انجمن کامپیوتر ایران

هوشمندسازی وسائط نقلیه و بهره‌گیری از فناوری‌های موجود در شبکه‌های خودرویی می‌تواند راه مناسبی برای بهبود سیستم‌های حمل‌ونقل باشد که علاوه بر کاهش حوادث و تلفات ناشی از خطای انسانی سبب بهبود امنیت، کاهش اتلاف وقت و مصرف مناسب سوخت شود. بهره‌گیری از معماری شبکه‌های محتوا محور به سبب نوع ساختار آن‌ مزایای زیادی برای شبکه‌های خودرویی به همراه دارد به‌طوری‌که می‌توان با چالش‌های موجود در این شبکه‌ها مانند تغییر دائمی توپولوژی شبکه، حرکت سریع خودروها و لینک‌های ارتباطی ناپایدار مقابله نمود. اغلب کارهای انجام‌شده در این حوزه، کاربردهایی را مدنظر قرار داده‌اند که با مدل مبنایی شبکه‌های محتوا محور کاملاً همخوانی دارند. در این مقاله راهکاری ارائه شده است تا با اعمال تغییراتی در مدل مبنایی بتوان از انواع کاربردها پشتیبانی نمود. از سوی دیگر در چنین شبکه‌ای که مبنای ارسال‌ها به‌صورت سیلابی و همه‌پخشی است، راهکاری برای مقابله با پدیده‌ی طوفان همه‌پخشی پیشنهاد شده است. در انتها راهکارهای ارائه شده از طریق شبیه‌سازی مورد ارزیابی قرار می‌گیرند.

در این مقاله جدول‌های چندی سازی جدید برای بهبود فشرده سازی تصاویر چهره با استفاده از روش JPEG با هدف حفظ یا بهبود دقت بازشناسی پیشنهاد شده است. این جدولها با استفاده از سه الگوریتم فرا مکاشفه‌ای تبرید تدریجی، ژنتیک و ازدحام ذرات بدست آمده اند. بهبود نسبت فشرده سازی با توجه به حفظ و در برخی مواقع افزایش نرخ بازشناسی چهره در مقایسه با جدول چندی سازی استاندارد حاصل شده است. آزمایشات در بازه مناسبی از نرخ بیت‌ها بروی تصاویر تست از پایگاه داده FERET با استفاده از الگوریتم مبتنی بر ظاهر انجام شده که نشان می دهد افزایش نسبت فشرده‌سازی نه تنها کارایی بازشناسی چهره را تقلیل نمی‌دهد بلکه در بعضی مواقع بهبود کمی هم به همراه دارد. بهترین افزایش ها نسبت به حالت استاندارد در نرخ 0.2 بیت بر پیکسل در مجموعه تست dup2 با استفاده از الگوریتم ژنتیک بدست آمده است، نرخ بازشناسی از 16.2 به 17.9درصد و در همان زمان نسبت فشرده‌سازی از 28.7 به 34.2 افزایش داشته است.

زیست نشانگرها موادی هستند که به صورت عادی در بافت‌ها و مایعات بدن وجود دارند و میزان بیان آن‌ها نسبت معناداری با شرایط پیشرفت بیماری‌های مختلف دارد. پژوهش‌های اخیر نشان داده که MicroRNA می‌تواند به عنوان یک زیست نشانگر قابل اتکا برای تشخیص بیماری‌هایی مثل عفونت های ویروسی و سرطان مورد استفاده قرار گیرد. روش‌های فعلی برای تشخیص میزان بیان MicroRNA مانند Real-time PCR به هزینه و زمان زیادی نیاز دارند و دقت تشخیص آن‌ها برای میزان بسیار کم این زیست-نشانگرها کافی نیست. نتایج پژوهش‌ها در سال‌های اخیر نشان داده که دروازه‌های منطقی مبتنی بر DNA می‌توانند بدین منظور مورد استفاده قرار گیرند. در این مقاله یک دروازه‌ی منطقی مبتنی بر DNA جهت تشخیص الگوی رخداد عفونت ویروسی هپاتیت C ارائه شده است. این دروازه قابلیت تشخیص هشت عدد MicroRNA با سطوح مختلف را فراهم می‌کند. نتایج شبیه‌سازی‌های انجام شده نشان می‌دهد که این دروازه می‌تواند الگوهای پیچیده با تعداد زیاد ورودی‌ها را با سرعت بالاتر و هزینه کمتر نسبت به سایر روش‌ها تشخیص دهد.

