انجمن کامپیوتر ایران

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.

شبکه‏‌هاي اجتماعي، پنجره‏اي رو به اجتماعات مجازي مي‏‌گشايد که در آن کاربران نظرات خود را بيان مي‏کنند. توييتر همواره به عنوان يک منبع غني از عقايد و احساسات شناخته مي‏شود. هدف تحليل احساسات، دسته‏‌بندي و تعيين قطبيت کلمات به احساسات مثبت، منفي و خنثي است؛ که به کمک آن مي‏توان عقايد منتشر شده حول يک موضوع خاص را شناسايي کرد. چالش اصلي، افزايش دقت دسته‏‌بندي و مقابله با پراکندگي داده‏‌ها مي‏باشد. گاهي عدم دسته‏‌بندي صحيح توييت‏‌ها باعث افزايش غيرعادي توييت‌‏هاي نامرتبط مي‏‌شود که اين امر دسته‏‌بندي اشتباه توييت‏‌ها را در پي دارد. متن‏کاوي به عنوان راهکار مهمي براي حل مسائل ذکر شده مطرح شده است. در اين مقاله رويکردي نوين جهت تحليل احساسات در توييتر بيان شده است. نوآوري ارائه شده شامل معرفي يک لغت نامه پيشنهادي مربوط به رشته مهندسي کامپيوتر، ليست رفع ابهام از اين حوزه، رويکرد ترکيبي با استفاده از درخت تصميم CART (روش يادگيري ماشين) و الگوريتم SentiStrength (روش مبتني بر واژه) جهت تحليل دقيق‏ احساسات مي‏باشد. نتايج پياده‏سازي در تشخيص نوع قطبيت احساسات در اغلب شاخص‏ها بهبود دسته‏‌بندي را نشان مي‏‌دهد. همچنين بهينه‏‌سازي ليست انتخابي منجر به غربال صحيح توييت‏‌هاي مرتبط گرديده که باعث دقيق‌‏تر شدن ورودي برنامه جهت پردازش نهايي شده است.

در ساختار شبکه‌هاي روي تراشه سه‌بعدي، چندين لايه از اجزاء، روي هم قرار مي‌گيرند. ارتباط بين اين لايه‌ها از طريق اتصالات عمودي بين‌لايه‌اي برقرار مي‌شود. يکي از مهم‌ترين چالش‌هايي که قابليت اطمينان يک سيستم مبتني بر شبکه‌هاي روي تراشه‌ سه‌بعدي را با مخاطره مواجه مي‌سازد، اشکال همشنوايي است. در اين مقاله جهت حل اين مشکل، روش پيشنهادي با نام کدينگ شناور براي کاهش اشکال همشنوايي بر اساس پيدا کردن بهترين جانمايي بين حالت‌هاي همشنوايي موجود مي‌پردازد، طوري که دامنه‌ي از کاربردها را پوشش خواهد داد. اين روش پيشنهادي از سربار مساحت بسيار کم در برابر کارهاي پيشين بهره مي‌برند. براي ارزيابي روش‌هاي پيشنهادي، از شبيه‌ساز کامل gem5 به منظور استخراج کاربرد واقعي از بسته‌هاي محک SPEC استفاده شده است. همچنين براي سنتز واحدهاي سخت‌افزاري مختلف از ابزار Design Compiler استفاده شده است.

با توجه به اهمیت حوزه یادگیری و آموزش، شاهد به کارگیری علوم مختلف در این حوزه هستیم. در این مقاله از دیدگاه نظریه بازی به محیط یادگیری نگاه خواهیم داشت. با توجه به اهمیت نقطه تعادل نش و بهینگی پارتو در نظریه بازی‌ها،با استفاده از داده‌های یک محیط مشارکتی پویا، به بررسی میزان فعالیت یادگیرندگان در این نقاط خواهیم پرداخت. محیط مشارکتی‌ایی که داده‌های آن در این تحقیق استفاده شده است، بر پایه نظریه بازی طراحی و پیاده سازی شده است. نتایج تحقیق حاضر نشان می‌دهد که در محیط یادگیری، دستاورد بیشتر در بهینگی پارتو دانشجویان را به بازی بیشتر در این نقطه نسبت به تعادل نش راغب نموده است.

