انجمن کامپیوتر ایران

نهان¬نگاري سيگنال صوتي ديجيتال به عنوان ابزاري جهت شناسايي صاحب¬اثر يا مالک حقوقي داده¬ي صوتي ديجيتال ارائه شده-است. در این مقاله یک روش نهان نگاری صوتی نامحسوس پیشنهاد شده است که بعلت سرعت بالای عملیات جاسازی و تشخیص واترمارک، قابل استفاده در کاربردهای بلادرنگ می¬باشد. الگوریتم پیشنهادی دارای ظرفیت بالاتری نسبت به روش¬های مشابه است که در نتیجه می¬توان داده¬ی بیشتری را درون سیگنال میزبان پنهان نمود. در این مقاله برای یافتن مکان بیت¬های واترمارک در سیگنال صوتی از یک روش همگام¬سازی در حوزه زمان استفاده می¬شود. در این تحقیق بیت¬های واترمارک را در ضرایبِ با اندازه¬ی بزرگFFTقرار می¬دهیم. بر خلاف روش¬های معمول واترمارکینگ که از جاسازی یک بیتی واترمارک استفاده می¬کنند، در این مقاله با ارائه¬ی تکنیک جاسازی دو بیتی، ظرفیت جاسازی در سیگنال در مقایسه با نمونه¬ی مشابه دو برابر شده است. نتایج حاصل از آزمایشات و حمله¬ها روی سیگنال¬های متفاوت نشان می¬دهد که این روش در مقایسه با الگوریتم¬های دیگر، دارای شفافیت بهتر و سرعت بالاتر بوده، همچنین در برابر حمله¬های نویز افزایشی، MP3، فیلتر پایین¬گذر، نمونه¬برداری مجدد و Requantizationمقاوم می¬باشد.

پیکره های چند زبانه اصلی ترین منابع در زمینه بازیابی اطلاعات بین زبانی به شمار می روند. در این میان کیفیت بسیاری از کارها ازجمله ترجمه ماشینی به شدت به کیفیت این پیکره ها وابسته است.یکی از انواع این پیکره ها پیکره های تطبیقی می باشند.این پیکره ها با توجه به حجم بالا می توانند شامل اطلاعات وسیعی باشند و می توان با استفاده از آنها جملات موازی را استخراج کرد و در کاربردهای ترجمه ماشینی از آن استفاده کرد.با توجه به ویژگی های خاص زبان فارسیمانند ویژگی های قواعد آن و نوع ترکیب کلمات ،پیکره تطبیقی مناسب و دقیق در زبان فارسی وجود ندارد. در این مقاله به بررسی روشی جدید برای ساخت پیکره تطبیقی فارسی-انگلیسی می پردازیم.

يکي از روش¬هاي تعيين پارامترهاي حرکت در فضاي سه¬بعدي، پردازش تغیيرات ايجاد شده در تصاوير دوربين متصل به بدنه هواپيما مي¬باشد. امكان کنترل چرخش ناگهانيوحركتهاي انتقاليهواپیما با استفاده از محاسبه¬ی شار¬نوريحاصل از تصاویر اخذ شده-ی صحنه، از موضوعات چالشي مي¬باشد. در این مقاله فرض بر این است که پرنده با سرعت ثابت و ارتفاع مشخص درحال حرکت به سمت جلو است و می¬تواند حول سه محور اصلی حرکت دورانی داشته باشد؛ با این فرض،هدف محاسبه پارامترهای حرکت دورانی پرنده است. برای این منظور شار نوری ناشی از حرکت یکنواخت، از شار نوری کل کاسته می¬شود؛ سپس با تحلیل بردارهای شار نوری باقی مانده زوایای انحراف قابل تعیین خواهد بود. با توجه به عدم ايده¬آل بودن شارهاي نوريِ محاسبه شده، براي تعيين پارامتر¬هاي حرکت بايستي از اطلاعات قابل دسترس ديگري نيز استفاده کنيم. به همین منظور روش حداقل¬مربعات برای کاهش اثر نویز پیشنهاد می¬شود. اين روش با مینیمم کردن خطای بين شار نوري نویزی و شار نوري ایده¬آل، پارامترهای حرکت را محاسبه می¬کند.

کمپرسور(4:2) به عنوان مهم¬ترین سلول به کار رفته در درخت کاهش حاصل¬ضرب¬های جزئی و به تبع آن، در مدارهای ضرب¬کننده موازی به شمار می¬رود. در تمامی پیاده¬سازی¬های این سلول حسابی، از اتصال سری دروازه¬های XOR/XNORدو ورودی به¬منظور پیاده¬سازی یک XORپنج ورودی، جهت تولید خروجی sاستفاده می¬شود. این در حالی است که استفاده از دروازه¬های دو ورودی متوالی، باعث افزایش طول مسیر سیگنال و در نتیجه افزایش بیشینه تأخیر مدار می¬شود. در این مقاله با استفاده از یک مدار یکپارچهXORسه ورودی و همچنین با حذف سیگنال¬های تکراری، کمپرسور(4:2) سریعی را ارائه می¬کنیم که دارای مسیر بحرانی متفاوتی نسبت به سایر پیاده¬سازی¬های موجود می¬باشد. شبیه¬سازی¬ها به وسیله نرم افزار HSPICE و با استفاده از فایل تکنولوژی 45nmشرکت NANGATEانجام گرفته است. نتایج شبیه¬سازی نشان می¬دهد کمپرسور(4:2) پیشنهادی از کمپرسورهای موجود سریع¬تر بوده و دارای حاصل¬ضرب تأخیر در توان کمتری می¬باشد.

