انجمن کامپیوتر ایران

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.

پیدا کردن دو مسیر ساده از دو مجموعه نقطه مجزا اولین بار توسط جف اریکسون مطرح شد. این مسئله می‌تواند در مسیریابی حرکت ربات‌ها، تولید چندضلعی‌های تصادفی، طراحی مدارهای VLSI و غیره کاربرد داشته باشد. در این مقاله اثبات می‌کنیم که حالت عمومی این مسئله یعنی رسم r زنجیره قرمز ساده و b زنجیره آبی ساده از دو مجموعه نقطه مجزای داده‌شده به‌طوری‌که تمام نقاط را پوشش دهند ان پی‌کامل است. برای اثبات ان پی-کامل بودن، از مسئله «پیدا کردن مسیر همیلتونی در گراف‌های مسطح که با یال‌های خط مستقیم رسم شده‌اند» که خود یک مسئله ان پی-کامل است استفاده می‌کنیم و آن را به مسئله مطرح‌شده کاهش می‌دهیم.

حدود دویست میلیارد نورون در مغز وجود دارد که به وسیله سیناپس‌ها به یکدیگر متصل می‌‌باشند. سیناپس‌ها دو پارامتر اصلی دارند؛ یکی از این پارامترها قدرت سیناپس و پارامتر دیگر‏، تأخیر‎ در فرستادن اطلاعات به نورون بعدی می‌باشد‏ که اصلی‌ترین عامل در ایجاد این تأخیر طول آکسون می‌باشد. بر روی آکسون‌ها لایه‌های عایقی به نام میلین‎‎ وجود دارد که وظیفه اصلی آنها سرعت بخشیدن به انتقال اطلاعات است. تشخیص جهت و سرعت حرکت در مغز به وسیله تأخیرهای سیناپسی انجام می‌پذیرد، و باعث می‌شود که تغییر ولتاژ ناشی از فعال شدن نورون‌ها همزمان به نورون بعدی برسد و ولتاژ نورون بعدی را به حد آستانه برساند. از طرف دیگر با مکانیسم‌هایی همچون قانون یادگیری هم‌ایستایی می‌توان نرخ ضربه هر نورون در بازه زمانی مشخص را کنترل کرد. کنترل نرخ ضربه نورون‌ها باعث می‌شود تشخیص حرکات مختلف بین نورون‌های متفاوت تقسیم گردد و هیچ نورونی چند دسته حرکت ورودی را آموزش نبیند. در این مقاله با استفاده از نورون های ‎LIF،‎ تأخیرات سیناپسی، قانون یادگیری ‎STDP‎‏، قانون یادگیری هم‌ایستایی و یادگیری تقویتی مدل محاسباتی برای تشخیص حرکت ارائه ‎‏شده‌است تا فرآیند تشخیص حرکت در مغز را توصیف کند. همچنین عملکرد مدل پیشنهادی در مساله تشخیص امضای برخط مورد بررسی و ارزیابی قرار گرفته است.

پیش‌بینی لینک برای پیشنهاد افراد به یکدیگر در شبکه‌های اجتماعی مثل فیسبوک، گوگل پلاس، اینستاگرام و..، استفاده می‌شود و یکی از موضوعات چالش برانگیز و پر کاربرد است. تاکنون روش‌های مختلفی برای پیش‌بینی لینک ارائه شده است، اما مشکل عمده روش‌های ارائه شده، دقت پایین آنهاست. در این مقاله با استفاده از وزن‌دار کردن یال‌ها و تخصیص درجه‌ی همسایگی، بخاطر متفاوت بودن درصد دوستی‌ها در شبکه‌های اجتماعی، روشی برای تشخیص دوستان صمیمی ارائه کرده‌ایم. آزمایش روش پیشنهادی بر روی سه مجموعه داده Facebook و Hamster و Email در مقایسه با روش‌های جاری بر روی مجموعه داده فیسبوک 0.4 و بر روی مجموعه داده Hamster، 2.4 و بر روی مجموعه داده ایمیل 6.9 درصد بهبود دقت داشته‌ایم.

