انجمن کامپیوتر ایران

گزارش‌هاي خبري در رسانه‌هاي اجتماعي و خبري به وسيله تعداد زيادي سند ارائه مي‌شوند و شامل موضوعاتي هستند که جوامع و نظرات مختلف را در برمي‌گيرند. آگاهي از رابطه‌‌ ميان افراد در اسناد مي‌تواند به خوانندگان کمک کند تا يک دانش اوليه در‌خصوص موضوع و هدف در اسناد مختلف به‌دست آورند. در پژوهش حاضر، به بررسي مسئله‌ي تشخيص جوامعي پرداخته خواهد شد که هدف اصلي، خوشه‌بندي افرادي است که نام آن‌ها در مجموعه‌اي از اسناد خبري آورده شده است؛ اين افراد در جوامعي با مواضع مرتبط، خوشه‌بندي مي‌شوند. در اين پژوهش يک روش تشخيص جوامع موضع افراد بهبود يافته مبتني بر شبکه دوستي به نام SCIFNET ارائه شده است. روش پيشنهادي از ساختار الگوريتم ژنتيک جهت اين مهم استفاده نموده است. در آزمايش‌ها معيار صحت به منظور مقايسه استفاده شده است که براي رسيدن به اين مهم از شاخص Rand index (که يک شاخص مهم در ارزيابي کيفيت خوشه‌بندي است) استفاده شده است. نتايج حاصل از آزمايش‌ها که برمبناي پايگاه‌هاي داده‌ي واقعي (اسناد منتشر يافته در رسانه خبري گوگل نيوز در رابطه با يک موضوع خاص) به‌ دست‌ آمده‌اند، حاکي از کارآمدي و بهره‌وري مطلوب روش پيشنهادي است.

شبکه‌هاي حسگر بي‌سيم چندرسانه‌اي (WMSN) با چالش‌هاي خاص خود از جمله نياز به پهناي باند بالا، روشهاي فشرده‌سازي متنوع، تأمين کيفيت سرويس و محدوديت منابع در دسترس روبرو هستند. در اين شبکه‌ها، انتقال محتواي چندرسانه‌اي فشرده روي کانال‌هاي بي‌سيم مستعد خطا، احتمال بروز خطا را به شدت افزايش مي‌دهد. از سوي ديگر به دليل محدوديت پهناي باند کانال بي‌سيم و انرژي گره‌هاي حسگر، نمي‌توان به شکل دلخواه، حجم داده ارسالي را با داده‌هاي افزونه براي تشخيص و تصحيح خطا افزايش داد. از اين رو، کنترل خطا در WMSN از جمله مسائل چالش‌برانگيز و موضوع تحقيقات گسترده‌اي بوده است.مکانيزم‌هاي کنترل خطاي لايه‌اي به دليل محدوديت دسترسي به اطلاعات ساير لايه‌ها، عملکرد مناسبي در اين شبکه‌ها ندارند. در مقابل، مکانيزم‌هاي کنترل خطاي بين لايه‌اي موجود عليرغم بهبود کنترل خطا، محدوديت‌هاي ازدحام شبکه و مصرف انرژي را لحاظ نمي‌کنند. در اين مقاله يک روش کنترل خطاي بين لايه‌اي بهبوديافته پيشنهاد مي‌شود که با بهره‌گيري از اطلاعات بين لايه‌اي و در نظر گرفتن ترافيک و محدوديت‌هاي WMSN، به شکل پويا ميزان افزونگي در داده‌هاي کنترلي را تنظيم مي‌کند. نتايج شبيه‌سازي‌هاي انجام شده نشان مي‌دهد که روش پيشنهادي، انرژي مصرفي را کاهش داده و در عين حال کيفيت ويديوي دريافتي را در سطح قابل قبولي حفظ نموده است.