یکی از رفتارهای اجتماعی که موضوعی هسته‌ای در علوم اجتماعی است، موضوع هنجاراست. منظور از هنجار، استاندارد یا الگوی رفتاری است که در میان یک گروه یا جامعه‌ای پذیرفته شده است و عمل به آن مورد انتظار جمع است. هنجار ابزار مهمی است که توسط جوامع برای انتظام بخشی امور به خدمت گرفته شده و بدیل مهمی برای اقدامات قانونی و هزینه‌بر دولت‌ها در تنظیم جوامع است. ویژگی مهم هنجار که با بقیه‌ی رفتارهای اجتماعی متمایز می‌شود؛ موضوع تحریم است که به مثابه یک تضمین برای جلوگیری از نقض آن است. به‌علاوه هنجار در بین ساختارهای‌ کنش، تنها ساختاری است که منافع حاصل از آن، قابل تقسیم نیست و عمل به آن موجب ایجاد نفع یکسان برای عده‌ی زیادی می‌گردد. ما در این مقاله براساس این دو خصلت که متمایزکننده هنجار از بقیه عادات و رفتارهای بشری است، روش خود را ارائه می‌کنیم. نشان می‌دهیم که ساختار، نقش مهمی در مکانیسم ترویج هنجار ایفا می‌کند. این ساختار با ابتنا بر خاصیت بستار نشان می‌دهد استفاده از راس‌های با بستار بیشتر به عنوان نقش‌های هنجارآور، نیازمند تلاش و در نتیجه هزینه¬کمتری برای سرایت هنجار دریک شبکه‌های اجتماعی است. ترکیب نیروهای ناشی از ساختار ارتباطات بین افراد در جامعه و تاثیر بستار به تولید فشاراجتماعی بیشتر بر انجام‌دهندگان رفتارهای منفی، پیشتر توسط جیمزکلمن تبیین شده است، لیکن بهره‌گیری از این نظرات برای ارائه روشی که رابطه تلاش-ساختار را برای تکامل هنجار ازطریق بررسی خصوصیات ذاتی هنجار یعنی تحریم و منافع غیرقابل تقسیم، توضیح دهد، تاکنون صورت نگرفته و مقاله حاضر در صدد ارائه این روش است.

از اجرای پویا-نمادین برای آزمون نرم‌افزارهای مختلف استفاده می‌شود. آزمون برنامک‌های اندرویدی نسبت به برنامه‌های دیگر دارای چالش‌های جدید رخدادمحوربودن و وابستگی زیاد به SDK است که سربار آزمون را بالا می‌برد. در این مقاله روشی ارائه می‌شود که با اجرای پویا-نمادین همراه تحلیل آلایش به دنبال تشخیص آسیب‌پذیری تزریق SQL در برنامک‌های اندرویدی هستیم. در این کار با تحلیل ایستا، گراف فراخوانی توابع و پیمایش برعکس از تابع آسیب‌پذیر تا تابع منبع ، نقطه شروع برنامه را تولید کردیم و فرایند تحلیل را محدود به تابع‌های مسیرهای مطلوب یافته‌شده کردیم. همچنین در این کار با ایده استفاده از کلاس‌های Mock مسئله رخدادمحوربودن و سربار بالای آزمون برنامک‌ها را حل کرده‌ایم. برای ارزیابی راه‌کار ارائه شده، ابتدا 10 برنامک را خودمان پیاده‌سازی کردیم که 4تای آنها آسیب‌پذیر بودند و توانستیم همه را تشخیص دهیم. همچنین از مخزن F-Droid استفاده کردیم که شامل برنامک‌های متن‌باز است. 140 برنامک را به دلخواه از این مخزن انتخاب کردیم، که از این میان 7 برنامک را که آسیب‌پذیر به تزریق SQL بودند را توانستیم تشخیص دهیم.