شبکه‌های بین خودرویی به عنوان نوعی از شبکه‌های موردی، ارتباط بین خودروها با یکدیگر و همچنین ارتباط بین خودروها و تجهیزات کنار جاده‌ای را فراهم می‌کنند. این شبکه‌ها علاوه بر کمک به تسهیل فرآیند حمل و نقل، با کاهش میزان ترافیک و هدایت هوشمند جریان حرکت خودروها، تاثیر مثبت فراوانی بر راحتی و امنیت مسافران دارند. با این وجود، حفظ امنیت در برابر حملات در بستر این نوع از شبکه‌ها، یکی از مهم‌ترین دغدغه‌ها و موانع در راه توسعه استفاده از این شبکه‌ها است. یکی از حملات مطرح در شبکه‌های موردی بین خودرویی، حمله کرم چاله است. در این حمله دو خودرو شرکت دارند که با ایجاد یک کانال ارتباطی با یکدیگر، یک نسخه از اطلاعات مکانی خودرو اول به خودروی دوم ارسال می‌شود و خودروی دوم با انتشار این اطلاعات اقدام به فریب سایر خودروها و تجهیزات کنار جاده‌ای می‌کند. در این مقاله، الگوریتمی ارائه شده است که با تشکیل جداول همسایه‌های هر خودرو در شبکه توسط تجهیزات کنار جاده‌ای، امکان تشخیص حمله کرم چاله را فراهم می‌آورد. برای پیاده‌سازی الگوریتم، از شبیه‌ساز NS2 استفاده شده است. در آزمایش‌های صورت گرفته مشخص شد الگوریتم پیشنهادی در سناریوهای مختلف موفق به تشخیص درست حملات است، ولیکن در برخی شرایط، زمانی که تعداد خودروها کم باشد، با تشخیص مثبت کاذب مواجه می‌شود.

محاسبات فراگیر به‌عنوان یکی از جدیدترین الگوهای محاسباتی شناخته می‌شود و کاربردهای گسترده‌ای در حوزه‌های مختلف دارد. هدف آن، فراهم کردن سرویس‌های آگاه به زمینه در هر مکان و هر زمان برای کاربران است. پیشرفت‌ها در ساخت و استفاده از حسگرهای کوچک در دستگاه‌های سیار و همچنین رشد روزافزون سیستم‌های تعبیه شده، دستگاه‌های هوشمند را قادر ساخته است که از زمینه و محیطی که در آن قرار دارند آگاه شوند. دستگاه‌ها می‌توانند با استفاده از اطلاعات به دست آمده از محیط عکس‌العمل‌های مناسب‌تر و هوشمندانه‌تری در تعامل با کاربران از خود نشان دهند. به همین دلیل شناسایی، جمع‌آوری و استفاده از اطلاعات وضعیتی محیط (موسوم به زمینه) برای تحلیل رفتار محیط و سازگارکردن رفتار دستگاه‌ها با آن مورد توجه محققان زمینه‌ی محاسبات فراگیر قرار گرفته است. دستگاه‌های هوشمند استفاده شده در محاسبات فراگیر دارای منابع محدودی هستند. یکی از چالش‌های اصلی در زمینه‌ی محاسبات فراگیر استفاده‌ی بهینه از منابع محدود دستگاه‌های هوشمند است. در این تحقیق یک میان‌افزار برای ارتقای کارایی منابع در سرویس‌های آگاه به زمینه توسعه می‌یابد. میان‌افزار ما زمینه‌های مورد نیاز سرویس‌های آگاه به زمینه را برای آنها فراهم می‌کند، در این حال با مدیریت منابع دستگاه استفاده از آن‌ها را کاهش می‌دهد. میان‌افزار با تحت نظر گرفتن زمینه‌ها و مقادیر‌ آن‌ها در زمان‌ها و شرایط متفاوت، شروع به یادگیری عادت‌های کاربر می‌کند. در بسیاری از موارد میان‌افزار مقدار زمینه‌ی درخواست شده را با توجه به تاریخچه‌ی زمینه و یادگیری عادت‌های کاربر پیش‌بینی می‌کند. آزمایشات ما که برای زمینه‌ی «حضور در خانه» و بر روی داده‌های واقعی سه هفته‌ی چند کاربر انجام شده است نشان می‌دهد این میان‌افزار می‌تواند با افزایش سربار بسیار کمی برای حافظه و پردازنده دستگاه بیشتر از 50 درصد درخواست‌ها برای زمینه‌ها را پیش‌بینی کند و مصرف انرژی به همین نسبت کاهش می‌یابد.