شبکه‌هاي توان پايين و پراتلاف دامنه وسيعي از برنامه‌ها، مانند اتوماسيون ساختمان، کنترل صنعتي، شهر هوشمند، بيمارستان و موارد ديگر را پوشش مي‌دهند. در شبکه‌هاي توان پايين و پراتلاف، برنامه‌ها نيازمند ارتباطات مطمئن و به صرفه هستند که بتوانند مسيريابي بسته‌ها را انجام دهند. يکي از مهم‌ترين نقش‌ها در معماري اينترنت اشيا پروتکل‌هاي مسيريابي است. IETF در سال 2012 پروتکل مسيريابي RPL را براي شبکه‌هاي توان پايين و پراتلاف استاندارد کرد. زماني‌که نود موبايل در شبکه باشد، پروتکل RPL نمي‌تواند حمايت خوبي انجام دهد و نرخ از دست رفتن بسته‌ها، تاخير و مصرف انرژي افزايش پيدا مي‌کند. امروزه برنامه‌هاي کاربردي نيازمند استفاده از پروتکل‌هايي هستند که بتوانند از نودهاي موبايل پشتيباني کنند و ارتباطات مطمئن را شکل دهند. در اين مقاله پروتکل RPL براي شبکه‌هاي با نود موبايل بهبود داده شده است تا ارتباط نود موبايل با والد خود پيوسته باشد. هم‌چنين پروتکل پيشنهادي با پروتکل RPL و mRPL بر روي پارامترهاي مصرف انرژي، تاخير دست‌دهي، نرخ تحويل بسته‌ها و سربار شبکه مقايسه شده است. نتايج بدست آمده از شبيه‌سازي با استفاده از CONTKI/COOJA، عملکرد بهتر پروتکل پيشنهادي را نشان مي‌دهد.

با گسترش شبکه‌هاي اجتماعي آنلاين و اثرات استفاده از آن در زندگي روزمره مردم، تبليغات از طريق اين رسانه‌هاي جديد در حال گسترش است. يکي از سوالات مطرح در تحليل شبکه‌هاي اجتماعي، مدل‌سازي گسترش اطلاعات و بررسي بيشينه‌سازي تاثير در ميان کاربران است. در اکثر مقالات پيشين انجام گرفته در زمينه بيشينه‌سازي تاثير در شبکه‌هاي اجتماعي، هزينه انتخاب يک کاربر به عنوان راس اوليه انتشار اثر (فارغ از ويژگي‌هاي ناهمگون کاربران همچون تعداد دوستان و يا دنبال‌کننده ) همواره يکسان تلقي شده است که اين فرض، در شبکه‌هاي اجتماعي که افراد قادر به تعيين هزينه و يا رد يک درخواست هستند، چندان منطقي نيست. در اين مقاله قصد داريم تا بيشينه‌سازي تاثير در مدل آبشاري مستقل (Independent Cascade) در شبکه‌هاي اجتماعي را در شرايطي که هزينه انتخاب راس‌هاي اوليه ناهمگون باشد، بررسي و مدل‌سازي کنيم. همچنين با انتخاب راس‌هاي اوليه با استفاده از پنج رويکرد مختلف، نحوه گسترش اثر را براي سه نوع شبکه مختلف (تصادفي، Small-World و Scale-free) نمايش داده و رويکرد صحيح انتخاب کاربران اوليه را براي بيشينه‌سازي اثرگذاري در اين شرايط روشن نماييم.

سامانه‌هاي نهفته‌ي بحراني-مختلط با به‌کارگيري اجزا با سطوح بحراني مختلف در يک بستر سخت‌افزاري مشترک، محبوبيت بسياري در صنايع هوايي و خودروسازي يافته‌اند. به‌منظور افزايش کارايي و کاهش هزينه، اين بسترها به‌سوي استفاده از چندين هسته‌ پيش مي‌روند. به دليل پردازش انبوه و طراحي عموماً مبتني بر باتري و نيز با توجه به کاهش ابعاد فناوري که خود موجب کاهش قابليت اطمينان مي‌گردد، توجه همزمان به مصرف انرژي و قابليت اطمينان در سامانه‌هاي بحراني-مختلط حائز اهميت است. در اين پژوهش راهکاري جهت نگاشت وظايف و زمان‌بندي آگاه از انرژي و قابليت اطمينان در يک سامانه‌ي بحراني-مختلط چندهسته‌اي با در نظر گرفتن سه سطح بحراني ارائه شده است. اين روش در زمان طراحي با توجه به قيود زماني و قابليت اطمينان به نگاشت و زمان‌بندي وظايف در عين کاهش انرژي مي‌پردازد. در زمان اجرا، علاوه بر کاهش هرچه بيشتر انرژي، با ارائه‌ي سناريوي تدريجي به مديريت توأمان زمان‌بندي و قابليت اطمينان در صورت رخداد سرريز در سامانه مي‌پردازد. راهکار پيشنهادي مقدار انرژي مصرفي را در فاز برون‌خط به طور ميانگين 14‌/‌5 درصد و در فاز برخط به طور ميانگين 41‌/‌5 درصد نسبت به حالت بدون اعمال DVFS کاهش مي‌دهد.