ازدحام، یکی از مهم‌‏ترین چالش‌های مطرح در شبکه ‌برتراشه‌ها است. روش‏های مختلفی برای غلبه بر پدیده ازدحام در شبکه برتراشه تاکنون ارائه شده است که از اصلی‌ترینشان، استفاده از الگوریتم‌های ازدحام-آگاه است. در این مقاله یک روش مسیریابی ازدحام-آگاه جدید ارائه شده است. در این روش ابتدا شبکه ‌برتراشه به تعدادی زیرشبکه تقسیم می‏شود. سپس در داخل هر زیرشبکه از یک الگوریتم مسیریابی سراسری و بین زیرشبکه‏ها از الگوریتم مسیریابی محلی برای مسیریابی استفاده می‏شود. برای انتخاب مسیر در داخل زیرشبکه کلیه مسیرهای کمین از گره فعلی تا یکی از گره‏های مرزی بررسی شده و مسیری که کمترین ازدحام را دارد انتخاب می‏شود. این الگوریتم باعث کاهش میانگین تأخیر بسته‏ها در سیستم نسبت به کارهای پیشین شده است بدون آن‏که توان مصرفی سیستم را افزایش دهد. در آزمایشی که تحت ترافیک‏های ترانهاده و بیت معکوس انجام شد، مشخص شد که این الگوریتم نسبت به الگوریتم‏های DOR، DyAD و CATRA دیرتر به حالت اشباع می‏رود. همچنین در آزمایشی که تحت ترافیک‌های SPLASH 2 انجام شد، مشخص شد که تأخیر بسته‏ها به طور میانگین نسبت به سه الگوریتم فوق‌الذکر به ترتیب 19%، 13% و 3% بهبود پیدا کرده است.

In this paper, we present an online method in unidirectional IoT systems to synchronize the data streams of multiple sensors, including wearable and environmental. Our proposed method is based on information theory concepts. First we use an entropy-based method to find events on environmental sensors data stream. After that, we use mutual information matching algorithm to find corresponding event in wearable sensors data stream. Indeed, we use physical interactions between wearable and environmental sensors in order to find shared events. Our experiments demonstrate that our proposed method can improve the quality of sensors data stream and therefore it can be used for the monitoring task in unidirectional IoT systems.

هرزبرگ وب با هدف دستکاري در نتايج حاصل از موتورهاي جويشگر ايجاد شده و موجب بي‌اعتمادي کاربران به اين موتورها و ضرر و زيان‌هاي فردي و اقتصادي مي‌شوند، از اين رو موتورهاي جويشگر انگيزۀ زيادي براي شناسايي صفحات هرز و کنار گذاشتن آنها دارند. ماهيت مسئلۀ شناسايي هرزبرگ، جداسازي و دسته‌بندي صفحات در دو گروه «قانوني» و «هرز» است و به همين دليل استفاده از روش‌هاي يادگيري ماشيني روش مناسبي براي حل اين دسته از مسائل به شمار مي‌آيد. از آنجا که روش‌هاي مورد استفادۀ هرزسازها با سرعت زيادي در حال ارتقا است، ابزار مورد استفاده در فرايند دسته‌بندي نيز بايد قابليت سازگاري و تعميم بالايي داشته باشد لذا شبکه‌هاي عصبي مصنوعي در زمرۀ بهترين ابزارها براي حل اين دسته از مسائل قرار مي‌گيرند. در اين مقاله شبکۀ پرسپترون چندلايه طراحي شده و با پياده‌سازي آن بر روي مجموعه دادۀ Web-Spam UK2006، ميزان سنجۀ F برابر با 56/77 به دست آمد. در بخش دوم تحقيق، براي بهبود عملکرد بازيابي، ويژگي جديدي به مجموعه دادۀ قبلي افزوده شد و پس از پياده‌سازي شبکه، ميزان سنجۀ F برابر با 06/78 به دست آمد که نسبت به تحقيقات پيشين داراي نتايج به مراتب بهتري است.