In this paper, the development of a real-time hardware-in-the-loop (HIL) test for a spacecraft is investigated. The spacecraft mission is to transfer a satellite from 400km circular to 400-7000km elliptical orbit by a small upper stage. The main parts of the mission are de-tumbling, pointing, spin-up, and orbital transfer maneuvers. The developed HIL test aims at demonstrating the performance of the guidance, navigation, and control (GNC) algorithms, simulating the mission operation plan (MOP), completing the end-to-end hardware verification, and testing throughout the whole mission. In the presented framework, four modules are considered: 1) Onboard computer (OBC) and onboard hardware (OBH) module; 2) Onboard software (OBS) module; 3) Flight simulator (FS) module; 4) Logger and command computer (LCC) module. The GNC algorithms and MOP are programmed in the OBC while it communicates with a six degrees of freedom flight simulator, implemented in C# language in the visual studio environment, via CAN bus. The HIL test is performed while sensors have been substituted with dummy thermal samples to simulate their energy consumption function, because the environmental conditions of space and the sensors dependence on the current attitude cannot be duplicated in the laboratory environment. The FS module can be executed in a real-time approach with the frequency of 1 kHz and even faster. All results have been proven to be satisfactory with respect to orbit transfer mission and consequently, the onboard hardware and software are verified to be reliable enough after several repeats of the test.

شبکه‌هاي جمع-ضرب نسل جديدي از شبکه‌هاي احتمالي عميق هستند که قادرند استنتاج دقيق را از مرتبه خطي بر حسب تعداد يال‌هاي گراف شبکه انجام دهند. اين شبکه‌‌ها قادر هستند توزيع‌هاي احتمالي را به صورت فشرده در يک ساختار لايه‌اي کدگذاري نمايند. در اين مقاله، ما اين شبکه را با درخت تصميم، که مي‌توان آن را حالت خاصي از شبکه جمع-ضرب در نظر گرفت مقايسه کرديم. حاصل اين مقايسه، درخت تصميمي با ساختار مبتني بر شبکه جمع-ضرب شد که قدرت بيان بيشتري دارد.

در عصر حاضر شبکه‌هاي اجتماعي به بخش جدايي‌ناپذير از زندگي بشر تبديل شده است و به‌عنوان محبوب‌‌ترين و سريع‌ترين ابزار انتشار اطلاعات شناخته شده‌اند. اين مسئله در کنار مزاياي بسيار آن مي‌تواند انواع تهديدات امنيتي و ناهنجاري‌هاي اجتماعي را به ‌دنبال داشته باشد، يکي از اين تهديدات وجود هرزنامه‌نويسان در اين شبکه‌ها مي‌باشد. در حقيقت چالش اصلي تحقيقات اخير در مورد مبارزه با هرزنامه‌نويسان ارائه روشي کارآمد براي ترکيب محتواي پيام، رفتار کاربر و ساختار شبکه اجتماعي براي به رسميت شناختن هرزنامه‌نويسان شبکه‌هاي اجتماعي با دقت بالا مي‌باشد. از اين‌رو در اين مقاله به شناسايي هرزنامه‌نويسان در توييتر با ارائه ويژگي‌هاي جديد و استفاده از روش يادگيري نظارتي در يادگيري ماشين بر روي دو مجموعه داده پرداخته شده است. آزمايش‌هاي انجام شده بر روي مجموعه داده توييت و پروفايل با استفاده از پنج الگوريتم طبقه‌بندي صورت گرفته است که با الگوريتم درخت تصميم به بهترين نتيجه با دقت %44/99 در مقايسه با پژوهش‌هاي پيشين دست يافته است. همچنين بر اساس نتايج به‌دست آمده از مجموعه داده‌ مبتني بر پروفايل نشان داده شده است که استفاده از ويژگي‌هاي مبتني بر پروفايل به تنهايي هم مي‌تواند در شناسايي هرزنامه‌نويسان تا حدودي موثر باشد.

با توجه به اين که اکثر مسائل دنياي واقعي ماهيتي پويا و متغيير با زمان دارند، حل اين چنين مسائل از اهميت بسياري برخوردار است . در اين مقاله به ايجاد راهکار هاي جديدي جهت ايجاد تنوع ‌پذيري اعضاي جمعيت در هنگام تغيير محيط ارائه داده ايم. مدل پيشنهادي در اين مقاله يك الگوريتم تركيبي بر اساس الگوريتم بهينه‌سازي جستجوي گروهي با استفاد از ترکيب رويکرد هاي مرتبط با يادگيري از روي تضاد و نگاشت آشوب و همچنين ديدگاه نخبه گرايي در جمعيت و به بهبود چالش تنوع پذيري در جمعيت پرداختيم و با استفاده از محک معروف در حوزه مسائل بهينه سازي پويا تابع محک قله هاي متحرک مورد ارزيابي قرار داده ايم به اين اميد که بتوان تعدادي از مسائل بهينه ‌سازي در محيط‌ هاي پويا با کارايي بالاتر را حل نماييم. نتايج نشان مي دهد که نخبه گرايي در انتخاب اعضاي جمعيت مي تواند به بهبود عملکرد تنوع پذيري جمعيت نسبت به الگويتم هاي استاندارد محيط هاي پويا MQSO، AMQSO، MPSO، HMPSO ، APSO کمک شاياني کند.