دسته‌بندي موضوعي متون يکي از مباحث پرکاربرد حوزه‌ي پردازش زبان طبيعي مي‌باشد. به همين جهت تاکنون کارهاي متفاوتي به جهت افزايش دقت در اين حوزه انجام شده‌است. بسياري از اين راهکارها بر اساس ساخت مدلي با نظارت و با استفاده از داده برچسب‌دار ارائه مي‌شود. در مواردي که داده برچسب‌دار موجود باشد، مدل‌هاي فوق عملکرد بسيار مناسبي دارند ولي در موارد بسياري چنين داده‌اي وجود ندارد و تهيه‌ي آن هزينه‌بر است. بنابراين روش‌هاي ياد شده در مواجهه با چنين شرايطي کارايي خود را از دست مي‌دهند. در اين مقاله به جهت مقابله با شرايطي که داده برچسب‌دار موجود نباشد، راهکاري مبتني بر بازنمايي بين زباني کلمات ارائه مي‌گردد که با استفاده از روش‌هاي انتخاب ويژگي و روش‌هاي دسته‌بندي ارائه شده‌است تا علاوه برحفظ دقت بالا در دسته‌بندي موضوعي، فقدان وجود داده برچسب‌دار را جبران سازد .

با توجه به مزايايي که براي شبکه‌هاي نوري ميان‌ارتباطي مراکز داده نسبت به ساختارهاي سنتي الکتريکي برشمرده مي‌شود، اين شبکه‌ها از جذابيت بيش‌تري برخوردار هستند؛ بااين‌حال در ساختارهاي اوليه‌اي که براي آن‌ها ارائه شده‌است، مسائلي مانند محدوديت مقياس‌پذيري و وجود يک نقطه‌ي خرابي مطرح است. در اين مقاله، به ارائه‌ي راه‌کارهايي براي مقاوم ساختن شبکه‌ي مقياس‌پذير توري مدور در برابر خرابي پرداخته مي‌شود. راهکار مطرح‌شده در اين مقاله، از قابليت شبکه‌ي حلقه‌ي سه‌بعدي در ارائه‌ي مسيرهاي بدون استفاده بين گره‌ها، براي ارائه ي پروتکل انتقال داده در هنگام بروز خرابي در مسير انتقال، استفاده مي‌کند. نتايج شبيه‌سازي حاکي از بهبودي در حدود 50% در ارسال موفق بسته‌هاي داده است.

مسأله یکریختی گراف‌ها از مجموعه مسائل باز از لحاظ پیچیدگی محاسباتی است که فقط تعلق آن به کلاس NP مشخص است ولی تعلق آن به P یا NP-Complete مشخص نیست. راه‌حل مسأله در زمان چندجمله‌ای هنوز ناشناخته است و لذا زمینه برای تحقیق و ایده‌پردازی فراهم می‌باشد. از این رو الگوریتم‌های چندجمله‌ای برای این مسأله جزو الگوریتم‌های ابتکاری محسوب می‌شوند. این مقاله به بررسی راه‌های تعیین یکریختی دو گراف متناهی با یکدیگر و ارائه یک روش ابتکاری جدید می‌پردازد. الگوریتمی پیشنهاد می‌شود که گراف ورودی را به یک رشته‌کد پرانتزی تبدیل می‌کند و سپس به جای مقایسه دو گراف رشته کدهای آن دو گراف با هم مقایسه می‌شوند و یکریختی یا عدم یکریختی میان آن‌ها تشخیص داده می‌شود. زمان اجرای این الگوریتم O(ne) است و در دسته الگوریتم‌های "برچسب‌گذاری کانونی " برای گراف‌های "همبند و بدون برچسب " قرار دارد. بعد از پیاده¬سازی این الگوریتم و بررسی نتایج آن مشخص شد که با عملکرد صحیح بیشتر از 99%، عدم یکریختی میان گراف‌های غیریکریخت به درستی تشخیص داده می‌شود.

