انجمن کامپیوتر ایران

تحقيقات علمي در زمينه¬هاي مختلف حجم زيادي از داده را توليد مي¬كنند؛ كه مديريت اين حجم انبوه داده به صورت متمركز، به علت تاخير دسترسي و بارگذاري زياد روي سرور مركزي بي¬نتيجه خواهد بود. براي حل اين مشكل استفاده از تكنولوژي‌هاي گريد پيشنهاد شده است. گريد داده، توزيع چنين داده¬هايي را در مكان¬هاي جغرافيايي مختلفت سهيل مي‌كند. یک تکنیک مهم برای مدیریت داده¬های انبوه به صورت توزیع¬شده تکرار داده¬ها است. ایده کلی تکرار داده¬ها، قراردادن کپی¬های داده¬ها در مکان¬های مختلف می¬باشد. درگرید¬های داده¬ای، اصولا كپي¬هاي متعددي از هر داده نگهداري مي شود و كاربران براي دسترسي به اطلاعات به در دسترس¬ترين،نزديك¬ترينوسريع¬ترينكپيهدايتمي¬شوند. تا كنون الگوريتم¬هاي زيادي براي تكرار داده¬ها ارائه شده است،كه به دو دسته كلي ایستا و پویا تقسيم می¬شوند. در این مقاله استراتژی اصلاح شده¬ای برای تکرار داده¬های پویا ارائه می¬گردد. این استراتژی بر مبنای استراتژیتکرار سلسله مراتبی پویا یا DHR می¬باشد، که با تعیینیک حد آستانه پویا جهت مشخص کردن مناسب¬ترین تعداد کپی برای فایل تقاضا شده، باعث کاهش زمان اجرای کارها و جلوگیری از اتلاف پهنای باند می¬شود و در نتیجه، عملکرد الگوریتم¬های موجود را بهبود می¬بخشد.

شبكه‌هاي حسگر بي‌سيم شامل تعداد زيادي گره‌ی حسگر كوچك مي‌باشند.این گره‌ها دارای محدويت منابع، از جمله حافظه، پهناي باند و باتري پايين هستند. در ارتباط‌هاي چند گامي بيشتر انرژي گره‌ها صرف ايجاد ارتباط با حسگرهاي ديگر مي‌شود، كه منجر به مصرف زياد انرژي در حسگرها مي‌گردد. با توجه به محدودیت منابع شبکه‌های حسگر، خوشه‌بندی يك روش موثر براي کاهش مصرف منابع این شبکه‌ها می‌باشد.

گستردگی و تنوع سرویس های فراهم شده توسط شبکه های IP سبب روی آوردن فناوری های مختلف به سمت یکپارچه و مجتمع سازی انواع شبکه های دسترسی و گرویدن به شبکه نسل آینده است. پروتکل SIP با توجه به امکاناتی چون متنی بودن، برقراری تماس انتها به انتها و استقلال از نوع داده انتقالی، انتخاب مناسبی برای پروتکل سیگنالینگ جهت برقراری ارتباط بین دو کاربر شبکه IP است. این مزایا موجب شده تا SIP به عنوان پروتکل سیگنالینگ در IMS که بستر سیگنالینگ پیشنهادی برای شبکه های نسل آینده است، در نظر گرفته شود. با همه این مزایا، پروتکل SIP فاقد مکانیزم مناسب برای مواجهه با اضافه بار می باشد. دراین مقاله مکانیزم کنترل اضافه بار مبتنی بر پنجره که نیازی به بازخورد صریح ندارد برروی پروکسی متن باز Asterisk توسعه ، پیاده سازی و ارزیابی شده است. نتایج پیاده سازی نشان می دهد که این روش در عمل می‏تواند باعث حفظ گذردهی در شرایط اضافه بار شود و تا آنجا که ما اطلاع داریم این تنها روش کنترل اضافه بار بدون استفاده از بازخورد صریح است که در یک بستر واقعی پیاده سازی شده است.