با توجه به موقعيت استراتژيک مناطق آبي، در سال‌ هاي اخير استفاده از شبکه‌ هاي حسگر بي ‌سيم در زير آب ‌ها هم رايج شده است و شبکه ‌هايي تحت عنوان شبکه ‌هاي حسگر بي ‌سيم زيرآبي به وجود آمده ‌اند. از آن‌جا که نحوه ‌ي ارتباط گره ‌ها در زير آب متفاوت از گره هاي زميني است، لذا معرفي الگوريتم مسيريابي متفاوت براي اين شبکه‌ ها بسيار ضروري است. در اين پژوهش يک پروتکل مسيريابي آگاه از کانال مبتني بر پروتکل CARP ارائه مي‌ شود که در آن سعي شده، مشکلات اين الگوريتم برطرف گردد. در روش پيشنهادي، ساختار شبكه به تعدادي ناحيه تقسيم بندي مي‌شود و مديريت هر ناحيه به شكلي انجام مي ‌گيرد كه در نهايت مصرف انرژي گره ‌ها متوازن شود. همچنين براي ايجاد يك مسيريابي دقيق و سريع، با استفاده از اطلاعات کيفيت لينک‌ها، از گره‌ هاي مياني که قبلاً در ارسال داده براي مقصد مورد نظر موفق بوده‌ اند، به عنوان گره‌ هاي امدادي استفاده مي‌ شود. شبيه ‌سازي روش پيشنهادي در شبيه ‌ساز Aqua-Sim مبتني بر NS2 انجام گرفته است. نتايج ارزيابي نشان مي ‌دهد که روش پيشنهادي بر اساس معيارهاي طول عمر، نرخ ارسال بسته ‌ها و نرخ بي ‌ثباتي بهتر از روش‌هاي ديگر عمل مي ‌کند.

در کاربرد واقعي ممکن است خوشه ها داراي همپوشاني باشند. يک راه حل منطقي براي لحاظ کردن همپوشاني خوشه ها انتساب مجموعه اي از درجه عضويت به هر داده است. توانايي منطق فازي در برخورد با داده هاي نويز دار و داده هاي پرت و تشخيص آسان داده هاي مبهم را مي توان از ديگر دلايل توجه اين مقاله به منطق فازي دانست. رويکرد روش پيشنهادي، مبتني بر معماري يادگيري چند هسته اي مي باشد. علاوه بر اين، روش پيشنهادي با تنظيم خودکار وزن هسته ها در يک چارچوب بهينه سازي از گزند مسائلي مانند هسته هاي ناکارآمد يا ويژگي هاي نامرتبط در امان مي ماند. معماري مدل پيشنهادي متشکل از شش مؤلفه اصلي فراهم کننده داده ها، پيش پردازنده، تحليل گر، پاسخ ده، ارزياب، مدير و کنترل کننده مرکزي مي باشد. به منظور ارزيابي کارايي روش پيشنهادي سه آزمايش انجام شده است. در ادامه با تغيير در مجموعه هسته ها و همچنين تغيير در فاکتورهاي خوشه بندي بهبودي بر روش پيشنهادي ارائه مي گردد. نتايج بررسي ها نشان مي دهد که خوشه هاي ايجاد شده توسط روش پيشنهادي بهبود يافته همپوشاني کمتري نسبت به روش پيشنهادي دارند. دقت خوب خوشه ها و همچنين کمتر شدن تعداد اعضاي هر خوشه باعث صرف جويي در هدر رفت منابع بانک در هنگام تخصيص منابع به مشتريان برگزيده مي شود.

با ظهور فناوري زنجيره‌بلوکي، شرکت‌هاي مختلف با توجه به نياز خود و مشتريان، اقدام به تحقيق و توسعه محصولات مبتني بر فناوري زنجيره‌بلوکي بخصوص پلتفرم‌ نموده‌اند. در اين مقاله پس از معرفي و مروري بر شرکت‌هاي برتر جهاني در حوزه پلتفرم‌هاي زنجيره‌بلوکي، به بررسي تمرکز هر يک از شرکت‌ها و نحوه فعاليت هر يک پرداخته شده است. در بررسي شرکت‌هاي منتخب، معيار بررسي، نوع پلتفرم ارائه‌شده و کاربردهاي پلتفرم‌ها در حوزه‌هاي مختلف است. همچنين ساير خدمات، سرويس‌ها و يا برنامه‌هاي کاربردي که با استفاده از فناوري زنجيره بلوکي توسط اين شرکت‌ها ارائه‌شده است نيز مورد مطالعه قرارگرفته است.