اینترنت اشیاء یک مفهوم محاسباتی است که در آن اشیاء فیزیکی با شبکه اطلاعات یکپارچه شده و زمینه تعریف کاربردهای جدید در حوزه‌های مختلف را فراهم می‌کند. حجم زیاد داده در اینترنت اشیاء، پردازش، محاسبات و ذخیره‌سازی آن‌ها را با چالش‌هایی روبرو کرده است. در سال‌های اخیر، برای مقابله با این چالش‌ها از رایانش مه به‌عنوان توسعه‌ای از رایانش ابری استفاده شده است. رایانش مه، به‌عنوان یک لایه میانی بین ابر و کاربران نهایی، اعمال کنترل دسترسی در اینترنت اشیاء را با نیازمندی‌های جدیدی روبرو می‌کند. امروزه سازمان‌ها و کاربران نیاز به سیستم‌هایی دارند که امنیت و جامعیت داده‌های آن‌ها را حفظ و همچنین حداقل تأخیر را در پردازش داده‌ها فراهم نماید. برای پاسخ به این نیازمندی‌ها، ما در این مقاله یک مدل کنترل دسترسی کارآمد با ترکیبی از مدل کنترل دسترسی مبتنی بر ویژگی (ABAC) و مدل رمزنگاری مبتنی بر ویژگی با سیاست متن رمزشده (CP-ABE) ارائه می‌کنیم. تحلیل‌های انجام شده نشان می‌دهند که مدل ارائه شده از امنيت، سرعت و مقياس‌پذيري مناسبي برخوردار بوده و می‌تواند مشکل محدودیت منابع را برطرف کند. همچنین این مدل می‌تواند زمینه مقابله با حملات توزیع شده منع سرویس (DDoS) را فراهم کرده و به جلوگيري از سوءاستفاده از وکالت کلید کمک کند. وجه تمایز و برتری این مدل، تأخیر پایین و سرعت بالا، امنیت مناسب، حل معضل محدودیت منابع در سمت کاربران نهایی و رفع مشکل سوء استفاده از وکالت کلید است.

یکی از مهم‌ترین چالش‌های توسعۀ اینترنت اشیاء، محدودیت انرژی تجهیزات است. در راستای کاهش مصرف انرژی، در این مقاله، ما مسئله کنترل توأم نرخ فشرده‌سازی (با اتلاف) و تعداد بسته‌های ارسالی در واحد زمان را برای یک گره اینترنت اشیاء مجهز به منبع انرژی تجدیدپذیر مطرح می‌کنیم. نوآوری راهکار پیشنهادی در توجه همزمان به دو هدف بهینه‌سازی یعنی: «سطح تطابق» داده‌های دریافتی با داده‌های اصلی و نیز رعایت قید تأخیر ارسال داده‌هاست. برای این منظور، با استفاده از چارچوب ریاضی فرآیند تصمیم مارکُفی مقیّد، مسئله را در قالب یک بهینه‌سازی تصادفی طرح می‌کنیم با هدف بیشینه کردن متوسط «سطح تطابق» داده‌ها در بلندمدت، ضمن ایجاد محدودیت در متوسط تأخیرِ گزارش رویدادهای حسگری. نامقیّدسازی مسئله با روش استاندارد «لاگرانژین» انجام می‌شود. الگوریتم پیشنهادی ما برای محاسبۀ سیاست بهینۀ تطبیق‌پذیر نیز بر مبنای یک تکنیک یادگیری تقویتی سریع به نام PDS است که می‌تواند با جداسازی پویایی سیستم به دو بخش قطعی و تصادفی، صرفاً با اتخاذ تصمیمات حریصانه و بدون نیاز به دانش آماری فرآیندهای تصادفیِ کانالِ بی‌سیم، شارژ انرژی و وقوع رویدادهای حسگری، همگرایی به سیاست بهینه را تضمین نماید. کارایی سیاست پیشنهادی با الگوریتم استاندارد Q-learning مورد مقایسه قرار گرفته و به لحاظ مصرف انرژی و همچنین «سطح تطابق» داده‌های گزارش شده ارزیابی می‌شود.

