انجمن کامپیوتر ایران

با رشد فزاینده ی داده های ویدئویی در سه دهه ی اخیر، بازیابی ویدئو یکی از حوزه های مهم در زمینه ی پردازش ویدئو شده است. با توجه به گستردگی ویدئوها از نظر محتوا، در این مقاله به بازیابی ویدئوهای حاوی رفتارهای انسانی پرداخته شده است که در سیستم هایی نظیر مراقبت و نظارت، امنیتی و بازیابی کاربرد گسترده ای دارد. در این مقاله با استفاده از دو بردار ویژگی تعریف شده برای ویدئوها، دور و شکلی برای بازیابی معرفی شده است. در روش اول بازیابی، ابتدا با کمک دو بردار ویژگی برمبنای ویژگیهای SIFT، فریمهای کلیدی ویدئو تعیین شده است. سپس با توجه به اهمیت بُعد زمانی ویدئو، ویژگی های مجموعه ای از فریم های حول هر فریم کلیدی ترکیب شده و بردار ویژگی نهایی برای هر کدام از ویدئوهای موجود در دادگان بدست آمده است. در فرایند بازیابی بردارهای ویژگی برای ویدئوی پرسمان محاسبه شده و با هر یک از بردارهای ویژگی ویدئوهای دادگان به طور مجزا، مقایسه می شود و سپس با استفاده از معیارهای سنجش شباهت، نتایج شبیه تر به کاربر نمایش داده می شود. در روش پیشنهادی دوم، از SVM برای طبقه بندی ویدئوهای دادگان استفاده شده و سپس با تعیین نوع ویدئوی پرسمان، بازیابی ویدئوها انجام شده است. نتایج حاصل از این دو روش با هر کدام از بردارهای ویژگی با یکدیگر مقایسه و ارزیابی شده اند. مقدار بازخوانی با استفاده از بردار ویژگی پیشنهادی جدید در تمام روش های بازیابی مورد ارزیابی، به طور میانگین 51% بهبود یافته است.

یکی از چالش‌های اساسی در حوزه‌ی محاسبات ابری، توازن بار است، به این معنا که حجم کار پویا باید به‌صورتی در تمامی گره‌ها توزیع شود که در هیچ گره‌ای سربار محاسباتی اتفاق نیفتد. توازن بار این امکان را فراهم می‌کند که به‌صورت بهینه از منابع موجود در سیستم استفاده شود که از این طریق سبب افزایش عملکرد سیستم می‌شود. در واقع، هدف توازن بار به حدّاقل رساندن مصرف منابع است به‌طوری‌که بتوان سبب کاهش مصرف انرژی، زمان اجرا و زمان پاسخ شد. در این مقاله، با بررسی الگوریتم‌های موجود و پارامترهای مؤثّر در حوزه‌ی توازن بار، روش جدیدی برای برقراری توازن بار در محیط ابر با استفاده از الگوریتم بهینه‌سازی مبتنی بر جغرافیای زیستی پیشنهاد شده است. این روش با روش‌های توازن بار مبتنی بر الگوریتم‌های تکاملی مقایسه می‌شود که نتایج شبیه‌سازی نشان می‌دهد که ترکیب الگوریتم BBO با الگوریتم‌های MMT و IQR بهترین نتیجه را دارد و میزان توان مصرفی در مقایسه با الگوریتم‌های GA،PSO و MBFD تا 25% بهبود یافته است در حالی‌که مقدار SLA در بالاترین سطح خود حفظ‌ شده است.

