انجمن کامپیوتر ایران

بیشینه‌سازی تأثیر یکی از مسائل مهم در شبکه‌های اجتماعی و بازاریابی ویروسی است. هدف این مسأله یافتن تأثیرگذارترین رأس‌های شبکه به منظور گسترش تأثیر است. با توجه به ‎NP‎-سخت بودن این مسأله یافتن یک راه حل کارا و سریع برای آن هدف محققین شبکه‌های اجتماعی است. در این مقاله، روشی جدید مبتنی بر کشف انجمن با رویکردی موازی برای بیشینه‌سازی مسأله گسترش تأثیر بر روی مدل انتشار گرما ارائه می‌شود. به منظور ارزیابی روش ارائه‌ شده، مجموعه داده معتبر ‎NEThep‎ انتخاب‌ شده و با دو روش بیشینه‌سازی گسترش مبتنی بر شناسایی انجمن و ماکزیمم درجه مقایسه شده‌ است. نتایج بدست آمده حاکی از بهبود بیشینه‌سازی گسترش تأثیر با مدل انتشار گرما و کشف انجمن و کاهش زمان اجرایی دارد.

تخمین حرکت، یکی از اجزای کلیدی افزایش نرخ قابدر دنباله‌های ویدئویی است. افزایش نرخ قاب به طور کلی شامل دو مرحله است: تخمین حرکت و درون‌یابی قاب توسط جبران حرکت. در تخمین حرکت، مسیر حرکت بین دو قاب همسایه دنبال می‌شود و بردارهای حرکت تخمین زده می‌شوند. قاب درون‌یابی‌ شده توسط این بردارهای حرکتی به‌دست می‌آید. کیفیت قاب درون‌یابی‌ شده به‌شدت به الگوریتم تخمین حرکت وابسته است. در این مقاله، چهار الگوریتم تخمین حرکت مختلف تحلیل و مقایسه شده‌اند. این چهار الگوریتم عبارتند از: تخمین حرکت یک طرفه، تخمین حرکت دوطرفه، تخمین حرکت تلفیقی از تخمین حرکت روبه جلو و روبه عقب و تخمین حرکت تلفیقی از تخمین حرکت روبه جلو و دوطرفه. در این مقاله، عملکرد الگوریتم‌ها از لحاظ کیفیت بصری، میانگین PSNR و پیچیدگی محاسباتی، مقایسه شده است.

برچسب‌گذاری عمل انتساب برچسب‌های واژگانی به کلمه‌ها و نشانه‌های تشکیل‌دهنده یک متن است؛ به‌صورتی که این برچسب‌ها نشان‌دهنده نقش کلمه‌ها و نشانه‌ها در جمله باشد. یکی از پردازش‌های میانی از متن خام به بازنمایی کامل معنایی، استخراج نقش‌های معنایی در جمله می‌باشد. استخراج نقش‌های معنایی عبارت است از یافتن ارتباط معنایی میان یک فعل و اجزای نحوی موجود در جمله. برای انجام این کار روش‎ یادگیری‌ماشین در انواع نظارت شده، بدون ناظرو نیمه ناظر مطرح شده‌ است. حجم عمده‌ای از این روشها را، روشهای یادگیری نظارت شده تشکیل می‌دهد. عموماً این روش‌ها که دقت بالاتری نسبت به روش‌های بدون ناظر دارند نیاز به حجم بزرگی از دادگان برچسب‌خورده برای پیاده‌سازی دارند. در این تحقیق برچسب‌ معنایی بخشی از پیکره بیجن‌خان را به‌صورت دستی انجام داده‌ایم و از روش نظارت‌شده مدلی برای تشخیص نقش‌های معنایی کلمه‌ها در جمله تولید شده است. برای پیاده‌سازی این کار از روش میدان‌های تصادفی شرطی استفاده شد. با افزودن ویژگی‌های مختلف درصدد بهبود نتایج برآمدیم و به تحلیل نتایج پرداختیم. در نهایت به صحت (Accuracy) برابر با 83.36 درصد دست یافتیم.

استفاده از گفتار برای تشخیص هویت افراد با وجود مزایای زیادی چون کاربرپسند بودن و پیچیدگی پیاده‌سازی کم، محدودیت‌هایی نیز دارد که از آن جمله می‌توان به کاهش دقت این روش در محیط‌های واقعی به دلیل حضور نویزهای مختلف اشاره کرد. تا کنون روش‌های گوناگونی برای حل این مشکل در مراحل مختلف سیستم تایید هویت گوینده یعنی استخراج ویژگی، مدل‌سازی و مقایسه و امتیازدهی ارائه شده است که البته هیچکدام مصون از خطا نیستند. ترکیب روش‌های مختلف در مراحل گوناگون یک راه‌حل مرسوم برای بهبود کارایی سیستم‌های تشخیص هویت است. در این مقاله تاثیر ترکیب ویژگی‌های مختلف در مرحله امتیازات بر کارایی سیستم تایید هویت گوینده، برای چهار بردار ویژگی MFCC، LFCC، IMFCC و PNCC، در شرایط گفتار تمیز و نویزی مورد ارزیابی و مقایسه قرار گرفته است. مدل‌سازی گوینده در فضای بردارهای هویت و بر مبنای الگوریتم i-Vector/PLDA انجام گرفته و در پیاده‌سازی آزمون‌ها برای سیگنال گفتار و نویز به ترتیب از دادگان‌های TIMIT و NOISEX-92 استفاده گردیده است. نتایج آزمون‌ها نشان می‌دهد ترکیب امتیازات حاصل از بردارهای متفاوت انرژی خطای سیستم تایید هویت گوینده را كاهش می‌دهد و این کاهش در برخی حالات بسیار چشمگیر است.