گذرگاه تبادل اطلاعات و خدمات، به عنوان بستری امن برای تعامل بین ذینفعان خدمات الکترونیکی در معماری دولت الکترونیکی بسیاری از کشورها، شناخته می شود. هدف نهایی این گذرگاه آن است که تعامل (تراکنش) بین دستگاه‌های اجرایی و ارائه دهندگان خدمات (سرویس‌های الکترونیکی) به گونه‌ای صورت گیرد که شهروندان بتوانند خدمات دولت را از طریق پنجره واحد از یک نقطه، دریافت نمایند. در معماری دولت الکترونیکی گذرگاه تبادل اطلاعات و خدمات در سطح ملی و هر کدام از خوشه‌های خدمت در نظر گرفته شده است که در سطح ملی با عنوان NIX-GSB هم اکنون در حال سرویس‌دهی است و در بعضی از خوشه‌های خدمت نیز عملیاتی گردیده است. با توجه به اینکه بسیاری از تعاملات بین دستگاهی در سطح استان‌ها قرار دارد، به این معنی که مخاطبین استانی عموما خدمات دولت را از همکاری دستگاه‌های اجرایی دولت در سطح استانها، دریافت می‌نمایند، این سوال مطرح می‌شود که آیا گذرگاه اطلاعات و خدمات دولت در سطح استانی (PIX-GSB) نیز ضرورت دارد یا خیر؟ بایستی درنظر گرفت چالش اصلی که جواب این سوال را مشکل می‌نماید، آن است از طرف دیگر بسیاری از سامانه‌های اطلاعاتی دولت به صورت متمرکز و ملی پیاده‌سازی شده‌اند. بعلاوه، جنبه‌های دیگری در این مساله، وجود دارند که بایستی بررسی گردند. در این مقاله، در ابتدا به دنبال پاسخ به ضرورت PIX-GSB است و سپس محتوای قابل پیش‌بینی برای گردش روی آن را معرفی می‌نماید. براساس تجارب دیگر کشورها، توصیه می‌شود که PIX-GSB در معماری دولت الکترونیکی کشور، عملیاتی گردد که راه حل مناسبی برای اشتراک منابع در سطح استانی و ارتقاء سطح اختیارات استانی است.

بیت کوین مهمترین و ارزشمند ترین رمز ارز دیجیتال است و از عناصر مهم اقتصاد دیجیتال محسوب می‌شود. در این پژوهش با کمک فرامدل پذیرش و استفاده از فناوری Meta-UTAUT عوامل موثر بر پذیرش بیت کوین در ایران مورد سنجش قرار می‌گیرد. برای این کار پرسشنام‌های الکترونیکی توسط گوگل فرم برای سایت‌ها و گروه‌های موجود در فضای مجازی که در حوزه ارزهای دیجیتال فعالیت می‌نمودند، ارسال گردید تا در اختیار کاربران خود قرار دهند. ۴۲۰ پرسشنامه مورد تحلیل قرار گرفت. جامعه آماری شامل استفاده‌کنندگان ایرانی بیت کوین است. پژوهش شامل ۱۱ فرضیه می‌باشد که در نهایت ۸ فرضیه پذیرفته شد و در نهایت مشخص شد که سازگاری تاثیر مثبتی بر قصد رفتاری و نگرش، امنیت اطلاعات درک شده تاثیر مثبتی بر نگرش، فشار اجتماعی درک شده تاثیر مثبتی بر نگرش، نوآوری شخصی در فناوری اطلاعات تاثیر مثبتی بر قصد رفتاری، مقاومت در برابر تغییر تاثیر مثبتی بر قصد رفتاری، درک لذت تاثیر مثبتی بر نگرش و قصد رفتاری تاثیر مثبتی بر رفتار استفاده در پذیرش استفاده از بیت کوین در ایران دارد.