در رشته‌های مهندسی از جمله مهندسی نرم افزار، اندازه‌گیری کیفیت به عنوان یک فعالیت ضروری جهت تعیین کارایی فرآیند ساخت، قابلیت استفاده و استحکام محصول نهایی به شمار می‌رود. اندازه‌گیری کیفیت سبب فهم بهتر، کنترل، ردیابی مسیر تغییرات و در نهایت بهبود کیفیت محصول نهایی خواهد شد. امروزه استفاده از آنتولوژی در سیستم‌های هوشمند جهت بازنمایی و اشتراک دانش دامنه در حال افزایش است. آنتولوژی نیز مانند هر محصول مهندسی دیگر، نیاز به روشی جهت اندازه‌گیری و ارزیابی کیفیت دارد. در طول سال‌های اخیر، روش های زیادی برای اندازه‌گیری و ارزیابی کیفیت آنتولوژی ارائه شده است که اکثر آن‌ها سعی در ارائه متریک و روش اندازه‌گیری بعد کیفی ساختاری آنتولوژی داشته اند. مساله‌ای که کمتر در اندازه‌گیری این بعد مورد توجه قرار گرفته است در نظرگرفتن معنا و دانش ضمنی آنتولوژی است. در این مقاله از تکنیک نقشه کشی دانش، جهت بازنمایی دانش ضمنی استفاده شده است. سپس بر مبنای این روش بازنمایی و مدل کیفی ساختار آنتولوژی، متریک‌هایی جهت اندازه‌گیری زیرفاکتور کیفی دقت ساختاری پیشنهاد شده است. در پایان متریک‌های پیشنهادی امکان سنجی شده اند و اعتبار و صحت آن‌ها نیز مورد بررسی قرار گرفته شده است.

استخراج آزاد اطلاعات بر خلاف روش‌های پیشینِ استخراج اطلاعات، از معماری‌هایی که نیاز به مشخص کردن روابط از قبل دارند جلوگیری میکنند و محدود به روابط خاصی نیستند. بنابراین قادر به استخراج روابط دلخواه بطور مستقیم از مجموعه داده‌های بزرگ و دامنه‌های غیرهمگن مانند وب هستند. یک چالش اصلی برای سامانه‌های استخراج آزاد اطلاعات این است که روابط استخراج شده نمونه‌های درستی از روابط بین موجودیتها باشد. نیاز به استخراج‌گری که بتواند با اطمینان بالا به کشف اطلاعات بپردازد، از جمله اهداف استخراج آزاد اطلاعات است. در این راستا، در این مقاله روشی مبتنی بر قاعده پیشنهاد شده است که با کمک ویژگی‌های جمله و درخت تجزیهی وابستگی، منجر به افزایش خروجی‌های درست و کاهش خروجیهای نادرست و در نتیجه افزایش دقت و بازخوانی میشود. روش پیشنهادی به خروجی چندین سامانه استخراج آزاد اطلاعات اعمال شده و دقت نتایج تحت تاثیر آن بررسی شده است. ارزیابی‌ها نشان میدهد که روش پیشنهادی امید بخش است و معیارهای کارایی خروجیها با اعمال این روش بالاتر از حالت پایه است.

هدف این مقاله، پیش‌بینی نرخ ارز با استفاده از سریهای زمانی فازی پس از خلاصه‌سازی داده‌های ورودی میباشد که مبتنی بر مدل ارائه شده توسط Chen 2011 است. مدل ارائه شده توسط Chen در سال 2011 یکی از روش‌های مهم پیشبینی نرخ سهام است که نسبت به دیگر روش‌های موجود دقت بالاتری دارد. ازنقاط ضعف این روش در نظر گرفتن طول ثابت در تعیین طول بازه‌ها، امکان عدم یافتن قانون پیشبینی و توقف الگوریتم در برخی از طول بازه‌ها و همچنین مسأله سرعت الگوریتم با افزایش حجم داده‌ها میباشد. در این راستا با اصلاح نواقص ذکر شده، علاوه بر کاهش حجم داده‌های عددی، دقت پیشبینی نیز افزایش یافته است. مدل پیشنهادی برای داده‌های بازار بورس (TAIEX) و داده‌های نرخ ارز آزمایش شده و نتایج حاصله از پیاده سازی این روش نشان میدهد که در عین کاهش حجم داده‌ها از دقت پیشبینیها کاسته نمیشود.

