انجمن کامپیوتر ایران

سيستمهاي توصيه گر سيستم هاي هوشمندي هستند كه در فضاي اينترنت با شناسايي علايق و اولويتهاي كاربر، اطلاعات موجود را پالايش كرده و توصیه هایی مناسب و مرتبط را به كاربران ارائه مي كنند. اگر توصيه هايي كه ارائه مي دهند با سلايق كاربر هم خواني نداشته باشد ،‌ آنگاه كاربر اعتمادي به اين سيستم ها نخواهد داشت و خود به دنبالعلایقشان خواهد گشت . به همين دليل در سالهاي اخير الگوريتم هاي گوناگوني در جهت ارتقاي كيفيت اين سيستم ها ابداع شده اند . ما در این مقاله در تلاش هستیم تا با پیشنهاد یک معیار ترکیبی جدید در سنجش شباهت کاربران، خطای سیستم توصیه گر را کاهش دهیم. این معیار به صورت ترکیبی از اطلاعات پروفایل کاربران و رتبه های داده شده به آیتم ها توسط دیگر کاربران طراحی شده است. از الگوریتم خوشه بندی فازی جهت خوشه بندی کاربران بر اساس اطلاعات پروفایل استفاده شده است و از الگوریتم ژنتیک جهت تعیین میزان شباهت بین کاربران با استفاده از اطلاعات ماتریس رتبه بندی استفاده شده است. نتایج بدست آمده در آزمایشات نشان داده که این روش توانسته عملکرد بهتری نسبت به معیارهای شباهت سنتی داشته باشد.

براي لحاظ کردن سطوح مختلف عدم قطعيت و ناسازگاري، در فرايند چک کردن مدل، از منطق¬هاي زماني چندمقداري استفاده شده است. منطق فازي نيز نوعي منطق چندمقداري نامتناهي و پيوسته است که در حوزه¬هاي مختلف کاربرد دارد. با ترکيب منطق¬هاي زماني با منطق فازي مي¬توان مفاهيم فازي را در حوزه چک کردن مدل، وارد کرد. برای وارسی خواص زمانی سیستمهای مرتبط با زمان حقیقی (پیوسته) مدل اتوماتای زمانی (TA) ایجاد و منطقی با نام TCTL روی آن تعریف شده است. در اين مقاله ضمن تعريف مدل اتوماتای زمانی فازی (FzTA)برای زمانهای حقیقی، جهت چک کردن خواص زماني روي اين مدل-ها، منطق FzTCTL را ارائه مي¬کنيم. نشان خواهیم داد که این مدل و منطق نسبت به مدل TAو منطق TCTL قوی تر و کامل تر است.

بررسي مدل يکي از مهمترين روشهاي درستي‌يابي سيستم‌هاست. يکي از مشکلات بررسي مدل¬، توليد فضاي حالت است و معمولاً به دليل بزرگ بودن فضاي حالت، مشکل انفجار حالت پيش مي‌آيد. دلیل انفجار فضای حالت، رشد نمایی اندازه فضای حالت با تعداد متغیرهای مدل است. از راهکارهاي غلبه بر اين مشکل، نگهداري فضاي حالت به صورت ضمني به جاي نگهداري صريح آنهاست. نگهداري فضاي حالت به صورت نمادين، هزينه ذخيره‌ و پردازش فضاي حالت را به مرتبه ذخيره‌سازي و پردازش گراف¬ها کاهش مي‌دهد.