امروزه بررسی کد همکار در پروژه‌های متن‌باز و تجاری، به طور وسیعی استفاده می‌شود. این اصل با تشخیص زودهنگام عیوب کد و نقض استانداردهای کدنویسی در فازهای ابتدایی توسعه، به حفظ کیفیت کد کمک می‌کند. بر اساس مطالعات انجام شده، بخش قابل توجهی از نظرات غیر مفید هستند یعنی منجر به تغییر در کد نمی‌شوند و توسط توسعه‌دهنده نادیده گرفته می‌شوند. بنابراین وجود ابزاری که بتواند به صورت خودکار نظرات مفید را تشخیص دهد تا در زمان توسعه‌دهندگان صرفه‌جویی کند، احساس می‌شود. در این پژوهش ابتدا عوامل مؤثر بر کیفیت نظرات بررسی کد در دو دسته عوامل مربوط به تجربه توسعه‌دهنده و ویژگی‌های متنی نظرات استخراج شد. سپس با توجه به عدم وجود مجموعه داده مناسبی که شامل این عوامل باشد یک مجموعه داده جمع‌آوری شد. در مرحله بعد یک مدل پیش‌بینی‌کننده نظرات مفید با کمک الگوریتم XGBoost پیاده‌سازی و عملکرد آن با سایر کارهای انجام‌شده در این زمینه مقایسه شد. نتایج به‌دست‌ آمده نشان می‌دهد که روش پیشنهادی با در نظر گرفتن دو مجموعه داده مجزا و با توجه به معیارهای صحت، فراخوانی و امتیاز اف-وان حدود سه درصد و با توجه به معیار دقت حدود یک درصد نسبت به تنها روش موجود، بهتر عمل کرده است.

الگوریتم پس انتشار خطا رایج‌ترین الگوریتم برای آموزش بانظارت و مستقیم شبکه‌های عصبی ضربه‌ای می‌باشد. هرچند به علت ماهیت گسسته این شبکه‌ها، اعمال این الگوریتم با محدودیت‌ها و چالش‌هایی همراه است. در این مقاله یک الگوریتم یادگیری جدید مبتنی بر کدگذاری زمانی تک ضربه‌ای ارائه شده است که در آن گرادیان‌های بازگشتی را حذف کرده و از یک تقریب خطی برای محاسبه مشتق تابع فعالیت نورون‌های ضربه‌ای استفاده می‌کنیم. به منظور حذف گرادیان‌های بازگشتی، تابع خطای هر لایه به صورت جداگانه محاسبه شده و سپس با اعمال الگوریتم کاهش گرادیان، پارامترهای آن لایه به روز رسانی می‌شوند. همچنین به منظور کاهش حجم محاسبات، مدل نورونی خطی تکه‌ای را پیشنهاد داده‌ایم و از یک روش کدگذاری زمانی استفاده کرده‌ایم به گونه‌ای که هر نورون حداکثر یک بار اجازه آتش دارد. الگوریتم پیشنهادی برای آموزش یک شبکه عصبی ضربه‌ای کانولوشنی استفاده شده است و با بررسی بر روی پایگاه داده MNIST نشان داده شده که این الگوریتم قابلیت پیاده‌سازی در ساختارهای عمیق شبکه‌های عصبی ضربه‌ای را دارد.

مدیریت بهره‌وری در محیط‌های هوشمند یکی از مسائل پر اهمیت و مورد توجه است؛ که با تلفیق با سایر چالش‌های پیش‌رو همانند «بهینه‌سازی مصرف انرژی»، این امر مهم‌تر از قبل می‌گردد. اطلاع از شرایط محیط‌های داخلی و خارجی، درجه اهمیت آنها و همچنین محدودیت‌های زیربخش‌های آن می‌تواند در کنترل و مدیریت آنها کمک شایانی نماید. در این مقاله سعی بر آن شده است پارامترها و شرایط محیطی با توجه به جایگاه و اولویت آنها رده‌بندی شود. سپس با توجه به شرایط پیش‌رو در بکارگیری بسترهای رصد، پردازش و تصمیم‌ساز IOT در محیط‌های متنوع دانشگاه، تلاش به هوشمندسازی آنها نموده است. تمرکز اصلی این پژوهش، در نظر گرفتن پارامترهای درگیر و تأثیرگذار و همچنین درجه اهمیت آنهاست؛ که علاوه بر مدیریت بهره‌وری و مصرف انرژی تجهیزات و حسگرهای آنها، بتوان در مدیریت کارایی و مصرف توانی قسمت‌های مختلف دانشگاه هوشمند بهره جست. برای مطالعه موردی، مصرف الکتریکی یک دانشکده، قبل و بعد از بکارگیری و استقرار این بستر مورد بررسی و مقایسه قرار گرفته و بهینگی و نتایج «بهینه‌سازی مصرف انرژی» حاصل، ارائه شده است.