در این مقاله، نوعی مکانیزم برای دفاع در مقابل حمله تک تیرانداز تشریح می‌شود. حمله تک تیرانداز، یک نوع حمله ممانعت از سرویس هدف‌گذاری شده است که حمله‌کننده بی‌نام با صرف هزینه بسیار کم می‌تواند هزینه جدی به رله‌های شبکه Tor وارد نماید. در راه حل فعلی، اگر مصرف حافظه از یک حد آستانه بیشتر گردد، به منظور مقابله با این حمله مدارهای مظنون از بافر قربانی حذف می‌شوند. ما در این مقاله راه‌حل فعلی را مورد بررسی قرار داده و نقاط ضعف آن را بیان می‌کنیم. سپس پروتکل جدیدی را برای مقابله با این حمله پیشنهاد می‌کنیم. حمله تک تیرانداز از دو نقطه ضعف مهم شبکه Tor بهره‌برداری می‌کند که عبارتند از: یکی، نداشتن هیچ محدودیتی روی صف‌های لایه کاربرد و دیگری، نداشتن هیچ مکانیزم کنترل انباشتگی. پروتکل پیشنهادی ضعف فقدان کنترل انباشتگی را جبران کرده و جلوی حمله را می‌گیرد. تشویق کاربران به استفاده از شبکه Tor یکی از اصول مهم این شبکه است. برای بهتر نمودن تجربه استفاده کاربران، یک پرچم جدید در سرورهای متولی-راهنما در Tor معرفی شده است. این پرچم نشان‌دهنده میزان انباشتگی یک رله است و در الگوریتم انتخاب مسیر کاربر در کنار پهنای باند رله‌ها نقش مهمی را ایفا خواهد کرد، به طوریکه کاربرانی که درجه پایین‌تری از بی‌نامی را نیازمندند می‌توانند با انتخاب رله‌هایی که خلوت‌تر هستند، ارتباط سریع‌تری را تجربه کنند. همچنین، این پرچم از کاهش کیفیت سرویس کاربران به علت حملات ممانعت از سرویس پیش‌گیری می‌کند. روش پیشنهادی را روی شبکه شبیه‌سازی شده بررسی کرده و نشان می‌دهیم که هزینه ادامه حمله با بکارگیری این روش مقابله زیاد می‌گردد.

ترجمه ماشینی مبتنی بر قاعده از مجموعه‌ای از قواعد که دربردارنده اطلاعات زبانی هستند در فرایند ترجمه استفاده می‌کند. نتایج تولید شده توسط این مترجم‌ها معمولاً از نظر دستورزبان و ترتیب کلمات بهتر از نتایج مترجم‌های آماری هستند. ولی تحقیقات نشان داده است که این ترجمه‌ها از نظر روانی و انتخاب کلمات مناسب، ضعیف‌تر از مترجم‌های آماری هستند. در این مقاله هدف، بهبود انتخاب لغات در مترجم مبتنی بر قاعده است. این کار با استفاده از مجموعه‌ای از قواعد نحوی-لغوی مبتنی بر گرامر درخت-پیوندی انجام می‌شود. این قواعد احتمالاتی به‌صورت آماری از یک پیکره موازی با اندازه بزرگ استخراج شده‌اند. در سیستم ارائه شده، کلمات با ترتیب پیشنهادی مترجم مبتنی بر قاعده در زبان مقصد قرار می‌گیرند و به همین دلیل در ترجمه جملات از یک رمزگشای یکنواخت مبتنی بر برنامه‌ریزی پویا استفاده شده است. در این سیستم بهترین ترجمه با استناد به احتمال قواعد استفاده شده و امتیاز مدل زبانی انتخاب می‌شود. آزمایش‌ها روی ترجمه انگلیسی به فارسی نشان داد که کیفیت نتایج به دست آمده از روش پیشنهادی حدود 3/1+ واحد بلو از کیفیت ترجمه به دست آمده توسط مبتنی بر قاعده پایه بالاتر است.