اینترنت و سرویس‌های مبتنی بر آن، به‌طور قابل توجهی کسب و کارهای مختلف از جمله صنعت گردشگری را تحت تاثیر قرار داده و تنوع بسیاری در سرویس‌ها و محصولات آن فراهم آورده‌اند. با افزایش چشمگیر تعداد انتخاب‌ها در بسته‌های سفر، هتل‌ها، جاذبه‌های گردشگری و ...، پیدا کردن آن چه که گردشگر بدان نیاز دارد، بسیار دشوار شده است. به همین دلیل، سیستم‌های توصیه‌گر گردشگری مورد توجه محققان و کسب و کارها قرار گرفته‌اند. جاذبه‌های گردشگری، اغلب دلیل تمایل افراد به سفر و گردشگری هستند. این تحقیق، یک سیستم توصیه‌گر اجتماعی-ترکیبی را در بستر تجارت اجتماعی پیشنهاد می‌دهد که می‌تواند یک فهرست شخصی‌سازی شده از جاذبه‌های گردشگری برای هر گردشگر، مبتنی بر تشابه تمایلات و علایق کاربران، اعتماد، شهرت، روابط و جوامع اجتماعی ایجاد کند. در مقایسه با روش‌های قدیمی پالایش مشارکتی و مبتنی بر محتوی و ترکیبی، مزیت روش پیشنهاد شده جامعیت به‌کارگیری از فاکتورهای مختلف و لحاظ کردن فاکتور اعتماد در منابع توصیه مانند شناسایی رتبه‌دهی‌های برون هشت می‌باشد. نتایج حاصل از آزمایش‌ها برتری روش پیشنهادی نسبت به سایر روش‌های رایج را تایید می‌کند؛ مدل پیشنهادی، می‌تواند در توصیه سایر محصولات و سرویس‌ها در صنعت گردشگری و دیگر کسب وکارهای اجتماعی بکار گرفته شود.

Simeck خانواده‌ای از سه الگوریتم رمز قطعه‌ای سبک وزن است که با الهام از اجزای طراحی Simon و Speck از سازمان امنیت ملی آمریکا (NSA)، در سال 2015 توسط Yang، Zhu، Sudar، Aagaard، و Gong معرفی شد. یک نسخه با کلید K بیتی و قطعه‌ی N بیتی از این الگوریتم رمز با SimeckN/K نشان داده میشود که بسته به مقادیر N و K الگوریتم 32، 36، و 44 دوری است. این مقاله اولین نتایج حملات مکعبی بر روی Simeck32/64 با تعداد دورهای مختلف را ارائه میدهد. حمله مکعبی بر روی همه‌ی الگوریتمهای رمز قطعه‌ای و دنباله‌ای قابل انجام است، ولی اعمال آن همراه با پیچیدگیهایی است. از این نظر تحقیق بر روی آن و نحوه‌ی بکارگیری آن دارای ارزش است. تحلیلهای مکعبی ما شامل حمله‌ی کلاسیک، تشخیص غیرتصادفی بودن، تحلیل با تکنیک حدس کلید، و حمله‌ی کانال جانبی، به ترتیب بر روی Simeck32/64 با 10، 14، 19 و 32 دور کامل با موفقیت انجام شدند.

سادگی روش‌های پردازش تصویر و فراوانی ویژگی های کیفی محصولات کشاورزی باعث شده است، تا پردازش تصویر در حیطه کشاورزی پیشرفت های بسیاری داشته باشد. در این مقاله، با استفاده از روش های پردازش تصویر به طبقه‌بندی میوه پرتقال بر اساس ضخامت پوست پرداخته شده است. با قرار دادن پرتقال ها در یک جعبه مخصوص که شرایط تصویر برداری یکسان را برای همه نمونه‌ها ایجاد میکند، از تمامی نمونه ها تصویر تهیه گردیده است. پس از جداسازی میوه از پس‌زمینه تصویر، با استفاده از تکنیک های ناحیه بندی، ویژگیهای الگوی باینری محلی برای بافت پوست استخراج میشود. سرانجام با استفاده از روش دسته بندی KNN، نمونه‌ها در سه دسته : پوست نازک، پوست معمولی و پوست ضخیم دسته‌بندی شدند. نتایج به‌دست آمده نشان می‌دهد که طبقه‌بندی پرتقال‌ها با استفاده از ویژگی تولید شده توسط الگوی باینری محلی کامل، قابل قبول است.