پیدا کردن کوتاه‌ترین مسیر برای مشاهده یک شیء یک مسأله پر‌کاربرد در هندسه محاسباتی است. از جمله کار‌بردهای آن می‌توان به وضعیتی که دیدن یا دیده شدن توسط شیء هدف اهمیت دارد اشاره کرد. به عنوان مثال هنگامی که بخواهیم با شی‌ء هدف ارتباط برقرار کنیم یا آن را بازرسی کنیم؛ با این شرط که نحوه ارتباط با شیء هدف به صورت خط دید باشد. نقطه مبدأ s را در یک ناحیه چندضلعی P با h-1 مانع در نظر بگیرید. می‌خواهیم با انجام پیش‌پردازش بر روی ورودی، کوتاه‌ترین مسیر از نقطه s به نقطه دلخواهی در P را پیدا کنیم؛ به طوری که پاره‌خط دلخواه l از آن نقطه قابل دیدن باشد. برای حل این مسأله در این مقاله ما دو راه حل ارائه کردیم. در راه حل نخست با صرف زمان پیش‌پردازش O(n4+ɛ) مسأله در زمان O(nh) قابل حل خواهد بود. در راه ‌حل پیشنهادی دوم با افزایش زمان پیش‌پردازش به O(n8) توانستیم مسأله را در زمان O(logn) حل کنیم.

همه‌گیری ناشی از کرونا ویروس جدید (کووید-19) بحرانی سراسری را به وجود آورده که تمام کشورهای جهان را درگیر کرده است. این بیماری به دلیل ناشناخته بودن، قدرت شیوع بسیار بالا و عدم قابلیت رهگیری مبتلایان به خطری جدی برای همگان تبدیل‌شده است که دولت‌ها را مجبور به اعمال انواع سیاست‌ها و پروتکل‌های پیشگیرانه در این حوزه نموده است. اولین قدم مشترک در تمام این سیاست‌ها، تشخیص بیماری است؛ تشخیص دقیق، سریع و کم‌هزینه امری است که بیشترین اهمیت را در مقابله با کووید-19 دارد. در سال‌های گذشته استفاده از هوش مصنوعی به‌عنوان یکی از روش‌های کمک تشخیصی، کمک شایانی در حوزه‌های مختلف علوم پزشکی داشته است. در همین راستا یادگیری عمیق در سال‌های اخیر بیش‌ازپیش مورد توجه پژوهشگران بوده و تاکنون معماری‌های گوناگونی برای آن ارائه شده است. با توجه به این موضوع استفاده از تکنیک‌های یادگیری عمیق در تشخیص دقیق بیماری کووید-19 می‌تواند راهگشا باشد. در این مقاله ضمن مقایسه و ارزیابی برخی معماری‌های یادگیری عمیق نظیر VGG19، InceptionV3، ResNet50 در تشخیص کووید-19 با استفاده از تصاویر سی‌تی‌اسکن ریه، یک مدل پیشنهادی بر اساس ترکیب دو معماری InceptionV3، ResNet50 ارائه شده است. یافته‌ها حاکی از آن است که مدل پیشنهادی نسبت به سایر روش‌ها دقت بالاتری دارد.