امروزه از مدلهای تحلیل تصادفات متفاوتی در دنیا استفاده می گردد که یک نمونه از آنها مدل پیشگیرانه برای معابری که هنوز افتتاح نشده اند صورت می پذیرد اما در این مطالعه از این مدل برای مشخص کردن میزان بحرانی بودن معابر از منظر تصادفات استفاده شده است. در این تحقیق سلسله مراتب شبکه معابر، شیب و روسازی از جمله معیارهای اصلی بودند که با استفاده از فرآیند تحلیل سلسله مراتبی AHP، الگوریتم آنالیز مکانی SA، با توابع همپوشانی OVERLAY در سیستم اطلاعات جغرافیایی GIS تحلیل صورت پذیرفت. نتایج بدست آمده از این تحقیق حکایت از وضعیت نامطلوب شبکه معابر و یا مطلوبیت نسبی آن دارد بخصوص معابر شمالی جنوبی این منطقه. خروجی نهایی در دو گروه ارائه گردیده است. 1- وضعیت کل شبکه منطقه مورد مطالعه 2- تحلیل به تفکیک معابر منطقه و در نهایت نیز معابر بحرانی و خیلی بحرانی منطقه مشخص گردیده است

پروژه‌هايي كه توسط مؤسسات خدماتي كه داراي ماهيت غيرانتفاعي مي‌باشند (از جمله شهرداری‌ها) انجام مي‌گردند، به دو دليل از اهميت ويژه‌اي برخوردار هستند: اولاً اغلب محصولات و پروژه‌هاي اين سازمان‌ها كه به شهروندان ارائه می‌گردند، قبل، حين و بعد از اجرا اثرات ناملموس در زندگي ‌آنها دارند. ثانياً به دليل احساس مالكيت شهروندان نسبت به اين پروژه‌ها، مديريت شهري بايد با رفتار مناسب، رابطة مؤثر و پاسخگويي به هنگام، نسبت به جلب مشاركت آنان اقدام نمايد. به علاوه، پروژه را مي‌توان تعاملي دوسويه ميان كارفرما و پيمانكار تلقي نمود كه دراين ميان مهم‌ترين عاملي كه باعث مي‌گردد تا اين تعامل مثبت، سازنده و در جهت تأمين منافع ذينفعان پروژه باشد، تفاهم طرفين بر روي ميثاقي مشترك است. در این میان پروژه‌های فناوری اطلاعات در مدیریت شهری از ضروریات حرکت به سمت سازمان و شهر هوشمند بوده و استفاده از فناوری اطلاعات به دلیل تاثیر آن بر سرعت و دقت گردش کارها، افزایش شفافیت، رضایت بیشتر شهروندان و ایجاد سیستم‌های پشتیبان تصمیم، ضرورتی اجتناب ناپذیر می باشد. در این مقاله با توجه به بررسی‌های انجام شده و درس آموخته های سازمان فناوری اطلاعات و ارتباطات شهرداری مشهد، آسیب‌هایی که پروژه‌های نرم افزاری را تحت تأثیر قرار داده بررسی و راهکارهای مقابله با آنها پیشنهاد شده است.

امروزه یکی از راهکارهای اصلی افزایش کارایی سیستم‌های غیرمتمرکز، استفاده از چندین سرویس‌دهنده و پخش بار میان آن‌ها است. با استفاده از این روش، نه تنها میزان کارایی سیستم افزایش می‌یابد، بلکه دسترس‌پذیری سیستم نیز به طور قابل توجهی افزایش خواهد‌یافت. در حال حاضر الگوریتم‌ها و روش‌های زیادی به منظور پیاده‌سازی یک پخش‌کننده بار ارائه شده‌است که هریک بر بخشی از نیازمندی‌ها غلبه کرده‌است. نکته‌ای که در میان روش‌های ارائه شده دور از چشم مانده‌است، هزینه‌ انتقالی است که سیستم (یا کاربر انتهایی) به ازای افزایش کارایی متحمل می‌شود. همانطور که در [1] اشاره شده‌است، همواره مصالحه‌ای1 میان هزینه و کارایی سیستم وجود دارد. در این مقاله از الگوریتم کلونی زنبور عسل [2] به منظور پخش بار استفاده می‌کنیم. در الگوریتم ارائه شده علاوه بر توزیع بار، پارامتر هزینه نیز در نظر گرفته‌شده و در انتها نشان می‌دهیم که به منظور کاهش هزینه و کارایی به صورت هم‌زمان، استفاده از این الگوریتم نسبت به الگوریتم‌های ارائه شده در [1] نتایج بهتری داشته و هم چنین سربار کنترلی کم‌تری به سیستم تحمیل خواهد‌کرد.