تغییرپذیری یک مفهوم کلیدی در خط محصول نرم‌افزار یا سیستم‌های قابل پیکربندی است. نخستین قدم جهت تحقق تغییرپذیری، مدل‌سازی آن در قالب مدل تغییرپذیری به عنوان یک دارایی پایه و قابل استفاده مجدد می‌باشد. یکی از فرآورده‌های مهم سازمانی، فرآيندهای حرفه هستند که در صورت عدم وجود مدل‌های مدون قبلی، می‌بایست بر اساس نگاره‌های رویداد سازمان‌ها کشف شوند. با توجه به دشواری بسیار و احتمال بالای بروز خطای انسانی در تولید مدل تغییرپذیری فرآيندهای حرفه از این نگاره‌ها، نیازمند روشی خودکار جهت استخراج مدل تغییرپذیری فرآيند حرفه در راستای کاهش هزینه و زمان و خطای احتمالی می‌باشیم. در این تحقیق به ارائه یک روش خودکار بر اساس گسترش الگوریتم آلفا پرداخته شده است. روش پیشنهادی در سه فاز به استخراج مدل تغییرپذیری فرآيند حرفه با متامدل BPFM و بر اساس نگاره‌های رویداد می‌پردازد. نتایج ارزیابی نشان دهنده آن است که روش پیشنهادی، کاربردپذیر، قابل پیاده سازی و قابل انجام می‌باشد، خروجی حاصل از آن از معیار شباهت مناسبی با خروجی مورد انتظار از آن دارد، و از شاخص‌های مناسبی نسبت به روش‌های پیشین برخوردار است.

با کاهش سایز تکنولوژی CMOS و افزایش چالش‌ها، نانولوله‌ها به‌دلیل ویژگی‌های الکتریکی، حرارتی و مکانیکی موردتوجه قرار گرفتند. بدین منظور، مدل‌سازی و شبیه‌سازی این نوع ترانزیستورها با هدف مطالعه رفتار نانولوله‌ها و درک مدارهای بر پایه این نوع ترانزیستور اهمیت می‌یابد. در اين مقاله مدل متراکم مداری دانشگاه استنفورد برای ترانزیستورهای تک‌دیواره مبتنی بر نانولوله‌کربنی توسعه داده شده است. در مدل پیشنهادی، برای مشخصه جریان-ولتاژ سه زیرباند اول در نظر گرفته شده است. در این مدل، غیرایده‌آل‌هایی مانند اثرات کوانتومی، پراکندگی فونون صوتی/نوری و پراکندگی الاستیک در ناحیه‌ی کانال، مقاومت سورس/درین، مقاومت سد شاتکی، خازن‌های پارازیتی گیت، و اثر پوششی ناشی از نانولوله‌های موازی برای CNFET با چند نانولوله درنظر گرفته‌ شده است. پیاده‌سازی این مدل توسط HSPICE انجام شده است و برای کاربردهای آنالوگ و دیجیتال مناسب است. مدل پیشنهادی ارائه شده برای ترانزیستورهای نانولوله با قطر نانولوله بزرگ‌تر از 3 نانومتر و کاربردهایی که نیاز به سرعت بالاتر دارند مناسب است. این مدل به ازای درنظرگرفتن ولتاژ منبع تغذیه بالاتر از 8/2 ولت، در مقایسه با مدل دو زیرباندی جریان بالاتری به‌دست می‌دهد.

در سال‌های اخیر، مدیریت فرآیندهای حرفه در سازمان‌ها به عنوان یکی از موضوعات حائز اهمیت در نظم‌دهی، افزایش سرعت و دقت در مدیریت تغییرات داخلی و خارجی سازمان، فراگیر شده است. یکی از مهم‌ترین فازهای مدیریت فرآیندهای حرفه، اقدامات مرتبط با پیاده‌سازی فرآیندها در سازمان است. پیاده‌سازی و به تبع آن، خودکارسازی فرآیندها نیازمند هزینه‌های اجتناب‌ناپذیری است. مدیریت این هزینه‌ها به صورتی که بیشترین تاثیر ممکن را در کوتاه‌ترین زمان ممکن داشته باشند، امر بسیار مهمی است. یکی از عوامل تاثیرگذار در موفقیت خودکارسازی فرآیندها، انتخاب صحیح نقاط شروع است. در مقاله حاضر با معرفی معیارهای تحلیل فرآیند و پیشنهاد روشی برای اولویت‌بندی فرآیندهای منتخب، نتایجی در حوزه مدیریت هزینه‌ها، کسب آمادگی لازم و تسهیل تغییر فرهنگ سازمانی به دست می‌آید.