در شبکه‌هاي حسگر بي‌سيم، زماني که گرهي رويدادي را دريافت مي‌کند بعد از پردازش، آن را به چاهک ارسال مي‌کند. به دليل محدوديت گره‌هاي حسگر، داده ‌پردازش شده بايد به صورت چند گامي به چاهک مسيريابي شود. بيشتر روش‌هاي مسيريابي موجود در شبکه‌هاي حسگر بي‌سيم بر اساس راهبرد مسيريابي تک-مسير طراحي شده‌اند که اين نوع روش‌ها داراي مشکلاتي هستند. به منظور مقابله با محدوديت‌هاي روش‌هاي مسيريابي تک-مسيري، يک نوع استراتژي مسيريابي وجود دارد که مسيريابي چند مسيري ناميده مي‌شود. در مسيريابي چند مسيري، مسيرهاي کشف شده مي‌توانند به صورت همزمان براي ارسال داده‌ها به کار گرفته شوند و يا هر گره منبع مي‌تواند فقط از يک مسير به منظور ارسال داده استفاده کند و در زمان خراب شدن يک گره، مسير ديگري را انتخاب کند. يکي از روش‌هايي که براي کشف مسيرهاي چند مسيري کاربرد دارند، استفاده از الگوريتم ژنتيک است. الگوريتم‌ ژنتيک براي جستجوي بهينه سراسري در فضاي پيچيده، قوي و کارآمد هستند. در اين مقاله، ما يک روش مسيريابي چند مسيري با استفاده از الگوريتم ژنتيک در شبکه‌هاي حسگر بي‌سيم ارائه کرده‌ايم. در روش پيشنهادي ما يک تابع برازش متفاوت نسبت به الگوريتم GAEMW ارائه شده است که موجب کاهش انرژي مصرفي نسبت به الگوريتم GAEMW شده است.

در دهه‏‌هاي ‏اخير شاهد افزايش چشمگير دستگاه‌‏ها ‏و تجهيزات هوشمند و بکارگيري آن‏ها ‏در فعاليت‌‏هاي ‏مختلف هستيم. همچنين با تمايل افراد به استفاده از اينترنت و دستگاه‏‌هاي ‏هوشمند، مفاهيم جديدي چون اينترنت اشيا شکل گرفته اند. از اين رو ساختار شبکه‏‌هاي ‏جديد از شبکه‏‌هاي ‏با توپولوژي‏‌هاي ‏شناخته شده و ساده به سمت شبکه‏‌هاي ‏با پيچيده گي بيشتر حرکت کرده و شبکه‌‏هاي ‏به نام شبکه‏‌هاي ‏جهان کوچک را پديد مي‏آورند. در اين شبکه‏‌ها ‏که تعداد نودها زياد و نحوه‏ي ‏ارتباطات نودها داراي پيچيدگي خاصي مي‏باشند ارزيابي دسترس پذيري نودها کار پيچيده‏اي ‏است و ديگر روش‏‌هاي ‏قديمي پاسخ گو نيستند. از سوي ديگر باتوجه به شرايط رقابتي موجود در ارائه‏‌ي ‏خدمات بلادرنگ و امن به کاربران در حوزه‌‏ي ‏فناوري اطلاعات از شرايط موفقيت کسب‏وکارها مي‏توان به ارائه خدمات فناوري اطلاعات به موقع و با قابليت اطمينان و دسترس‌پذيري بالا اشاره کرد. ازاين رو براي سازمان‌ها به خصوص سازمان‏‌هاي ‏با ماموريت‌‏هاي ‏حساس ايجاد زيرساخت‌هاي فني و ارائه خدمات با دسترس‌پذيري بالا اهميت بسزايي دارد که مستلزم آن است که بتوان با مدل‌هاي دقيق کمّي، ميزان دسترس‌پذيري و در نتيجه قابليت اطمينان خدمات و زيرساخت‌هاي حساس و بحراني را محاسبه نمود. تاکنون در اين زمينه تلاش‌هاي زيادي صورت گرفته است که اغلب آن‌ها دسترس‌پذيري را صرفاً براي تجهيزات زيرساختي و يا حداکثر با لحاظ ارتباطات اين تجهيزات با يکديگر يعني در لايه شبکه يا زيرساخت محاسبه نموده‌اند يا روش‏‌ها ‏به صورت کيفي و براساس نظر خبرگان بوده است. در اين پژوهش سعي بر آن است که با تبعيت از يک ديدگاه مبتني بر معماري سازماني، تمامي لايه‌هاي سه‌گانه يک خدمت فن‌آوري اطلاعات شامل لايه کسب و کار، نرم‌افزار و زيرساخت را در يک چارچوب يکپارچه و به‌هم پيوسته با هم مرتبط کرده و سپس دسترس‌پذيري کلي يک فرايند در لايه کسب‌‏وکار را با توجه به ارتباطات مدل‌سازي‌شده بين هر سه لايه، به صورت دقيق محاسبه و در اختيار ارائه دهندگان خدمت قرار داد. مزيت اين رويکرد فهم دقيق ارائه دهنده‏‌ي ‏خدمت از ميزان دسترس‌پذيري فرايندهاي کاري حساس سازمان خود مي‏‌باشد. نتايج شبيه‌سازي نشان داد که چگونه از دست رفتن يک جزء داراي اهميت بالاتر تاثيرات به مراتب منفي‌تري نسبت به يک جزء کم اهميت بر روي دسترس‌پذيري کلي فرآيند کاري کاربران دارد.