بازشناسی احساس و حالت چهره یکی از زمینه‌های تحقیقاتی مورد توجه در سال‌های اخیر بوده است که در کاربردهایی چون شبیه‌سازی حالت چهره در ارتباط انسان با ماشین و پویانمایی مبتنی بر داده‌ها مورد استفاده قرار گرفته است. با پیدایش و گسترش یادگیری عمیق هم این شاخه بیشتر مورد توجه قرار گرفته است. در اين مقاله، دو روش برای بهبود استخراج ویژگی استخراجی از چهره برای بازشناسی حالت آن مبتنی بر شبکه‌های عصبی عمیق ارائه شده است. در روش اول با استفاده از شبکه‌های خود رمزگذار فشرده‌سازی و کاهش بعد ویژگی بر روی مجموعه ویژگی‌های الگوی دودویی محلی و هیستوگرام جهت دار اعمال شده است تا به این ترتیب بردار ویژگی به دست آید که علیرغم کاهش بعد اطلاعات این ویژگی ها را به همراه داشته باشد. بردار حاصل برای دسته‌بندی در اختیار دو دسته‌بند ماشین بردارپشتیبان و پرسپترون چند لایه قرار داده شده است. در روش دوم ساختاری جدید برای معماری شبکه‌های درهم‌پیچش با در نظر گرفتن حذف تصادفی نورون‌ها در حین آموزش پیشنهاد شده است که به نوعی به وزن‌دهی ویژگی‌های استخراجی از لایه‌های درهم‌پیچش و بهبود وزنهای شبکه در حین آموزش می‌پردازد. نتایج ارزیابی روش‌ها بر روی دادگان CK+ نشان می‌دهد که روشهای پیشنهادی به ویژه روش پیشنهادی دوم نسبت به دیگر روش‌های ارائه شده نتیجه بهتری ارائه کرده‌اند و در بهترین حالت، روش دوم به درصد بازشناسی 97.4% دست یافته است.

در سال‌های اخیر، پیشرفت فناوری در زمینه ترجمه ماشینی منجر شده است تا سامانه‌های مترجم ماشینی در زبان‌های مختلف با کیفیتی بهتر از قبل به وجود آیند. به همین دلیل ارتباط بین انسان و ماشین به‌عنوان یک قسمت مهم از ترجمه، توسعه و اهمیت بیشتری یافته است. یک نمونه از این ارتباط، استفاده از پس‌ویرایش است. پس‌ویرایش به تصحیح و ویرایش متن ترجمه‌شده‌ توسط‌ سامانه مترجم ماشینی، توسط کاربر گفته می‌شود. استفاده از ابزار‌های پس‌ویرایش ترجمه ماشینی سبب می‌شود که بتوان از داده‌های ویرایش شده توسط کاربر پس از اطمینان نسبت به صحت و کیفیت مناسب، از آن‌ها در جهت بهبود کیفیت مترجم ماشینی نیز بهره برد. در این پژوهش یک روش به منظور اعتبارسنجی ویرایش کاربران ارائه شده است. خصوصیت اصلی روش ارائه شده، قابل اعمال بودن بر انواع ترجمه‌ها و همبستگی بالای آن با معیار Translation Edit Rate به عنوان یک معیار ارزیابی با ناظر است. در این پژوهش ابتدا ویژگی‌هایی که فقط با داشتن جمله مبدأ و مقصد می‌توان به آن‌ها دست یافت را استخراج می‌کنیم، سپس با بهره‌گیری از این ویژگی‌ها به تخمین کیفیت ترجمه‌های انجام شده یا ویرایش شده توسط کاربران می‌پردازیم. آزمایش‌های انجام شده نشان داده است که استفاده از ویژگی‌های استخراج شده از جفت جمله انگلیسی-فارسی ترجمه شده توسط کاربران و اعمال رگرسیون با روش جنگل‌ تصادفی به نتیجه‌ی همبستگی ۰.۹۱ با معیار Translation Edit Rate منجر می‌شود.