تعامل بین فناوری و شهرها سابقه‌ای طولانی دارد. با این حال، رشد سریع و تصویب الگوی اینترنت اشیاء، ظهور حسگر‌های مینیاتوری و پیشرفت‌های تحقیق در روش‌های کلان داده‌ها و هوش مصنوعی، تغییر بزرگی در خدمات شهری ایجاد کرده و فرصت‌های جدیدی را از حمل و نقل هوشمند تا سلامت هوشمند ایجاد کرده است. از مزایای این خدمات می توان به بهینه‌سازی و بهره‌وری بیشتر از خدمات و کاربری‌های شهری اشاره کرد. با این وجود، برای ایجاد سیستم‌های سازگار، مناسب، ایمن، انعطاف‌پذیر و با انرژی مناسب برای نیازهای شهری بایستی چالش‌های بسیاری برطرف شود. یکی از مهمترین فرآیندها در شهرهای هوشمند فرآیند جمع‌آوری اطلاعات از شهروندان، دستگاه‌ها و منابع شهری است که معمولا در سیلوهای داده مجزا و ایزوله نگهداری می‌شوند. عبارت "سیلو" در سیلوهای داده برای توصیف سازمان‌هایی استفاده می‌شود که برخی از بخش‌ها با سایر افراد و ادارات در همان سازمان اطلاعاتی را به اشتراک نمی‌گذارند و یا افشا نمی‌کند. با این حال، این مشکل نه تنها در یک سازمان بلکه در بین سازمان‌ها نیز دیده می‌شود. در واقع یکی از مهمترین چالش‌های موجود در شهرهای هوشمند، عدم تبادل داده بین سازمان‌ها و یا حتی درون سازمان‌ها است. دلایل مختلفی از دلایل کاملا فنی تا دلایل سیاسی برای این امر وجود دارد. به طور مثال اغلب مدیران سازمان‌ها نگران هستند که اطلاعات حساس سازمان به افراد دیگری منتقل شود و یا از سازمان خارج شود. عدم‌ تبادل داده خود باعث عدم ایجاد و یا توسعه سرویس‌ها و کسب‌وکارهای هوشمند مبتنی بر داده می‌شود. در این حالت اغلب داده‌ها ایجاد و جمع‌آوری شده به صورت تاریک در سیلوها باقی مانده و هیچ بینشی از آنها استخراج نمی‌شود. برای حل این مسئله مهم در شهرهای هوشمند، این مقاله راه حل‌ها، معماری‌ها و استانداردهای تبادل و اشتراک‌گذاری داده را با در نظر گرفتن حریم شخصی و حاکمیت داده‌ها بررسی می‌کند.

با توجه به تولید حجم بسیار زیاد داده‌های سازمانی که توسط افراد و رایانه‌ها تولید و جمع آوری و ذخیره می‌شوند، استخراج الگوهای خاص و دانش از این داده‌ها از چالش‌های پیشروی سازمان‌ها می‌باشد. چرا که داده‌های حجیم، متنوع که با سرعت بالایی تولید می‌شوند در نهان خود الگوهای نهفته‌ای دارند که می‌تواند در تصمیم‌سازی مدیران ارشد سازمان‌ها موثر باشد. ازجمله این الگوها می‌توان به اندازهگیری و مدیریت ریسک اعتباری و مالی در سازمان‌ها و نهادها اشاره نمود. این مقاله تلاش دارد، تا با استفاده از داده‌کاوی و شبکه‌های مولد خصمانه مدلی را برای کاهش ریسک اعتباری سازمان‌های حمایتی ارائه دهد. از آنجاکه ویژگی‌های مشتریان این سازمان‌ها بطور اساسی، با مشتریان بنگاه‌های اقتصادی مانند بانک‌ها و موسسات مالی متفاوت است، ارائه مدلی که بتواند دقت ارائه تسهیلات و کاهش ریسک اعتباری به مشتریان (نیازمندان) را به کمترین میزان برساند امری حیاتی است. نتایج پیاده‌سازی بر روی داده‌های واقعی بر متقاضیان تسهیلات اشتغال کمیته امداد امام خمینی (ره) نشان داده است مدل پیشنهادی می‌تواند با دقت 86.4 درصد طبقه‌بندی پرداخت اعتبارات را انجام دهد که این میزان با استفاده از روش‌های پایه 72.1 درصد می‌باشد. لذا مدل جدید توانسته است به میزان 14.3 درصد ریسک اعتباری پرداخت تسهیلات را کاهش دهد.