اغلب محصولات ضد¬بدافزاری از روش¬های تشخیص مبتنی بر تطبیق امضاء باینری و تحلیل اکتشافی برای شناسایی بدافزارها استفاده می¬کنند.برای غلبه بر محصولات ضد¬بدافزاری،نوعی از تکنیک¬های مبهم¬سازیمطرح شده¬اند که با ایجادجهش در کد بدافزار،امضای آن را تغییر داده و نرخ تشخیص محصولات ضد¬بدافزاری را پایین می¬آورند. موتور دگردیسی ارائه شده در این مقاله،از تکنیک¬های مبهم¬سازی بهبودیافته و الگوریتم سنجش تشابه وزن¬دار پیشنهادی، برای ایجادجهش مدیریتشده در تولیدبدافزارو غلبه بر محصولات ضد¬بدافزاری،استفاده می¬کند.الگوریتم پیشنهادیبه صورت پویا میزان تشابه کد بدافزار را به برنامه¬های بی¬خطر محاسبه کرده و تغییراتی را حفظ می‌کند که میزان تشابهرا بین کد نسل جدید وکد برنامه¬های بی¬خطرافزایش داده و نسبت به بدافزار پایه کاهش دهد. موتور دگردیسی مورد بحث، با بکارگیری تکنیک¬های پیشنهادی و معماری مورد نظر، پیاده¬سازی شده و با استفاده از مجموعه کد اسمبلی تعدادی از بدافزارهای مشهور، مورد ارزیابی قرار گرفته است. نتایج بدست¬آمده موفقیت موتور دگردیسی ارائه شده را در غلبه بر محصولات ضدبدافزاری و همچنین کاهش تشابه معنی¬دار بین کد نسل¬های مختلف از بدافزار پایه، و نیز افزایش تشابهبین کد نسل¬های مختلف و برنامه¬های بی¬خطر،نشان می¬دهد.

شبکه هاي سيار موردي زير مجموعۀ مهمي از شبکه هاي بي سيم مي باشندکه بدون هيچ زيرساختار خاصي بر پا مي شوند و کاربردهای متنوعی نظیر جنگهاي نظامي، عمليات نجات در مناطق آسيب ديده و کنفرانسها دارند. از آنجا که عموماً گره¬ها در این نوع از شبکه ها متحرک هستند، مسالۀ بهینه سازی مصرف انرژی در این نوع از شبکه ها همواره مورد توجه بوده است. در این مقاله سعی شده است با اصلاح الگوریتم¬های مسیریابی در این شبکه ها بار ترافیکی تا حد امکان در کل شبکه توزیع شود تا با توزیع مصرف انرژی بین گره های مختلف از چندپاره شدن زودهنگام شبکه جلوگیری شود. برای این منظور یک الگوریتم مسیریابی چندمسیری بر اساس الگوریتم پایۀ AODV پیشنهاد شده است که در طول فرآیند کشف مسیر سعی در کشف و نگهداری چندین مسیر بین مبدا و مقصد دارد. در این الگوریتم که از ردۀ الگوریتم های گام به گام می باشد، توزیع بار ترافیکی در گره های میانی و به صورت توزیع شده صورت می¬گیرد. الگوریتم پیشنهادی با برخی از روش های موجود مقایسه شده است و نتایج شبیه سازی بهبود قابل توجهی در افزایش طول عمر شبکه در مقابل هزینه های تحمیل شده نشان می دهند.

ترکیب سرویس های وب در چند سال گذشته مورد توجه محققان زیادی قرار گرفته است. هنگامی که یک نیاز جدیدی برای کاربران ایجاد می¬شود، یک راه حل مناسب برای پاسخ به نیاز مربوطه ترکیب سرویس¬های موجود می¬باشد. در این مقاله یک سیستم جستجوی ترکیب سرویس¬های وب با نام CSTWSCارائه می¬شود. تاکنون روش¬های زیادی در رابطه با ترکیب سرویس-های وب مبتنی بر گراف انجام شده است. برخی از این روش¬ها، گراف را در حافظه و برخی دیگر در پایگاه داده ذخیره می¬کنند. روش پیشنهادی مانند روش پیشین با نام PSR ، گراف را در پایگاه داده ذخیره می¬کند اما در این مقاله سعی شده است که یک سیستم جستجوی ترکیب وب سرویس با کارایی بیشتری نسبت به PSR ارائه شود. در روش پیشنهادی پس از ذخیره گراف در پایگاه داده، تمامی مراحل پردازش داده¬ها و اعمال الگوریتم¬ها به منظور به دست آوردن یک ترکیب سرویس مناسب با استفاده از پرس وجو¬ها انجام می¬شود. نتایج حاصل از آزمایش¬ها نشان داد که روش پیشنهادی از نظر کارایی و حافظه بهتر از PSR است.