امروزه مهاجرت زنده‏‌ی ماشین‏‌های مجازی یکی از فناوری‏‌های مهم و پر کاربرد لایه‏‌ی مجازی‏‌سازی در سازمان‏‌های ابری به حساب می‏‌آید. این فناوری برای سازمان‌‏ها مزایایی نظیر متوازن‏‌سازی بارِکاری ماشین‌‏های فیزیکی، مدیریت بهتر مصرف انرژی و افزایش نگهداشت‌‏پذیری سیستم‏‌ها را به ارمغان می‌‏آورد. با این‏‌حال عملیات مهاجرت زنده ‏ی ماشین‏‌های مجازی به هنگام مهاجرت ماشین‏‌های مجازی دارای نرخ کثیفی شدید صفحات حافظه یا بارِکاری شدید پردازنده‌‏ای با مشکلات طولانی شدن مدت زمان کلی مهاجرت (یا حتی عدم توانایی در تکمیل مهاجرت)، حجم بالای ارسال داده‌‏ها و سنگینی مدت زمان توقف روبه‏‌رو است. در این پژوهش، با اعمال تغییراتی در سیاست‏‌های ترتیب ارسال صفحات حافظه و افزایش دقت در ترتیب ارسال این صفحات، به روشی دست‏یافت‌ه‏ایم که منجر به بهبود قابل توجه در معیارهای ارزیابی مدت زمان کلی مهاجرت، حجم داده‏‌های ارسالی و مدت زمان توقف شده است. در این تحقیق از ناظر ماشین مجازی Qemu برای پیاده‌‏سازی روش پیشنهادی استفاده شده است. نتایج بدست آمده نیز با روش استاندارد Qemu و همچنین روش‌‏های دیگر اولویت‌‏بندی ترتیب ارسال صفحات حافظه مقایسه شده است.

با گسترش فناوری اطلاعات، تعاملات بر خط بين افرادی که در نقاط مختلف جهان زندگی می‌کنند، افزایش یافته است. با ظهور شبکه‌های اجتماعی، اين تعاملات به‌صورت سازمان‌يافته‌تری صورت گرفته است. يکی از مسائل مهم در تحليل شبکه‌های اجتماعی، يافتن اجتماعات موجود در اين شبکه‌ها است. زیرا تشخیص اجتماعات به ما کمک می‌کند تا دید بهتری نسبت به ساختار شبکه پیدا کنیم. از این رو کشف ساختار اجتماعات در شبکه‌ها می‌تواند به‌عنوان یک مسئله بهینه‌سازی در نظرگرفته شود. برای حل این مسئله روش‌های مختلفی از جمله: افرازبندی گراف، افراز‌بندی سلسله‌مراتبی، خوشه‌بندی افرازی، روش‌های پیمانه‌ای، روش‌های مبتنی بر الگوریتم‌های تکاملی و ... را نام برد که دراین مقاله از الگوریتم‌های تکاملی استفاده شده است. در این مقاله از الگوریتم خفاش که یک الگوریتم تکاملی است، استفاده شده است. الگوریتم خفاش یک الگوریتم هوش مصنوعی است که برگرفته از خصوصیات خفاش‌های کوچکی است که در جستجوی شکار می‌باشند. به‌طوریکه خفاش‌های کوچک می‌توانند در تاریکی مطلق با انتشار صدا و دریافت آن به شکار طعمه‌های خود بپردازند. از آنجاییکه الگوریتم خفاش برای حل مسائل پیوسته مطرح شده است، این موضوع استفاده از آن در کاربردهای گسسته را محدود می‌کند. از این رو در این مقاله یک الگوریتم خفاش گسسته برای شناسایی ساختار اجتماعات در شبکه‌های علامت‌دار پیشنهاد شده است. در روش پیشنهادی، وضعیت خفاش‌ها در قالب گسسته طراحی شده‌ است تا الگوریتم برای حل مسائل گسسته مانند یافتن اجتماعات قابل استفاده باشد. نتایج حاصل از شبیه سازی حاکی از آن است که الگوریتم پیشنهادی نسبت به سایر روش‌های ارائه شده ساختار بهتری از اجتماعات را ارائه می‌کند.