استخراج نكات كليدي از متون، روشي جهت دسترسي آسان و سريع به نكات اصلي و كليدي موجود در آنهاست. امروزه با توجه به رشد روزافزون اسناد الكترونيكي، کاربران آنها با مشكلات مختلفي مواجه هستند. يكي از عمده¬ترين اين مشكلات يافتن داده يا متن مورد نظر از بين حجم وسيع متون است. به همين دليل، يافتن راه¬هايي جهت دسترسي آسان و مناسب كاربران به داده¬هاي موردنظرشان يكي از دغدغه¬هاي پژوهشگران اين علم مي¬باشد. تاكنون روش¬هاي مختلفي براي استخراج كلمات و عبارات كليدي از متون انگليسي ارائه شده است. هدف ما در اين مقاله استخراجنكات كليدي از متون مي¬باشد. براي رسيدن به اين هدف ابتدا بايد ساختار معنايي متن را بدست آوريم كه هستان¬نگار شبكۀ قاب ابزاري جهت انجام اين عمل است. با استفاده از شبكۀ قاب مي¬توان به هر واحد لغوي، مفهومي متناسب با موقعيتش در متن منتسب كرد و سپس با بكارگيري مفاهيم بدست آمده، زنجيره¬هاي مفاهيم ساخته مي¬شوند. هر مفهوم را براساس 4 مشخصه كه برخي از آنها مبتني بر زنجيره هستند، امتيازدهي مي-كنيم و در نهايت مفاهيم با امتياز بيشتر را به عنوان نكات كليدي استخراج مي¬كنيم. مجموعه¬نكاتی كه استخراج مي¬شونددر مقايسه با آنچه كه توسط خبرگان از متن استخراج شده، داراي 38% مطابقت مي¬باشد.

در اين مقاله روش ترکيبي جديدي بر اساس سيستم ايمني مصنوعي براي کشف تقلب در حوزه کارت‌هاي اعتباري ارائه مي‌شود. روش ارائه شده از دو الگوريتم در حوزه سيستم ايمني مصنوعي تشکيل شده است. الگوريتم اول سيستم تشخيص ايمني مصنوعي نام دارد که يک الگوريتم دسته‌بندي است و سلول‌هاي حافظه را بر اساس انتخاب کلوني توليد مي‌کند. الگوريتم دوم، الگوريتم تشخيص الگوي خودي نام دارد که بر اساس داده‌هاي خودي کشف‌کننده‌هايي را براي تفکيک تراکنش‌هاي خودي از غيرخودي توليد مي‌کند. اين الگوريتم از نظريه الگوي خودي در سيستم ايمني بدن الهام گرفته شده است. اين مقاله با ترکيب دو الگوريتم فوق، دقت را بالا برده و به نتايج بهتري دست يافته است.

شناسایی مشتریانی که احتمال دارد به تبلیغات بازاریابی واکنش نشان دهند مبحث بسیار مهمی در بازاریابی مستقیم می باشد. برای اینکه بتوانیم تصمیم بگیریم تبلیغات برای کدام یک از مشتریان بایستی ارسال شود، مشتریان به دو گروه مشتریان پاسخگو و غیر پاسخگو تقسیم می شوند. شناسایی این دسته از مشتریان مزیت های بسیاری برای کسب و کار ها ایجاد می نماید به طور مثال با شناسایی مشتریان پاسخگو و ارسال تبلیغات تنها به این دسته از مشتریان، هزینه بازاریابی به طور قابل ملاحظه ای کاهش می یابد همچنین ارسال تبلیغات به این دسته از مشتریان باعث افزایش سودآوری شرکتها می شود ودر نهایت باعث می شود که مشتریان غیر پاسخگو از هجوم تبلیغات ناخواسته در امان بمانند.امروزه یکی از روشهای شناسایی مشتریان پاسخگو استفاده از روشهای داده کاوی می باشد.در این مقاله هدف ما این است که با مقایسه مدلهای مختلف داده کاوی بر روی یک مجموعه داده واقعی به بهترین مدلی دست پیدا کنیم که از دقت و کارایی بالاتری نسبت به بقیه مدلها برخوردار باشد بنابراین با اعمال مدلهای مختلف درخت تصمیم و شبکه عصبی بر روی مجموعه داده به مقایسه کارایی این مدلها پرداختیم ودر نهایت به این نتیجه رسیدیم که درختهای تصمیم بر روی این مجموعه داده از کارایی بالاتری برخور دار هستند.