDC، 3) ارزیابی کارایی روش ارائه شده بر اساس چندین آزمایش تزریق اشکال مبتنی بر شبیه‌سازی. در این روش برای کشف خطا از دوگانه سازی ثبات‌هایی که طی آزمایشات مشخص شد، که از حساسیت زیادی برخوردارند و xor کردن آن‌ها با ثبات کنترلی checksum استفاده می¬شود. در مجموع 10000 خطای نرم به بخش‌های ترکیبی و ترتیبی کد VHDL شبکه روی تراشه معمولی تزریق می‌شود. نتایج نشان می‌دهد که % 12/31 از اشکالات SET در بخش‌های ترکیبی و % 47/34 از اشکالات SEU در بخش‌های ترتیبی در شبکه منجر به خرابی SDC می‌شوند. نتایج ارزیابی شبکه مقاوم شده، نشان می‌دهد که نرخ خرابی در بخش‌های ترکیبی و ترتیبی به ترتیب % 90/20 و % 80/13 رسیده است. سربار سخت‌افزار روش مطرح شده برای بخش‌های ترکیبی و ترتیبی به ترتیب % 66/0 و % 95/5 است. توان مصرفی بخش‌های ترکیبی و ترتیبی به‌ترتیب % 50/2 و % 75/8 افزایش یافته است.

در سال‌های اخیر شبکه‌های اجتماعی محبوبیت بالایی میان کاربران اینترنت یافته است و به همین دلیل مطالعات زیادی در زمینه تحلیل شبکه‌های اجتماعی انجام شده است. یکی از موضوعات مهم در تحلیل شبکه‌های اجتماعی، بررسی انتشار اطلاعات است. در این زمینه فرض می‌شود که رفتار کاربران تحت تاثیر دیگر کاربران شبکه اجتماعی است. مدل‌های مختلفی برای شبیه‌سازی و تحلیل نحوه انتشار اطلاعات در شبکه‌های اجتماعی طراحی شده است. در این مقاله، ما به بررسی مساله یادگیری احتمالات انتشار برای مدل آبشاری مستقل می‌پردازیم. در ابتدا اهمیت موضوع را بیان می‌کنیم، سپس روش جدیدی برای حل این مساله بر پایه طراحی معادله‌ای برای تخمین احتمال انتشار هر یال، پیشنهاد می‌کنیم. همچنین بهبودی بر روش پیشنهادی به هنگام عدم وجود داده کافی برای یادگیری احتمال انتشار، ارائه می‌گردد. سپس روش پیشنهادی را به کمک چند مجموعه داده ارزیابی کرده و نتایج حاصل از آن را ذکر می‌کنیم. همچنین روش ارائه شده در این مقاله با دیگر روش‌ها از نظر میانگین خطای مطلق و زمان اجرا مقایسه شده است.

اینترنت اشیا (IoT) یک فنآوری در حال ظهور است که کنترل از راه دور شبکه‌های ناهمگن را ممکن می‌سازد و چشم انداز خوبی در کاربردهای صنعتی دارد. به‌عنوان یک زیرساخت مهم، شبکه‌های حسگر بی‌سیم یک نقش مهم را در اینترنت اشیای صنعتی بر عهده دارد. با توجه به محدودیت منابع گره‌های حسگر، طراحی طرح احراز هویت متعادل جهت تامین امنیت و کارایی در شبکه‌های حسگر بی‌سیم یک چالش بزرگ در برنامه‌های اینترنت اشیا است. در این زمینه تاکنون طرح‌های زیادی ارائه شده است. اما متاسفانه هیچ کدام از این طرح‌ها خالی از ایرادهای امنیتی نبوده‌اند و نتوانسته‌اند به طور کامل امنیت مورد نیاز کاربردهای مختلف را تامین نمایند. در سال2017، طرحی توسط Khemissa et al. ]7[ برای احراز هویت کاربران و گره‌های حسگر در شبکه‌های حسگر بی‌سیم ارائه شده است، اما متاسفانه در این مقاله ما نشان می‌دهیم که طرح احرازهویت شبکه‌های بی‌سیمKhemissa et al. در مقابل حملات از هم زمانی خارج کردن و حملات جعل هویت کاربر و جعل هویت گره دروازه آسیب‌پذیر است. احتمال موفقیت حملات ارائه شده در این مقاله برابر یک و پیچیدگی آن‌ها تنها یک‌بار اجرای طرح است.