شبکه‌های بین خودرویی فناوری‌های نوظهوری هستند که عملکردشان وابسته به در دسترس بودن اطلاعات دقیق و به‌روز وسایل نقلیه است. وسايل نقلیه‌اي که اطلاعات‌ غیرعادي منتشر می‌کنند مي‌توانند در عملکرد شبکه‌ی بین خودرویی اختلال ايجاد کنند. بنابراین تشخیص چنین بدرفتاری‌هایی برای حفظ امنیت شبکه‌ی بین خودرویی در برابر مهاجمان، حیاتی است. در اکثر طرح‌های تشخیص بدرفتاری گذشته توجه کمی به استفاده از ویژگی‌های نظریه‌ی جریان ترافیک شده است. توجه به این نظریه می‌تواند ابزاري قوی برای ارزیابی صحت اطلاعات زمینه‌ی منتشرشده در شبکه‌ی بین خودرویی فراهم کند. برای بهبود چالش‌های طرح‌های تشخیص بدرفتاری گذشته، ما استفاده از نظریه‌ی جریان ترافیک را برای تشخیص بدرفتاری‌های ناشی از ارسال اطلاعات غیرعادی در شبکه‌های بین خودرویی پیشنهاد می‌کنیم. در طرح پیشنهادی، علاوه بر واحد‌های کنار جاده‌ای، واحد‌های محاسباتی روی وسایل نقلیه نيز به‌عنوان منابع قابل‌اطمینان اطلاعات در نظر گرفته مي‌شوند که این موضوع به کاهش هزینه‌های ناشی از پیاده‌سازی سراسری واحدهای کنار جاده کمک می‌کند. نتایج ارزیابی این طرح در انواع شرایط ترافیکی و با تعداد مختلف گره‌های مخرب نشان‌دهنده‌ی کاهش نرخ هشدار‌های کاذب و بهبود دقت تشخیص است.

با توجه‌ به استقبال چشمگیر و حضور فعال کاربران در شبکه‌های اجتماعی، شناسایی رویدادها از شبکه‌های اجتماعی به یکی از مسائل بسیار مهم موجود در هر حوزه‌ای تبدیل شده است. در این مقاله به ارائه یک مدل برای استخراج ویژگی از داده‌های شبکه اجتماعی بر مبنای شبکه عصبی پیچشی و مبتنی بر رویکرد جانمایی کلمات پرداخته شده است. همین‌طور در این پژوهش یک مجموعه‌ داده فارسی در ۱۲ دسته‌بندی متنوع برای حل مسئله شناسایی رویدادها ارائه شده است. شاخص‌های ارزیابی و نتایج به دست آمده از این پژوهش و مقایسه آن‌ها با مدل پایه نشان می‌دهد که مدل پیاده‌سازی شده هم از لحاظ کارایی و هم از لحاظ زمان اجرا، عملکرد بسیار خوبی نسبت به مدل پایه داشته است.

یادگیری خود نظارتی در سال‌های اخیر توجه زیادی را به خود جلب کرده است، زیرا روشی کارآمد برای استخراج بازنمایی‌های غنی از انواع مختلف داده‌های بدون برچسب ارائه می‌کند و در عین حال از هزینه برچسب‌زنی مجموعه‌های داده در مقیاس بزرگ جلوگیری می‌کند. این امر با طراحی یک مسأله‌ی بهانه برای تشکیل شبه‌برچسب‌هایی با توجه به دامنه داده‌ها قابل دستیابی است. تا آنجا که ما می دانیم، علی‌رغم محبوبیت و استفاده گسترده آن‌ها در حوزه‌هایی مانند پردازش زبان طبیعی، تشخیص گفتار، و بینایی ماشین، هیچ مسأله‌ی بهانه‌ای برای داده‌های دست‌نوشته‌ برخط تعریف نشده است. با توجه به کاربردهای در حال رشد داده‌های دست‌نوشته برخط، در این مطالعه، ما Part Of Stroke Masking (POSM) را به‌عنوان یک مسأله‌ی بهانه‌ به منظور پیش‌آموزش مدل‌ها برای استخراج بازنمایی‌های مفیدی از داده‌ی دست‌نوشته برخط افراد پیشنهاد می‌کنیم. برای ارزیابی کیفیت بازنمایی‌های استخراج شده، مسأله‌ی شناسایی نویسنده به صورت مستقل از متن مورد مطالعه قرار گرفته است که در آن بهترین دقت حال حاضر در مقایسه با دیگر مقالات حاصل شده است.