مسائل و مشکلات بهینه¬سازی عملی، غالباً با عدم قطعیت مواجه هستند که از این میان تعداد قابل توجهی از آنها متعلق به مشکل بهینه¬سازی محیط¬های پویاست، که در آن بهینه با زمان تغییر می¬کند. در این مقاله، روش جدیدی که الهام گرفته از تبادل فرهنگ مابین جوامع متمدن است، با نام سیاست تبادل فرهنگی پیشنهاد شده است. این سیاست همراه با بهینه¬سازی دسته¬جمعی ذرات که به صورت چند جمعیتی ارائه شده است،برای ایجاد تنوع در جمعیت و قرار¬گیری سریع جمعیت برروی بهینه، بعد از تغییر محیط به کار می¬رود.این سیاست با استفاده از دانش پیشنهادی در فضای باور با عنوان دانش تبادل اعمال می¬شود. ارزيابی اين روش پيشنهادی بر روی معيار قله‌های متحرک و مقايسه نتايج آن با نتايج حاصل از چندين الگوريتم معتبر نشان از کارايی خوب اين روش نسبت به الگوريتم mQSO و ساير الگوريتم‌ها دارد.

پروتکل ايجاد نشست (SIP) پروتکل اصلي لايه کنترل در شبکه‌هاي نسل آينده و سرويس‌هاي چندرسانه‌اي است. پيچيدگي ذاتي و ساختار مبتني بر متن اين پروتکل سبب شده است که مشکلات امنيتي متعددي از اين پروتکل در موجوديت‌هاي مختلف سرويس‌هاي مبتني بر SIP گزارش شود. هر چند آسيب‌پذيري‌ها و حملات متعددي بر روي اين پروتکل گزارش شده است اما عدم وجود يک چارچوب کشف آسيب‌پذيري براي اين پروتکل سبب شده است که امکان ارزيابي امنيتي و مقايسه موجوديت‌هاي مختلف معماري‌هاي مبتني بر SIP وجود نداشته باشد. از اين رو در اين مقاله، يک چارچوب امنيتي براي کشف آسيب‌پذيري‌هاي موجوديت‌هاي SIP موجود در شبکه ارائه شده است. چارچوب پيشنهادي با تکيه بر آسيب‌پذيري‌هاي گزارش شده از پروتکل SIP به بررسي امنيتي موجوديت‌هاي اصلي مبتني بر آن مانند پروکسي سرورهاي SIP مي‌پردازد. سيستم پيشنهادي با بکارگيري گام‌هاي انجام تست نفوذ در شبکه‌هاي عمومي، چارچوبي را براي ارزيابي امنيتي مولفه‌هاي مبتني بر SIP ارائه کرده است. مهمترين مشخصه چارچوب پيشنهادي قابليت انعطاف و توسعه آن است که مي‌توان از آن براي شناسايي انواع آسيب‌پذيري‌هاي SIP به صورت غير مخرب استفاده کرد. ارزيابي چارچوب پيشنهادي با تعريف معيارهايي براي سنجش کارايي و بر روي يک بستر آزمايشگاهي واقعي انجام شده است.