احساس با خلق و خوی افراد مرتبط است به همین دلیل تشخیص آن نقش مهمی در طبیعی‌سازی ارتباط میان انسان و ماشین دارد. تشخیص احساس از روی گفتار کاربردهای زیادی دارد که از مهمترین آن‌ها می‌توان به ارتباط عاطفی میان انسان و ربات اشاره کرد. از چالش‌های اساسی در در زمینه پردازش گفتار می‌توان به بالا بودن بُعد ویژگی‌ و کم بودن نمونه‌های آموزشی اشاره کرد که باعث بیش برازش داده‌ها و کاهش کارایی سیستم می‌شود. از این رو انتخاب ویژگی‌های مناسب نقش مهمی در کارایی سیستم و کم‌شدن محاسبات دارد. در این مقاله از روش انتخاب ویژگی با ناظر با در نظر گرفتن همبستگی بین ویژگی‌ها و برچسب کلاس‌ها استفاده شده است. علاوه بر آن از تاثیرات ویژگی‌هایی که دارای اطلاعات متفاوت هستند نیز استفاده شد. در عین حال که این ویژگی‌ها اطلاعات کمی را در بردارند، اما به افزایش کارایی کمک می‌کنند. چهار روش همبستگی کانونی، پیرسون، اسپیرمن و کندال و دو روش کاهش بُعد PCA و LDA در نظر گرفته شد. در این مقاله از دادگان برلین که در حوزه‌ی پردازش حالت گفتار بسیار معروف است، استفاده شد. نتایج نشان می‌دهد که استفاده از روش انتخاب ویژگی با ناظر و کاهش بُعد ویژگی‌های انتخاب شده و همچنین استفاده از تاثیرات ویژگی‌هایی با اطلاعات متفاوت کارایی را افزایش می‌دهد.

The emission of radio waves from Extensive Air Showers (EAS), initiated by ultrahigh-energy cosmic rays, has been attributed to geomagnetic emission and charge excess processes. At frequencies 10-100 MHz this process leads to coherent radiation. Nowadays, the radio detection technique is used in many experiments consisting in studying EAS. One of them is the Auger Engineering Radio Array (AERA), located within the Pierre Auger Observatory. The frequency band observed by AERA radio stations is 30-80 MHz. The investigated frequency range is often very contaminated by human-made and narrowband radio frequency interferences (RFI). Suppression of these contaminations is crucial to lower the rate of spurious triggers. An adaptive filter based on the Least Mean Squares (LMS) algorithm can be an alternative one for currently used IIR-notch non-adaptive filter. The paper presents the 32/64-stage filters based on non-canonical FIR filter implemented into cost-effective Cyclone IV and Cyclone V Altera FPGAs with a sufficient safety margin of the registered performance for the global clock above 200 MHz to obey the Nyguist requirement.

ايجاد بستري قابل اعتماد جهت فعال نمودن دو دسته کاربرد ايمني و رفاهي/تجاري در شبکه‌هاي موردي بين خودرويي، به صورت انکار ناپذيري وابسته به عملکرد صحيح پروتکل‌هاي مسيريابي است. پروتکل‌هاي مسيريابي که تاکنون مطرح شده‌اند چالش‌هاي فراواني داشته‌اند. در اين مقاله ما روش نويني را مطرح مي‌کنيم که از ايده‌ي روشهاي مبتني بر جدول استفاده مي‌کند. به اين ترتيب که با جمع‌آوري اطلاعات مناسب از خودروها و ساخت جداول مسيريابي، با در نظرگرفتن دو پارامتر تعداد همسايگان غير يکسان و اعتبار، مناسب‌ترين گره را به منظور بازپخش اطلاعات در شبکه‌هاي موردي بين خودرويي انتخاب خواهد کرد. همچنين به منظور ارزيابي و تحليل کارايي پروتکل پيشنهادي دو آزمايش انجام داده شد. در اين دو آزمايش تاثير افزايش تعداد گره‌ها و همچنين تاثيرافزايش سرعت گره‌ها را بر روي سه معيار تاخير انتها به انتها، نرخ بازپخش پيام و پيام‌هاي سلام دوره‌اي بررسي کرديم. نتايج شبيه‌سازي نشان داد که روش پيشنهادي داراي کارايي و بهره‌وري به مراتب بهتر نسبت به ديگر روش‌هاي مطرح شده است.

شبکه‌‌هاي خودرويي يکي اجزاي کليدي سامانه‌هاي حمل‌ونقل هوشمند محسوب مي‌شوند که بستر مناسبي را جهت مديريت ترافيک و اطلاع‌رساني شرايط جاده‌ها فراهم مي‌کنند. در اين شبکه‌ها به دليل فقدان کنترل مرکزي، تحرک بالاي گره‌ها و اتصالات کوتاه‌مدت و متناوب تلاش بر اين است که روش‌هاي تحويل محتواي مؤثر و قابل‌اطميناني طراحي شود. با توجه به محدوديت‌هاي موجود در نسل فعلي شبکه‌ها، امکان برآورده نمودن نيازهاي کاربران و تأمين کيفيت سرويس ارتباطات با اين حجم بسيار زياد از داده وجود ندارد و نياز به معرفي نسل جديدي از شبکه‌ها احساس مي‌شود. در نسل پنجم ارتباطات موبايل پهناي باند بهبود داده‌شده و ظرفيت بالايي براي ارتباط با دستگاه‌هاي مختلف در شبکه ايجاد شده است. لذا در اين پژوهش جهت غلبه بر مشکلات شبکه خودرويي از نسل پنجم شبکه‌هاي موبايل براي ارتباطات استفاده مي‌شود. از طرفي براي دستيابي به اهداف تعريف‌شده براي نسل پنجم موبايل، نياز به سيستمي براي مديريت پوياي شبکه‌ها کاملاً احساس مي‌شود. خوشبختانه، شبکه‌هاي تعريف‌شده با نرم‌افزار منجر به پياده‌سازي سريع سياست‌ها و الگوريتم‌هاي جديد در شبکه مي‌شود و در پي آن مديريت شبکه را آسان و متمرکز مي‌کند. لذا در اين مقاله شبکه خودرويي مبتني بر نرم‌افزار که از امکانات نسل پنجم شبکه‌هاي موبايل جهت انتقال اطلاعات ترافيکي و سرگرمي بهره مي‌برد ارائه خواهد شد. براي شبيه‌سازي از يک بستر ترکيبي شامل سه ابزار OMNet++،SUMO و Veins استفاده شده است. نتايج شبيه‌سازي نشان‌دهنده اين است که روش پيشنهادي پارامترهاي کيفيت سرويس مدنظر را تا حد قابل قبولي بهبود مي‌بخشد