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.

یکی از محدودیت‌هایی که در بیشتر کارهای موجود در مدل‌کردن زبان‌های طبیعی به چشم می‌خورد، نحوه‌ی واردکردن جنبه‌ی احساسی زبان به متن می‌باشد. با این توضیح که مطالعات موجود عموما به هنگام پردازش یک متن احساسی بر حالت‌های دوگانه‌ی مثبت و منفی و یا یک حالت هیجانی مشخص تمرکز کرده و تنها قادر به تحلیل متن با گونه‌ی احساسی یگانه هستند. این در حالی است که انسان‌ها معمولا احساسات و هیجانات مختلفی را در یک زمان تجربه می‌کنند و این احساسات را در زمان استفاده از زبان گفتار یا نوشتار خود نیز بکار می‌برند. در این پژوهش مساله‌ی تحلیل و پردازش متن با تاکید بر گونه‌های هیجانی-ترکیبی تعریف شده و قطبیت یک واژه‌ی احساسی به‌صورت مقادیری پیوسته و ترکیبی از گونه‌های هیجانی به جای دسته‌های گسسته درنظر گرفته شده است. بر این اساس در این پژوهش مدلی جهت درج احساسی واژه پیشنهاد شده است که با استفاده از اطلاعات واژه‌نامه‌های احساسی، بردار یک واژه احساسی را متناسب با گونه‌های هیجانی-ترکیبی خاصی تولید می‌کند. تحلیل‌های انجام گرفته در این پژوهش شامل تحلیل فضای همسایگی و دسته‌بندی احساسی متن بوده و حاکی از برتری مدل پیشنهادی نسبت به مدل‌های رایج درج واژه می‌باشد.

واقعیت مجازی یک روش جدید برای استفاده از رایانه برای بازسازی دنیای واقعی است. می‌توان واقعیت‌های سخت و صعب‌الوصول را با این تکنولوژی ایجاد کرد و امکان دیدن، شنیدن، لمس کردن و اصلاح آیتم‌های موجود در فضا را به کاربر داد. شرکت‌های بزرگ زیادی در سراسر جهان به طور فعال در استفاده از تکنولوژی واقعیت مجازی برای انواع حوزه های کاربردی از جمله ارتباطات راه دور، سرگرمی، مدیریت تولید و مونتاژ، مراقبت‌های بهداشتی، طراحی دیجیتال و فروش و بازاریابی محصولات مشغول به فعالیت هستند. سیستم‌های جدید VR قابلیت‌های روزافزونی را برای گسترش ادراک، توسعه خلاقیت و تعامل اجتماعی انسان به روشی منحصر به فرد ارائه می‌دهند. هدف از این تحقیق بررسی بیماری اوتیسم (درخودماندگی) در افراد مبتلا به این بیماری و تاثیر واقعیت مجازی در بهبود اختلالات رفتاری بیمار می‌باشد. یکی از روش‌های موثر برای شناسایی و درمان رفتارهای بیماران اوتیسمی استفاده از شبیه‌سازی محیط و قرار دادن فرد در محیط شبیه به محیط واقعی و مطالعه رفتار اوست. برای این منظور از تکنولوژی واقعیت مجازی استفاده می‌شود. در این مطالعه یک سناریوی مشخص رفتاری برای فرد بیمار شبیه‌سازی شده و در چندین مرحله عکس‌العمل‌های بیمار را ثبت کرده و ارزیابی لازم را انجام داده‌ایم و بر اساس نتایج بدست آمده، دسته‌بندی‌های لازم صورت گرفته است.