یادگیری نیمه نظارتی یکی از رهیافت های جدید یادگیری ماشین می باشد که در این رهیافت، با استفاده همزمان از داده های برچسب دار و بدون برچسب فرایند یادگیری صورت می پذیرد. با توجه به اینکه تهیه داده بدون برچسب بسیار کم هزینه می باشد، مجموعه داده های یادگیری نیمه نظارتی بسیار بزرگ می باشند و کارایی محاسباتی الگوریتم از اهمیت بالایی برخوردار است. در اين مقاله، روشی نوین برای یادگیری سریع SVM نیمه نظارتی ارایه می شود که از تقریب کم رتبه ماتریس هسین در روش نیوتن استفاده می کند. روش ارایه شده در هر تکرار بهینه سازی نیوتن ماتریس پر رتبه هسین را توسط الگوریتم فاکتور گیری چولسکی ناکامل (ICF) به یک ماتریس کم رتبه تقریب زده می شود و فاکتور چولسکی هسین تقریب زده شده حساب می شود. سپس با استفاده از روش جایگذاری رو به جلو دستگاه معادلات نیوتن حل می شود. که مرتبه محاسباتی از O(n^3) بهO(〖n_sv d〗^2) کاهش می یابد که n تعداد نمونه ها، n_sv تعداد بردار پشتیبان ها و d رتبه هِسیَن تقریب زده شده می باشد و 〖d≪n〗_sv^ ≪n . آزمایش ها بر روی مجموعه داده های واقعی کارایی الگوریتم ارایه شده را تصدیق می کند.

در این مقاله روشی ارائه می‌گردد که با استفاده از روش بدون نظارت افعال اعم از ساده و مرکب را در جملات یک پیکره تشخیص می‌دهد. افعال اصلی جمله با استفاده از برچسب نحوی کلمات و ریشه‌یاب مشخص می‌شوند. منظور از افعال اصلی، افعال ساده و افعال سبک هستند. سپس برای پیدا کردن فعل جمله که می‌تواند ساده یا مرکب باشد، به دنبال کلمات کاندید می‌گردیم. کلمات کاندید کلماتی هستند که می‌توانند به عنوان جزء غیرفعلی فعل اصلی درنظر گرفته شوند. سپس با استفاده از ویژگی‌ها و قواعد از پیش تعریف شده، یک معادله‌ی امتیازدهی تعریف می‌شود. این ویژگی‌ها و قواعد از یکی از پیکره‌های معروف و پرکاربرد زبان فارسی به نام پیکره بیجن‌خان به‌دست آمده است. پس از تعریف معادله‌ی امتیازدهی، امتیاز هر یک از کلمات کاندید به‌دست می‌آید و در نهایت اگر بیش‌ترین امتیاز به‌دست آمده بیشتر از حد آستانه از پیش تعریف شده باشد، کلمه‌ی کاندید دارای بیش‌ترین امتیاز، به عنوان جزء غیرفعلی منظور می‌شود و در غیر این صورت فعل اصلی به عنوان فعل ساده درنظر گرفته می‌شود. از محاسن روش پیشنهادی می‌توان به دقت بالای آن در مقایسه با سایر کارهای مشابه و تشخیص افعال کمکی وابسته به افعال اصلی اشاره کرد.

مدل‌سازی ابزاری است که به کمک آن می‌توان داده‌ها و روابط بین آن‌ها را به صورت ساختار ریاضی نشان داد. مدل‌سازی نظریه بازی با استفاده از خصوصیت خود خواهی در بازی‌ها، توابعی را به عنوان سود تعریف می‌کند که در محیط مدل شده، هر عامل تمایل دارد تا سود شخصی خود را بیشینه کند. این مدل‌سازی در شبکه‌های اجتماعی کاربرد زیادی دارد چرا که با واقعیت این شبکه‌ها همخوانی مفهومی دارد. داده‌گراف‌ها، نوعی داده می‌باشند که از یک گراف اصلی و خصوصیاتی افزوده بر آن تشکیل شده‌اند، شبکه های اجتماعی نوعی داده‌گراف می‌باشند. هدفی که این مقاله دنبال می‌کند، ارایه یک مدل نظریه بازی برای داده‌گراف‌ها می‌باشد و سپس فرآیندی را معرفی می‌کند که به کمک آن بتوان یک تابع هدف را در داده‌گراف ها به کمک مدل نظریه بازی بهینه کرد. یکی از مهمترین تاثیراتی که این مقاله می‌تواند در شبکه های اجتماعی ایجاد کند، همسو کردن سود شخصی افراد با سود کل جامعه می‌باشد.