امروزه با پیشرفت روزافزون تکنولوژی و سیستم‌های پردازش گفتار، استفاده از گفتار علاوه بر تعاملات انسان‌ها با یکدیگر در تعاملات میان انسان و ماشین نیز ورود پیدا کرده است. یکی از نیازهای اولیه برای داشتن هر سیستم بازشناس گفتار، وجود دادگان غنی برای آموزش و ارزیابی آن می‌باشد. با توجه به در دسترس نبودن دادگان حاوی فرامین صوتی برای کنترل لوازم خانگی هوشمند به زبان فارسی، در این مقاله به بررسی روند طراحی، جمع‌آوری و ارزیابی یک مجموعه دادگان فرامین صوتی مستقل از گویشور برای کنترل لوازم خانگی هوشمند (تلویزیون، ضبط صوت، لامپ) مبتنی بر گفتار فارسی پرداخته شده است. این دادگان به دو بخش آموزش و آزمون تقسیم شده است. برای ارزیابی دادگان از روش مدل مخفی مارکف و روش حافظۀ کوتاه مدت ماندگار استفاده شده است. نتایج ارزیابی دادگان مبتنی بر مدل مخفی مارکف نشان می‌دهد که بازشناس کلمات آموزش یافته بر روی دادگان مذکور در بهترین حالت از صحت 94% و دقت 92% برخوردار بوده و میزان خطا در سطح کلمه تنها 8% است. همچنین نتایج ارزیابی مبتنی برحافظۀ کوتاه مدت ماندگارحاکی از آن است که دقت بازشناسی در سطح کلمه با بهترین تنظیمات از میان تنظیمات مختلف انجام شده، حدودا برابر با 98% است.

استاندارد IEEE 802.15.4 برای شبکه‌های حسگری بی‌سیم مشخصات لایه فیزیکی و لایه کنترل دسترسی رسانه تعریف می‌کند. با توجه به تک کاناله بودن ارتباطات در این استاندارد، IEEE 802.15.4e با معرفی مکانیزم TSCH به صورت اصلاحیه ای بر استاندارد پیشین منتشر گردید که در آن ضمن چندکاناله کردن ارتباطات، تکنیک پرش کانال را نیز برای افزایش قابلیت اطمینان فراهم نمود. با توجه به هم فرکانس بودن ارتباطات IEEE 802.11 با IEEE 802.15.4e، نیاز به تعبیه یک استراتژی هوشمند در گره‌ها برای پرش کانال در واکنش به این تداخلات است. این پرش وفقی، اصطلاحاً تشکیل «لیست سیاه» نیز نامیده می‌شود. راهکارهای تشکیل لیست سیاه موجود همگی با فرض اینکه الگوی تصادفی حضور یا عدم حضور تداخلات 802.11 به صورت مانا می‌باشد، ارائه شده‌اند. ما در این مقاله، مدل احتمالی حضور یا عدم حضور 802.11 تداخلگر بر روی 802.15.4e را به الگوهای غیر مانا تعمیم داده و همچنین، یک راهکار وفقی برای انجام پرش کانال فرکانسی مبتنی بر نظریه یادگیری اتوماتا ارائه می‌نماییم. نتایج شبیه‌سازی نشان می‌دهد که در سناریوهای تداخلی غیرمانا حدود 15 درصد نسبت به راهکار موجود درصد تحویل بسته بالاتری حاصل می‌شود.