در صنعت مد و لباس، سامانه‌های توصیه‌گر به کاربران کمک می کند تا اقلامی بیابند که به سلیقۀ آن‌ها نزدیک‌تر است. در این مقاله هدف آن است تا با استفاده از الگوریتم‌های یادگیری ژرف، سامانۀ توصیه‌گری برای لباس طراحی شود تا به کاربران برای خرید مناسب‌تر و به فروشندگان برای فروش بیشتر کمک کند. این سامانه تلاش می‌کند بر اساس شباهت میان لباس‌ها و نیز تحلیل تمایل کاربران، بهترین توصیه را به مشتری ارائه دهد. فرایند توصیه شامل چندین گام است: ابتدا تصویر اولیۀ لباس به متن تبدیل می‌شود و سپس متن تولید شده به فضای تعبیه‌ شده منتقل می‌شود. در ادامه فضای تعبیه‌سازی شده با فضاهای دیگر متون مربوط به لباس مقایسه و بر اساس فاصله، نزدیک‌ترین k متن انتخاب می‌شود. در گام بعد متون برگزیده بر اساس تحلیل نظر کاربران پالایش و در نهایت تصاویر مرتبط با متن نهایی، به کاربر توصیه می‌شود. این روش بر خلاف روش‌های موجود، تنها تصویر را به عنوان ورودی گرفته و متن مرتبط را تولید می‌کند. مزیت این متن آن است که می‌توان هنگام مقایسۀ متون با یکدیگر، تحلیل نظر و تمایل کاربران را هم درنظر گرفت. همچنین روش تبدیل تصویر به متن به سامانه‌ها برای تولید برچسب مناسب برای لباس‌ها کمک می‌کند.

امروزه از جمع‌سپاری به‌عنوان یکی از عوامل مهم برای انجام کارها توسط افراد دارای تجربه و مهارت کافی، در مدت زمان مناسب یاد می‌شود. جمع‌سپاری اغلب برای حل مسائلی استفاده می‌شود که حل آن مسائل توسط هوش مصنوعی امکان‌پذیر نیست و یا مقرون‌به‌صرفه نمی‌باشد. یکی از عوامل مهم در بدست آوردن نتیجه مناسب برای کار برون‌سپاری شده شفافیت کار است. هرچه این شفافیت بیشتر باشد، کارجو دید و پیش‌زمینه بهتری از کار، خواسته‌های کارفرما و نحوه انجام آن بدست می‌آورد که نتیجه این دید بهتر افزایش بهره‌وری کارجو و سپس بدست آوردن نتایج بهتر می‌شود. در این پژوهش به بررسی اثر شفافیت کار بر بدست آوردن پاسخ‌های ارائه شده در سیستم‌های پرسش‌و‌پاسخ پرداخته‌ایم و مدلی مبتنی بر روش های آماری و فازی برای محاسبه این شفافیت ارائه کرده‌ایم. همچنین عملکرد این مدل را در مقایسه با روش‌های موجود ارزیابی نموده و نشان داده‌ایم که عملکرد مدل ما در ارزیابی شفافیت سؤال که منجر به احتمال بالاتر پاسخ گرفتن سؤال می‌شود بهتر از روش‌های مشابه است.

یکی از رایج‌ترین حملات سایبری، حملات فیشینگ است. در این نوع حملات، مهاجمین با ارسال لینک‌های جعلی برای کاربران و ترغیب آنها به استفاده از وب‌سایت‌های جعلی، اطلاعات مهم و محرمانه آنها را سرقت می‌کنند. حملات فیشینگ زیان قابل توجه‌ای دارند و اعتماد کاربران را در خرید آنلاین و سرویس‌های تحت وب، مخدودش می‌کنند. یک روش کاربردی برای تشخیص حملات فیشینگ استفاده از یادگیری ماشین است. در این مقاله، یک روش ترکیبی برای کاهش خطای طبقه‌بندی صفحات به دو دسته جعلی و اصلی ارایه می‌شود. در روش پیشنهادی، ابتدا ویژگی‌های موثر در یادگیری با استفاده از الگوریتم شاهین انتخاب شده و بردار ویژگی حاصل توسط شبکه عصبی مصنوعی ارزیابی می‌شود. سپس طبقه‌بند جنگل تصادفی بر اساس بردار ویژگی انتخاب شده در مرحله قبل به طبقه‌بندی صفحات می‌پردازد. مزیت روش پیشنهادی استفاده از هوش‌گروهی نوین در ترکیب با روش‌های یادگیری ماشین در تشخیص فیشینگ است. نتایج ارزیابی‌های انجام گرفته نشان می‌دهد که روش پیشنهادی نسبت به روش‌های انتخاب ویژگی موجود مانند الگوریتم کفتار و روش مبتنی بر تحلیل مولفه اصلی دارای دقت بیشتری در تشخیص حملات فیشینگ است.