یک حمله مضر شناخته شده علیه شبکه¬های حسگر، حمله سیبل می¬باشد که در آن یک گره بدخواه چندین شناسه کسب و از خود منتشر می¬کند. این حمله به طور چشمگیری پروتکل¬های مسیریابی را مختل كرده و بر روی عملیاتی نظیر رأی¬گیری، تجمیع داده¬ها، ارزیابی اعتبار و ... اثرات ویران کننده می¬گذارد. در این مقاله، یک الگوریتم توزیعی و پویا مبتنی بر تئوری پازل-های مشتری و مدل اتوماتای یادگیر جهت شناسایی گره¬های سیبل در شبکه¬های حسگر بی¬سیم ارائه می¬شود. شبیه¬سازی الگوریتم پیشنهادی با نرم‏افزار شبیه¬ساز JSIM صورت گرفته و نتایج شبیه¬سازی¬ها نشان می¬دهد که الگوریتم پیشنهادی قادر به شناسایی كامل گره¬های سیبل بوده و میزان تشخیص غلط آن در حالت میانگین کمتر از %5 می¬باشد. هم‏چنین، با انجام یک سری آزمایش‏ها، کارایی الگوریتم پیشنهادی با دیگر الگوریتم‏های موجود مقایسه گردیده و نتایج حاصل، نشان دهنده کارایی بهتر الگوریتم پیشنهادی نسبت به دیگر الگوریتم‏ها از نظر معیارهای نرخ تشخیص و نرخ تشخیص غلط است.

امروزه چگونگی حل کارآمد گروه بزرگی از مسائل بهینه سازی ترکیبیاتی موسوم به مسائل غيرچند جمله‌اي، یکی از مهمترین چالش‏ها‏ي محققين تلقی می‌شود. مدت زمان لازم برای حل این نوع مسائل با افزایش تعداد پارامترها، بصورت نمایی افزایش می‌یابد و این در حالی است که با پیشرفت تکنولوژی، نیاز به حل سریعتر و مناسب‏تر این مسائل به سرعت رو به افزایش است. لذا امروزه روش‏ها‏ی حل تقریبی اينگونه مسائل و در میان آنها روش‏ها‏ی فرا اکتشافی، به شدت مورد استقبال قرار گرفته است. در اين مقاله از توانايي‏ها‏ي الگوريتم فرااكتشافي جستجوي ها‏رموني‏ جهت حل مسائل غيرچند جمله‌اي استفاده شده است. براي اين منظور سه مسأله چند وزير، رنگ‌آميزي گراف و فروشنده دوره گرد بعنوان مطالعه موردي در نظر گرفته شده اند. نتيجه پياده‌سازي‏ها‏ توانايي الگوريتم جستجوي ها‏رموني‏ را در حل مناسب اين نوع مسائل، به خوبي نشان مي‏دهد.

شبکه¬هاي حسگر داراي دو جز اصلي مي¬باشند؛ انبوهي از حسگرها و تعداد اندکي پايگاه. در بعضي از کاربردهاي شبکه حسگر، چند دامنه وجود دارد، همکاري در ارسال بسته بين اين دامنه¬ها طول عمر شبکه¬ها را افزايش مي¬دهد. در اين مقاله، ما بر روي شبکه¬هاي حسگر ناهمگن چند دامنه¬اي تمرکز کرده¬ايم، به اين معني که هر شبکه، دامنه¬اي مجزا دارد و اين دو شبکه ناهمگن به صورت تصادفي در يک قطعه زمين پخش شده¬اند. بديهي است طول عمر دو شبکه در صورت همکاري بالاتر خواهد رفت، و البته خودخواهي از ديد منطقي بودن در امر تصميم گيري براي ارسال بسته اجتناب ناپذير است، و همکاري به صورت اتفاقي صورت نخواهد پذيرفت. بنابراين ما استراتژي انطباق پذيري از TIT FOR TAT ارائه داديم. اين الگوريتم ابداعي با همکاري سخاوتمندانه براي تحريک همکاري در شبکه مقابل شروع و به تدريج با کم شدن انرژي گره¬ها، روي به حالت محافظه کارانه روي مي آورد. نتايج شبيه ¬سازي نشان دهنده دستیابی به طول عمر بیشتر در مقابل شبکه¬های دیگر و افزایش طول عمر شبکه دیگر به علت تحریک همکاری می-باشد.