در سال‌‌های اخیر، دمای بالا و توان مصرفی زیاد در پردازنده‌های چند‌هسته‌ای به یک چالش اساسی برای سازندگان و کاربران این پردازنده‌ها تبدیل شده است. با رشد دمای پردازنده، هزینه‌های خنک‌سازی و مصرف توان افزایش یافته و طول عمر پردازنده کاهش می‌یابد. مطالعات ما نشان می‌دهد که تا کنون هیچ یک از راهکارهای مدیریت دمای مطرح شده در سطح سیستم‌عامل، آگاهی از وجود زمانبند ربایش کار در برنامه‌های موازی را در نظر نگرفته‌اند. در این تحقیق، یک الگوریتم مدیریت دمای پویا در سطح سیستم‌عامل پیشنهاد شده است که در اجرای برنامه‌های موازی ربایش کار، دمای پردازنده را کمتر از محدودیت درخواستی کاربر مدیریت می‌کند. از این رو، ما دو مدل دمایی و کارایی را جهت پیش‌بینی دمای آینده و تخمین میزان تغییرات کارایی برنامه پیشنهاد دادیم. با استفاده از مدل‌های پیشنهادی، الگوریتم پیشنهادی تعداد هسته‌های فعال و فرکانس پردازنده را به نحوی تعیین می‌کند که دما پایین‌تر از محدودیت دمایی تعیین شده نگه داشته شود و کمترین آسیب ممکن به کارایی برنامه وارد گردد. آزمایشات بر روی سیستم واقعی نشان داد که الگوریتم پیشنهادی به طور میانگین 28 درصد کارایی بالاتری از الگوریتم آگاه از همسایگی داشته و برخلاف این الگوریتم، هرگز از محدودیت دمایی تعیین شده تخطی نمی‌کند.

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.

در این مقاله، با مرور سیستم¬های اطلاع¬رسان ترافیک و بررسی اشکالات موجود، به معرفی معماری جدید برای سیستم اطلاع-رسان، برپایه¬ی بستر ارتباط تعاملی پرداخته شده است. در سیستم¬های اطلاع¬رسان امروزی، انتشار یک¬سویه اطلاعات ترافیکی به رانندگان باعث عدم اطلاع از میزان تاثیر اطلاعات بر روی رفتار ترافیکی رانندگان شده است. در تحقیقات اخیر نیز نشان داده شده که تاثیر انتشار گسترده اطلاعات ترافیکی، ممکن است با هدف کاهش ازدحام ناسازگار باشد. ماهیت تاخیری اطلاعات ترافیکی منتشر شده، با توجه به ماهیت دینامیکی ترافیک، ایراد دیگری است که بر معماری فعلی وارد است. در معماری پیشنهادی، با استفاده از ظرفیت¬های شبکه اینترنت و همچنین امکان استفاده از تلفن همراه هوشمند که در دسترس بسیاری از رانندگان قرار دارد، سازوکاری دوسویه برای تشخیص و پیش¬بینی وضعیت ترافیک و همچنین راهنمایی اختصاصی به رانندگان طراحی شده است. این روند دوسویه، منجر به کنترل میزان تاثیرگذاری سیستم اطلاع¬رسان بر وضعیت ترافیک شده و باعث بهبود وضعیت ترافیک خواهد شد. برای کمّی¬سازی بهبود ترافیک و مقایسه عملکرد معماری جدید با معماری فعلی، شبیه¬سازی انجام شده و نتایج تحلیل شده است. نتایج شبیه¬سازی، عملکرد بهتر معماری جدید را در مقایسه با معماری قبلی و با حالتی که هیچ سیستم اطلاع¬رسانی موجود نباشد، نشان داده است.

رشد جمعیت، گسترش شهرنشینی و به ویژه افزایش استفاده از خودروهای شخصی در دهه های اخیر و به تبع آن پیچیدگی رفتار حمل و نقلی سفرکنندگان، منجر به مشکلات جدی اقتصادی، حمل و نقلی و زیست محیطی در تمام نواحی شهر تهران شده است.یکی از موثرترین شیوه های کاهش مشکلات فوق ، مدیریت صحیح تقاضا وشناخت درست و بهنگام الگوهای تقاضای سفر می باشد.با توسعه سیستمهای نوین فناوری و همه گیری آن، شیوه های سنتی پیش بینی الگوهای سفر می تواند به تدریج با روشهای نوین و بهنگام جایگزین شوند.در اين مقاله، به بررسی شیوه های برآورد ماتریس تقاضای سفر شهری با استفاده از داده های موقعیت مکانی شبکه تلفن همراه پرداخته می شود. در این بررسی با مروری بر جدید ترین مطالعات انجام شده در خصوص برآورد الگوهای رفتاری و حرکتی بر اساس داده های تلفن همراه، نتایج حاصل از یک بررسی اولیه بر روی تعدادی از کاربران تلفن همراه که داده های مکانی آنها به مدت یک هفته برداشت شده است ارائه می گردد. نتایج این بررسی نشان می دهد که بسته به نوع ، تعداد و دقت داده های تلفن همراه می توان مدلهای رفتاری سفر را با دقت قابل قبول و به صورت بهنگام تدوین نمود.

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.