As Moore’s Law scaling tapers off, there is a growing emphasis on improving the energy-efficiency of nanometer ICs through architectural techniques. Recently, approximate computing has been introduced to address the energy-efficiency problems of error tolerant applications in all forms of computing from mobile IoT devices to datacenters and servers. This technique has proved successful in various application domains such as digital signal processing, deep machine learning, and combinatorial optimization. Approximate computing trades accuracy for power, delay, and area in computing systems. One key arithmetic circuit in digital signal processing is multi-bit digital adder that is widely used in today’s user applications. Adders consume significant amounts of system energy and occupy large portions of the processor die area. The need for low power and high-speed circuits as well as the error-resiliency of the digital signal processing systems allow the system designers to innovate energy-efficient approximate adders. This paper examines DrAx, a design remedy for approximation, which provides an automatic method to improve the accuracy of approximate adders with virtually no impact on their power and area consumption. The proposed method is applied to seven state-of-the-art approximate adders for evaluation; our simulation results indicate 12-50% accuracy regarding mean error distance metric improvements are attainable for the baseline approximate adders using the proposed design approach.

In recent years, Android have become a popular operating system for smartphones. Regarding this growing trend, a wide variety of applications are being developed for this platform. Due to limited energy supply on such smartphones, the energy consumption of an application plays a significant role in users’ satisfaction. Recent studies in this field reveals that a considerable number of applications suffer from energy issues. To this end, we are going to provide a systematic framework for application developers aiming to improve the level of energy consumption in application. In this research, we elaborate a profiling technique in order to model users’ behavior in accordance with how they use the application.

با توجه به افزايش لحظه‌اي حجم اطلاعات منتشر شده در اينترنت، يکي از داغ‌ترين موضوعات، تشخيص سريع وقوع يک رويداد از اين اطلاعات مي‌باشد. تشخيص رويداد به دو دسته‌ي گذشته‌نگر و برخط تقسيم مي‌شود که هدف اولي، يافتن رويدادها در مجموعه‌اي از اسناد از پيش جمع‌آوري شده است، درحاليکه دومي بر شناسايي رويدادهاي جديد در جريان‌هاي خبري برخط تمرکز دارد. در اين مقاله، روشي مبتني بر گراف عبارات براي تشخيص برخط رويداد در وب‌سايت‌هاي خبري ارائه شده است. روش پيشنهادي، گرافي از عبارات انفجاري ايجاد مي‌کند که اين گراف براساس هم‌رخدادي عبارات موجود در اسناد تشکيل مي‌شود. در اين روش، ويژگي‌هاي جديدي شامل کليک‌هاي کاربران بر اسناد و فراواني وزن‌دار عبارات موجود در اسناد از دادگان استخراج مي‌شوند. سپس با به کارگيري اين ويژگي‌ها در وزن‌دهي گراف و پس از آن اجراي الگوريتم تشخيص جامعه به‎روي گراف، خوشه‌هاي عبارات توصيف کننده‌ي هر رويداد شناسايي مي‌شوند. نتايج نشان مي‌دهد که روش پيشنهادي از نظر دقت و فراخواني در مقايسه با روش‌هاي گذشته پيشرفت چشمگيري (براي مثال، نزديک به پنج برابر بهبود از نظر معيار دقت) داشته است.

امروزه اینترنت به منبع عظیم و متنوعی از اطلاعات متنی تبدیل شده‌ است، اما کاربران دیگر به دنبال مستندات و مقالاتی برای مطالعه نیستند، بلکه به دنبال جواب صریح سوال‌هایشان هستند. ناهمگونی و عدم وجود ساختار در منابع اینترنتی، دستیابی به اطلاعات مرتبط با یک موضوع خاص را دشوار ساخته است. بنابراین وجود سیستم‌های استخراج اطلاعات قدرتمند که بتواند صفحات وب را در قالب‌هایی ساخت‌یافته مانند پایگاه‌های دانش ذخیره کنند، نیاز مهمی محسوب می‌شود. در سال‌های اخیر استخراج رابطه به عنوان زیربخشی از استخراج اطلاعات، مورد توجه بسیار بوده است. در این پژوهش روشی جهت استخراج رابطه از مقالات ویکی‌پدیای فارسی معرفی شده‌ است. در این روش، استخراج رابطه به کمک الگوهایی که به صورت خودکار با رویکردی مبتنی بر نظارت از دور به دست می‌آیند، انجام می‌گیرد. نتایج به دست آمده نشان می‌دهد که مقدار متوسط صحت برای همه رابطه‌ها 76.81% است. در نتیجه در این روش، میزان تلاش انسانی در حد قابل توجهی کاهش یافته و بهبود صحت در مقایسه با سایر روش‌ها در زبان فارسی مشاهده می‌شود.