In traditional cooperative spectrum sensing such as OR-rule or AND-rule, secondary user (SU) must maintain coordination based on a fusion center. In this paper, we propose the weighted average consen- sus, based on Learning Automata(LA), for fully distributed cooperative spectrum sensing without fusion center. At the first stage of the pro- posed scheme, each SU makes measurement about presence of primary user (PU) at the beginning of each time slot, then communicates with local neighbors to exchange information to make the final decision and update its weight using a LA based algorithm. Simulation results show that the proposed scheme has better performance than the non weighted consensus and existing weighted consensus scheme. Also, the convergence time of the proposed scheme is less than the existing weighted consensus and almost equal to non weighted consensus scheme

امروزه شبکه‌های عصبی مصنوعی کاربرد وسیعی در زمینه‌های مختلفی از جمله تشخیص الگو و تقریب تابع دارند. آموزش شبکه‌های عصبی فرآیند پیچیده‌ای می‌باشد و تاکنون الگوریتم‌های مختلفی برای آموزش شبکه‌های عصبی ارائه شده است. یکی از روش‌های متداول برای آموزش شبکه‌های عصبی استفاده از الگوریتم‌های مبتنی بر گرادیان مانند الگوریتم پس انتشار است. از مهمترين مشکلات الگوریتم‌های مبتنی بر گرادیان، توقف اين الگوریتم‌ها در نقاط بهینه محلی و کند بودن روند همگرایی مي‌باشد. برای رفع مشکلات الگوریتم‌های مبتنی بر گرادیان از الگوریتم‌های تکاملی برای آموزش شبکه‌های عصبی استفاده شده است. در این مقاله یک روش جهش جدید برای بهبود کارایی الگوریتم تکامل تفاضلی ارائه شده است و از این الگوریتم، برای آموزش شبکه‌های عصبی استفاده شده است. مقایسه نتایج روش پیشنهادی و الگوریتم‌های دیگر نشان می‌دهد که روش پیشنهادی، دارای سرعت و دقت همگرایی بهتری نسبت به روش‌های دیگر است.

مدل مخلوط گاوسی و ضرایب فرکانسی مل همواره به عنوان مهم‌ترین روش‌های مدل‌سازی توزیع نمونه‌ها و استخراج ویژگی در شناسایی گفتار مطرح بوده‌اند. مزیت مدل مخلوط گاوسی در مدل‌سازی ورودی‌ها با بالاترین دقت و مزیت ضرایب فرکانسی مل در یافتن اطلاعات تمایزدهنده در طیف زمانی کوتاه است. ویژگی‌های طیف زمانی کوتاه مقاومت لازم در مقابل نویز را ندارند، از طرفی اما به‌کارگیری اطلاعات در بازه‌های زمانی طولانی‌تر نیز در مدل مخلوط گاوسی بار محاسباتی بالایی دارد. این مسائل کاهش دقت را در صورت وجود عدم تطابق در شرایط آموزش و آزمون باعث می‌شود. ترکیب ویژگی‌های مختلف و تغییر در مدل‌سازی نمونه‌های ورودی از جمله راه‌های پیشنهادی هستند. در این مقاله از شبکه‌های باور عمیق برای یافتن ویژگی‌های تمایزدهنده از یک طیف زمانی طولانی‌تر استفاده می‌شود. در این حالت تبدیلات غیرخطی علاوه بر استخراج ویژگی‌های سطح بالاتر و کاهش ابعاد ویژگی‌های ورودی، تبدیل فضای ویژگی‌های ضرایب فرکانسی مل را منجر می‌شود که می‌توانند در مقابل تغییرات سیگنال ورودی مقاومت لازم را داشته باشند. این ویژگی‌ها در بهبود کارایی مدل مخفی مارکوف استفاده می‌شوند. روش پیشنهادی بر روی مجموعه‌ای از پرکاربردترین کلمات فارس-دات آزمایش و نتایج آن با پرکاربردترین روش شناسایی گفتار مقایسه شده است. افزایش دقت شناسایی کلمات نشان از کارایی روش پیشنهادی در مقابل تغییرات و نویز دارد.