امروزه براي توسعه کسب و کارها به وفور از شبکه‎هاي اجتماعي استفاده مي‎شود. در اين شبکه‎ها روزانه پيام‎هاي متني زيادي با موضوعات مختلف توسط کاربران منتشر مي‎شوند که تشخيص و کشف پيام‎هاي درخواست و اعلام نياز کاربران از بين اين تعداد پيام کاري بسيار پيچيده و زمانبر است. از اين رو با ترکيبي از احتمالات و قوانين توانستيم پيام‎هاي درخواست را از ساير پيام‎هاي کاربران با دقت بالايي جدا کنيم. در روش پيشنهادي پس از پيش پردازش‎هاي خاص نسبت به ساير عمليات‎هاي متن کاوي، از يک مدل مخفي مارکوف جهت تعيين احتمال درخواستي بودن پيام و مدل مخفي مارکوف ديگري جهت تعيين احتمال درخواستي نبودن پيام استفاده مي‎شود و در نهايت با کمک يک درخت تصميم، دقت نتايج نهايي نسبت به آخرين پژوهش انجام شده بهبود يافته است.

اينترنت اشياء با متصل کردن اشياء، و ضبط و پردازش داده‌ها و فناوريهاي ارتباطي، سرويس‌هاي پيشرفته‌اي براي ارائه به برنامه‌هاي کاربردي ارائه مي‌کند. اکوسيستم اينترنت اشياء شامل چهار بخش محيط و دستگاهها، شبکه، پلتفرم، و سرويس است. پلتفرم، در اکوسيستم اينترنت اشياء نقش کليدي و زيرساختي داشته و يکي از چهار حوزه ارزش اينترنت اشياء است. در اين مقاله پس از مروري بر ادبيات موضوع، شرحي بر فناوريهاي مرتبط با پلتفرمهاي اينترنت اشياء شامل ابر،محاسبات در مه/لبه، مجازي‌سازي شبکه، SDN، NFV ، کلان‌داده‌ها و زنجيره‌بلوکي ارائه ميشود.

با فراگير شدن اينترنت و وب حجم زيادي از متون که به هر زباني نوشته مي‌شوند در دسترس است. مسئله تشخيص زبان يکي از مراحل اصلي براي هر نوع پردازش ديگر بر روي متن است. تاکنون پژوهش‌هايي بر روي تشخيص زبان در متون انگليسي انجام شده اما کارها روي زبان فارسي در اين حوزه محدود است. از طرفي با گسترش رسانه‌هاي اجتماعي متون محاوره بيشتر مورد استفاده قرار مي‌گيرند که روش‌هاي تشخيص زبان ارائه شده براي زبان رسمي دقت خوبي براي اين نوع متون ندارند. در اين مقاله روشي جهت تشخيص زبان محاوره ارائه شده و تمرکز بر تشخيص زبان فارسي و زبان‌هاي با رسم‌الخط مشابه يعني کردي مرکزي، عربي، پشتو و اردو و فضاي مورد مطالعه، شبکه‌هاي اجتماعي است. فرآيند طراحي شده از يک مرحله سنجش آماري (الگوي زباني مبتني بر Nتايي‌ها) و دو مرحله غيرآماري (نويسه‌هاي ويژه و ايست‌واژه‌ها) تشکيل شده است. براي ارزيابي روش پيشنهادي مجموعاً تعداد ۱۰۰۰ جمله از هر پنج زبان به صورت تصادفي از پيام‌هاي شبکه‌هاي اجتماعي استخراج شده است. نتايج به دست آمده از ارزيابي روش پيشنهادي بر روي مجموعه داده جمع‌آوري شده نشان مي‌دهد که روش پيشنهادي که تلفيق روش آماري و غيرآماري است بهبود قابل‌توجهي نسبت به روش آماري به تنهايي داشته است. همچنين نتايج به دست آمده نشان‌دهنده عملکرد خوب روش پيشنهادي در مقايسه با ابزارهاي قدرت‌مندي مانند گوگل و زيراکس است. اين ابزار همچنين توانايي تشخيص زبان پشتو و کردي مرکزي را دارد که براي ساير ابزارهاي معروف تشخيص زبان، قابل شناسايي نيست.