با کوچک‌سازي اندازه‌ي ترانزيستورهاي CMOS و پيدايش تکنولوژي‌هاي ميکرومتري، تغييرات فرآيند ساخت به‌عنوان يک عامل تاثير گذار بر بازده ساخت، عدم تطابق در مدار و محدوديت‌هاي کارايي مورد توجه طراحان قرار گرفته است. از طرفي کاهش کارايي ترانزيستورها با افزايش زمانِ کارکرد آن‌ها، يکي ديگر از معيارهاي تغييرپذيري است. يکي از معروف‌ترين سازوکارهاي تنزل ولتاژ آستانه در ترانزيستورها ناپايداري حاصل از دما و باياس است که به‌عنوان مهم‌ترين پديده در سالمندي مدار شناخته ‌مي‌شود. براي مقابله با اين دو چالش رويکردهاي انطباقي در مرحله پس از ساخت نيازمند معماري نظارت کننده براي نمونه برداري و اندازه‌گيري از PV و BTI هستند. در اين مقاله براساس وابستگي بين تاخير و ولتاژ آستانه ترانزيستورهاي MOS دو معماري اندازه‌گيري و نظارت بر سالمندي و تغييرات فرآيند ساخت براي تکنولوژي nm32 با شبيه‌سازي دقيق ارائه مي‌شود که تمام ديجيتال بوده و به تجهيزات بيرون از تراشه نيازمند نيست. با اندازه‌گيري تاخير در راستاي يک زنجيره از ترانزيستورهاي گذر در دو حسگر مجزا براي nMOS ها و pMOS ها و با تکيه بر مفهوم «تقويت تغييرات» اثرات نوسان فرآيند ساخت و سالمندي تحت بررسي قرار مي‌گيرند.

خوشه‌بندي در شبکه‌هاي حسگر بي‌سيم يک روش مناسب جهت ساختار بخشيدن به شبکه بوده و با هدف انتساب مجموعه‌‌اي از گره‌هاي شبکه به يک سرخوشه انجام مي‌گيرد. سرخوشه، داده‌ها را از گره‌هاي حسگر جمع‌آوري نموده و با استفاده از ارتباطات دوربرد براي مرکز اصلي ارسال مي‌نمايد. اين وظيفه مي‌تواند به سرعت انرژي سرخوشه را تحليل ببرد. لذا گره‌هاي سرخوشه بايستي به طور متناوب تغيير کنند. يکي از روش‌هاي اخير براي خوشه‌بندي گره‌ها، الگوريتم BLAC است که علاوه بر درنظرگرفتن معيارهايي از پيش تعريف شده، ميزان انرژي هر گره را نيز در هر تناوب در نظر مي‌گيرد. اين الگوريتم تنها پارامتر طول عمر شبکه را بهبود داده و پارامترهاي ديگر کارايي شبکه از قبيل متوسط نرخ تحويل بسته‌ها، متوسط تعداد گام‌ها تا گره سرخوشه و ميزان پايداري شبکه را در نظر نمي‌گيرد. در اين مقاله با استفاده از معيارهاي جديد کارايي شبکه از قبيل ضريب خوشه‌بندي، رتبه‌بندي گره‌ها و همچنين وزن‌دهي معيارها، نسخه توسعه‌ يافته‌اي از الگوريتم BLAC ارائه مي‌شود که گره‌هاي سرخوشه را به صورت بهبود يافته انتخاب مي‌نمايد. نتايج شبيه‌سازي نشان مي‌دهد که استفاده از معيارهاي پيشنهادي، علاوه‌بر افزايش طول عمر شبکه تا 34 درصد نسبت به نسخه اصلي BLAC ، پارامترهاي ديگر کارايي را نيز بهبود داده است.