دسته‌بندی محصولات زراعی یکی از مهم‌ترین کاربردهای سنجش‌ از دور در کشاورزی است. دانستن اینکه چه محصولاتی در مزارع وجود دارد هم در مقیاس خرد و هم در مقیاس کلان بسیار ارزشمند است. به عنوان مثال از این اطلاعات می‌توان برای طراحی و اجرای سیاست‌های کشاورزی، مدیریت محصول و تضمین امنیت غذایی استفاده کرد. همچنین از این اطلاعات می‌توان به عنوان یک پیش‌نیاز برای اجرای سایر برنامه‌ها در مقیاس مزرعه مانند نظارت و تشخیص ناهنجاری در طول چرخه رشد محصولات استفاده کرد. ما در این مقاله با همجوشی داده‌های سری زمانی ماهواره‌ی سنتینل-۱ و سنتینل-۲ در قالب یک روش یادگیری خود نظارتی با بهره‌گیری کامل از اطلاعات موجود در داده‌های نوری و راداری سنتینل به ‌صحت ۹۸٪ رسیدیم و نشان دادیم که عملکرد مدل در مقایسه با مدل‌های قبلی در برابر انسداد ابر بهبود یافته و مدل در برابر مجموعه‌داده‌های کوچک و نامتعادل مقاوم است.

در سال‌های اخیر سازوکار خود-توجه به کارآمدترین رویکرد در حل مسائل پردازش دنباله مانند پردازش زبان طبیعی، و بازشناسی خودکار گفتار تبدیل شده است. سازوکار خود-توجه توانایی بالایی در استخراج وابستگی بین نمونه‌های درون دنباله ورودی، به خصوص نمونه‌های فاصله‌دار، را دارد. همچنین، این سازوکار امکان پردازش موازی دنباله را فراهم می‌سازد. در نتیجه، سازوکار خود-توجه نسبت به روش‌هایی مانند شبکه‌های عصبی بازگشتی، توانایی بالاتری در استخراج ویژگی‌های مناسب از دنباله ورودی را دارد، و سریع تر نیز است. با این وجود، شبکه عصبی بازگشتی به همراه استخراج ویژگی دستی از دنباله ورودی، رویکرد مرسوم در مسئله تشخیص دست نوشته برخط است. در این پژوهش، مدلی انتها-به-انتها مبتنی بر سازوکار خود-توجه و تابع خطا CTC، برای تشخیص دست نوشته برخط معرفی شده است، که توانایی تشخیص دست نوشته از دنباله ورودی بدون استخراج ویژگی به صورت دستی را دارد. مدل پیشنهادی بر روی دادگان عربی برخط "خط" ارزیابی شده است. مدل پیشنهادی نرخ خطای نویسه (CER) ٪۷.۶۹ و نرخ خطای کلمه (WER) ٪۳۰.۲۲ را بر روی دادگان "خط" بدست آورده است، که نسبت نتایج پیشین به میزان قابل توجهی بهبود داشته است.

در این مقاله روش بهینه‏سازی جدیدی با الهام از حرکت کاتورهای مولکولهای گاز در فضا پیشنهاد شده است. الگوریتم پیشنهادی، الگوریتم بهینهسازی حرکت کاتورهای گازها یاGases Brownian Motion Optimization (GBMO) نامیده می‏شود. ماهیت کاتورهای در حرکت مولکولهای گاز به آنها این توانایی را میدهد که به سرعت فضایی که در آن قرار میگیرند را پیموده و در کل آن فضا انتشار یابند. در الگوریتم پیشنهادی با استفاده از این خصوصیت مولکولهای گاز و با مدلسازی حرکت جنبشی آنها، روشی کارا برای جستجوی فضای مسائل بهینهسازی پیشنهاد شده است. نتایج بدست آمده از الگوریتم GBMO در مقایسه با نتایج حاصل از اجرای الگوریتمهای PSO، ICA و GAنشان دهنده عملکرد بهتر و سرعت بالاتر این الگوریتم در یافتن در راهحل بهینه است.