اينترنت اشياي باند-باريک (NB-IoT) فناوري جديدي است که براي برآورده‏سازي نيازهاي مربوط به شبکه‏هاي دوربرد کم‏توان اخيراً توسط مؤسسه‌ي 3GPP معرفي شده‏ است. تکرار ارسال يکي از ويژگي‌هاي اصلي اين فناوري است که براي افزايش پوشش در شبکه‏هاي ارتباطات ماشيني، شامل اينترنت اشياي باند-باريک استفاده مي‏شود. با معرفي اين ويژگي جديد، تطبيق لينک در اين شبکه‏ها حداقل بايد در دو بُعد انجام گيرد: 1) سطح مدولاسيون و کدينگ، مشابه شبکه‏هاي نسل چهارم و 2) تعداد تکرار ارسال بسته. در اين مقاله، يک روش تطبيق لينک براي ارتباطات فروسو در اينترنت اشياي باند-باريک براي افزايش بازده طيفي شبکه ارائه مي‏شود. اين کار با انتخاب پايين‏ترين سطح مدولاسيون ممکن و کمترين مقدار براي پارامتر تکرار ارسال انجام مي‏شود. اين روش بر مبناي تغييرات شرايط کانال در طول زمان، به صورت پويا پارامترهاي ارسال را به نحوي تنظيم مي‌کند که با حفظ سطح مطلوب قابليت اطمينان شبکه، ارسال بسته‌ها با حداقل هزينه انجام شود. نتايج شبيه‌سازي نشان مي‌دهد که روش پيشنهادي در مقايسه با روش مرجع، تعداد بلوک‌ منابع مصرف شده را براي ارسال بسته‌هايي به طول 4، 6 و 8 کيلوبيت به ترتيب %5.35، 2%.37 و %1.37 کاهش مي‌دهد.

امروزه بحث امنيت شبکه بيش از پيش مورد توجه پژوهشگران قرار گرفته است و تشخيص نفوذ به‌عنوان يکي از اجزاي اصلي برقراري امنيت در شبکه‌هاي کامپيوتري شناخته مي‌شود. سيستم‌هاي تشخيص نفوذ از تعدادي اشکالات مانند ميزان بالاي هشدارهاي نادرست، بازده تشخيص کم و کارايي پايين رنج مي‌برند. در اين مقاله يک سيستم تشخيص نفوذ همکارانه مبتني بر دسته‌بند بيزي براي بهبود مشکلات موجود ارائه شده است؛ به طوري‌که ترافيک به‌صورت جرياني وارد واحد آموزش دسته‌بندها شده و هر کدام از موتورهاي تشخيص با استفاده از دانش اوليه ايجاد مي‌شوند. در ادامه، در صورت مشاهده‌ داده‌ جديد، از ساير سيستم‌هاي موجود همکار، براي‌ تشخيص داده‌ جديد کمک خواسته مي‌شود. هر کدام از سيستم‌ها با توجه به واحد آموزش خود نسبت به داده جديد تشخيص مي‌دهند و نتايج را مي‌فرستند. سپس با توجه به نتايج، رأي‌گيري مي‌شود و مجدداً نتيجه‌ تشخيص به‌هنگام مي‌شود و داده‌ جديد به همراه نتيجه‌ به واحد آموزش اضافه مي‌شود. ارزيابي اين سيستم با استفاده از مجموعه داده NSL-KDD انجام و نتايج حاصل با دسته‌بند بيز ساده و بهبود يافته‌ آن مقايسه شده است. نتايج شبيه‌سازي‌ حاکي از آن است که سيستم پيشنهادي از لحاظ کارايي، دقت و نيز نرخ هشدارهاي نادرست عملکرد مناسب‌تري نسبت به سيستم‌هاي موجود دارد.