همراه با رشد روزافزون دستگاه‌های هوشمند، مفهوم اینترنت اشیاء نیز توسعه پیداکرده است. افزایش تعداد این اشیا هوشمند سبب افزایش تولید حجم داده‌ها و بار‌های محاسباتی در مقیاس‌های وسیع شده است. به همین دلیل رایانش ابری، به‌عنوان راه‌حل اصلی جهت کنترل این بارها استفاده می‌شود. بااین‌حال، زمان‌بر بودن پردازش بار‌ها در ابر، هنوز به‌عنوان مسئله اصلی در حوزه شبکه‌های توزیع‌شده مطرح است. پردازش بار‌های کاری در لبه‌‌های شبکه می‌تواند موجب کاهش این زمان پاسخ شود؛ اما از سوی دیگر با آوردن پردازش بار‌ها از مراکز داده‌ها (متصل به برق) به سمت لبه‌های شبکه، منجر به محدودیت انرژی می‌شود. بنابراین لازم است بار‌های کاری به شکلی متوازن میان ابر‌ها و لبه‌های شبکه توزیع شوند. در این مقاله به‌منظور ایجاد تعادل میان مصرف انرژی در لبه شبکه و تأخیر بار‌های کاری در ابر‌ها، روشی مبتنی بر سیستم‌های دسته‌بند یادگیر ارائه‌شده‌ است. نتایج حاصل از شبیه‌سازی نشان می‌دهد که روش پیشنهادی در مقایسه با روش‌های پیشین، به شکل متعادل‌تری بارها را توزیع می‌کند. روش پیشنهادی سبب کاهش ۴۲ درصدی تأخیر بارهای کاری و همچنین کاهش مصرف انرژی در لبه شبکه می‌شود.

فرآیند‌های کسب‌وکار نقطه برآیند تمام موجودیت‌ها و دارایی‌های سازمان در جهت پاسخ به نیازمندی‌های کسب‌وکار است. از این رو مدیریت فرآیند‌های کسب‌وکار یکی از دغدغه‌های همیشگی سازمان است. با تغییر نیازمند‌ها و شرایط کسب‌وکار روش‌های سنتی مدیریت فرآیند‌های کسب‌وکار توانایی پاسخگویی خود را از دست داده‌اند و روند‌های جدید مدیریت فرآیند کسب‌وکار با بهره‌گیری از توانمندی‌های فناوری‌های جدید برای تطبیق بیشتر با نیاز‌های جدید شکل گرفته‌ است. فرآیندکاوی و روش‌های زیر مجموعه آن از قبیل رویکرد‌های مختلف پایش پیش‌بینی کننده فرآیند‌های کسب‌وکار از مهم‌ترین این روش‌ها هستند که در بهبود فرآیند‌ها و همراستایی آنها با کسب‌وکار از طریق تخمین‌‌های‏ برخط و برون خط نقش بسزایی ایفا می‌کنند. عملیاتی‌سازی روش‌ها و ابزارهای جدید مدیریت فرآیند‌ها در سازمان و توانمندی تجزیه و تحلیل عملیاتی مختلف فرآیند‌های کسب‌و‌کار نیازمند حمایت و بسترسازی معماری سازمانی است. از سوی دیگر روش‌های فرآیندکاوی و پایش پیش‌بینی کننده فرآیند‌ها برای به‌روز رسانی لایه‌های معماری سازمانی در جهت پشتیبانی از تحول در سازمان استفاده می‌شوند. از این رو این مقاله به تشریح تعامل و ارتباط روند‌های جدید مدیریت فرآیند‌های کسب‌وکار در تحول دیجیتالی با معماری سازمانی پرداخته است و در ادامه هشت ابزار از ابزارهای مهم حوزه فرآیندکاوی و پایش پیش‌بینی کننده فرآیند‌های کسب‌وکار را معرفی و مقایسه کرده است.