تحقيقات زياد روي موتورهاي جستجو نشان مي‌دهد که اکثر پرس و جوهاي کاربران بيش از يک کلمه مي‌باشد و ممکن است بطور مشخص با استفاده از علامت نقل قول به عنوان عبارت معرفي شده باشند يا از علامت نقل قول استفاده نشده باشد ولي در بيشتر مواقع منظور کاربر يک عبارت باشد. اکثر الگوريتم‌هاي رتبه بندي از فرکانس رخداد يک کلمه در سند(TF) براي امتياز دهي به اسناد استفاده مي‌کنند اما براي عبارت تعريف روشني از اين پارامتر وجود ندارد. از طرفي تعداد رخداد يک عبارت به تنهايي مفيد نيست و بايد فاصله بين کلمات عبارت محاسبه گردد. در اين مقاله پارامترهاي فاصله، ‌فرکانس رخداد يک عبارت(PF) و IDF با توجه به فاصله تعريف مي‌شود و الگوريتم‌هايي براي محاسبه آنها ارائه مي‌گردد. همچنين نتايج الگوريتم پيشنهادي با الگوريتم پياده سازي شده توسط نمايه ساز متن باز لوسين مقايسه گرديده است.

در این مقاله از مجموعه چهار پیمانه‌ای جدید(2n-1,2n+1,22n,22n+1) که در مقایسه با مجموعه‌های سه پیمانه‌ای دارای محدوده‌ی دینامیکی بالاتر و موازی سازی بیشتر می‌باشد، استفاده شده است. سپس برای اولین‌بار دو مدار شناساگر علامت جدید و کارآمد مخصوص سیستم اعداد مانده‌ای چهار پیمانه‌ای(2n-1,2n+1,22n,22n+1) ارائه شده است تا در پی آن استفاده عملی از این مجموعه پیمانه در سیستم‌های محاسباتی مبتنی بر سیستم اعداد مانده‌ای امکان پذیر گردد. محدوده‌ی دینامیکی این مجموعه پیمانه 6n بیتی می‌باشد و از مزایای مدارهای پیشنهادی این است که تنها با محاسبه 2n بیت شناسایی علامت صورت می‌گیرد. هم‌چنین در طراحی مدارهای پیشنهادی بر خلاف روش پیشین از مدار مقایسه‌گر استفاده نمی‌شود و تنها با استفاده از جمع کننده‌های ذخیره رقم نقلی، جمع کننده‌های انتشار رقم نقلی و واحد محاسبه رقم نقلی علامت تشخیص داده می‌شود. بنابراین مدارات پیشنهادی در مقایسه با روش پیشین دارای سرعت بیشتر و هزینه سخت افزاری کمتری می‌باشند.

در بسیاری از سیستم‌های مدرن و برنامه‌های کاربردی نظیر محاسبات فراگیر، شبکه‌های نظیر به نظیر، محسبات شبکه‌ای، محاسبات ابری و حتی اپلیکیشن‌های تحت وب، مفهوم اعتماد بکار برده شده است. اعتماد، سطحی از احتمال ذهنی که بین دو موجودیت، یک trustor (یعنی موجودیت مبدا) و یک trustee (یعنی موجودیت مقصد یا هدف) می‌باشد که از طریق یک مشاهده مستقیم طبیعی و یا توصیه ای از موجودیت‌های اعتماد شکل می‌گیرد. از این رو در این مقاله به ارائه یک مدل اعتماد در محیط محاسبات ابری بر اساس منطق و ریاضیات فازی می پردازیم به گونه ای که روابط میان موجودیت های ابر را بر اساس تعاملات موفق و عدم موفق آنها مدل سازی می‌کند.