جهت افزایش کیفیت زندگی و کنترل منابع در دسترس و مورد استفاده‌‌ی بشر و با توجه به پیشرفت فناوری زندگی به کمک محیط، نیازمند بازشناسی فعالیت‌‌های انسانی در محیط‌‌های هوشمند هستیم. این‌‌گونه می‌‌توان به دنبال پیش‌‌بینی فعالیت، مکان، زمان و نوع حسگر بعدی مورداستفاده‌‌ی افراد را پیش‌‌بینی کرد. فعالیت‌‌های انسانی به‌‌وسیله‌‌ی شبکه‌‌های عصبی می‌‌توانند بازشناسی شوند و ما توسط شبکه‌‌های عصبی بازگشتی به انجام این کار پرداخته‌‌ایم. به‌‌منظور افزایش سرعت، تنظیم پارامترهای شبکه را به الگوریتم ژنتیک سپرده‌‌ایم. پس از ارزیابی روش پیشنهادی روی سه مجموعه داده‌‌ی معیار، به نتایج نسبتاً بهتری در مقایسه با بهترین روش‌‌های پیشین، آن‌‌هم در تعداد لایه‌‌ها و نورون‌‌های کمتری دست‌‌یافته‌‌ایم که این امر موجب کاهش زمان اجرای کلی الگوریتم نیز شده است.

جویبارسازی تطبیقی ​​امکان تطبیق نرخ بیت پویا با شرایط مختلف شبکه را فراهم می‌کند تا از کیفیت تجربه کاربران اطمینان حاصل کند. در این مقاله، یک الگوریتم تطبیق نرخ بیت ارائه شده است که نرخ بیت ویدیو را بر اساس سطح بافر پخش و پهنای باند برآورد شده تعیین می‌کند. روش پیشنهادی تغییرات ناگهانی و بزرگ را در سطح کیفیت کاهش می‌دهد و حداقل طول بافر از پیش تعریف شده را برای کاهش احتمال وقوع وقفه، حفظ می‌نماید. روش پیشنهادی در سناریوهای تک مشتری با روش های دیگر مقایسه شد. طبق آزمایشات در شرایط مختلف شبکه، روش پیشنهادی سطح کیفیت بالا همراه با تغییرات آرام‌تر در سطح کیفیت را در مقایسه با روش دیگر ارائه می‌دهد و با حفظ حداقل سطح بافر، تاحد امکان از ایجاد وقفه جلوگیری می‌نماید.

خط تولید نرم‌افزار رویکردی نوین برای توسعه مجموعه‌ای از محصولات متنوع با ویژگی‌های متفاوت است که این تنوع ویژگی‌ها در محصولات قابل ارائه، توسط مدل‌های تغییرپذیری نشان داده می‌شود. حوزه خط تولید نرم‌افزار و تغییرپذیری موضوعات تحقیقات گسترده طی چند دهه گذشته بوده است. در این مقاله تحقیقات سیستماتیکی که تاکنون در این زمینه انجام شده‌اند بررسی شده و بر اساس تجزیه و تحلیل و استفاده از نتایج مبتنی بر شواهد تحقیقات، بهترین و پرکابردترین نحوه مدل‌سازی تغییرپذیری در یک خط تولید نرم‌افزار مشخص می‌گردد. در این راستا ۸۶ مقاله از جنس مروری سیستماتیک مورد بررسی قرار گرفتند. بر اساس تحقیقات انجام شده، مدل‌های تغییر پذیری متعددی وجود دارد که مصنوعات مختلف توسعه را پوشش می‌دهد که از بین آنها "مدل ویژگی" به عنوان مشهورترین مدل برجسته می‌باشد و می‌توان آن را به عنوان یک مدل تغییرپذیری مناسب، به ویژه برای توسعه‌دهندگان و محققان در نظر گرفت.