استفاده هم‌زمان از اطلاعات ساختاري و اطلاعات پيمايش كاربران يكي از چالش‌هاي مطرح در بهبود كارايي الگوريتم‌هاي شخصي‌‌سازي وب مي‌باشد.در اين مقاله معيار جدید وزن‌دهي"تاریخ" را به دو معیار قبلی که شامل "مدت زمان مشاهده صفحه" و "فركانس مشاهده صفحه" هستند، براي محاسبه وزن صفحات مشاهده ‌شده توسط كاربران افزودیم، كه به خوبي ميزان اهميت و علاقه كاربران را به آن صفحه نشان مي‌دهد. در این مقاله، بعد از بررسی رفتار کاربران، به این نتیجه رسیدیم که هر کاربر امکان دارد به چندین گروه از صفحات علاقه‌مند باشد و این مفهوم را با صورت فازی بیان کردیم.گروهی از کاربران را که دارای رفتار و علایق یکسانی هستند را خوشه‌بندی کرده و در ادامه به منظور مدل کردن رفتار کاربر از مدل‌های رسمی به علت پشتیبانی از ساختار و قابلیت نمایش رفتار کاربران را در وب دارند، استفاده نمودیم. نتایج بدست آمده میزان موفقیت استفاده از شبکه پتری فازی رنگی را در مقایسه با روش‌های پیشین نشان می‌دهد.در این مقاله، سعی شده به اهداف خود که شامل بهبود تعامل کاربران با وب، فراهم کردن تبلیغات متناسب با کاربران بدون درخواست صریح آنان وارائه یک مدل رسمی به منظور پيشنهاد تبلیغات به صورت هدفمند به كاربران ارائه شده است.

شبکه¬های تورین محاسباتی (گرید) زمینه‌ای را فراهم آورده است که بتوان از منابعناهمگن در نقاط مختلف جغرافیایی برای حل مسائل پیچیده علمی، مهندسی و تجارت استفاده کرد. عملیات زمانبندی نقش کلیدی در عملکرد گرید ایفا می¬کند.در این مقاله، یک روش جدید زمانبندی کارهای مستقل برروی منابع ناهمگن ارائه شده است. برای ارزیابی از معیار محک براون استفاده می‏کنیم که سه پارامتر زمان اتمام آخرین کار، مجموع زماناتمامکارها و درصد بهره¬وری منابع مورد توجه می¬باشد. نتایجپیاده¬سازی نشان می¬دهد که روش ارائه شده نسبت به الگوریتم¬های پیشین بطور متوسط، 17% بهبود در زمان اتمام آخرین کار، 11% بهبود در مجموعزماناتمام کلیهکارها و 3% بهبود در درصد بهره¬وری از منابع داشته است.

طراحی دیاگرام کلاس در سیستم‎‌های نرم‎‌افزاری وظیفه‎‌ی بسیار مهمی است که لازم است به نحو مطلوبی انجام شود. در این پژوهش از رویکرد مهندسی نرم‎‌افزار جستجو محور استفاده شده است که خود متکی بر روش‌های جستجوی فرامکاشفه‎‌ای است. در این پژوهش از روش بهینه‎‌سازی کلونی مورچگان چند هدفی استفاده شده است که علاوه بر سرعت همگرایی بالا، با ذات انتخابی بودن مسأله نیز سازگار است. ورودی روش پیشنهادی، مدل تحلیل یک سیستم است و خروجی آن به شکل چند دیاگرام کلاس پیشنهادی در اختیار متخصص قرار می‎‌گیرد تا وی بر اساس نیاز مسأله و محدودیت‎‌های موجود، بهترین طراحی را انتخاب کند. روش پیشنهادی با استفاده از یک مورد مطالعاتی مورد ارزیابی قرار گرفته است و نتایج حاصل نشان می‎دهد که خروجی این روش تفاوت اندکی با نظر متخصص دارد.

الگوریتم جستجوی هارمونی یکی از الگوریتم‌های تکاملی بوده که از موسیقی الهام گرفته شده است و مبتنی بر جستجوی تصادفی است. از کاربردهای آن می‌توان به بهینه‌سازی توابع خطی و غیرخطی، دسته‌بندی داده‌ها و حل مسائل بهینه سازی اشاره نمود. الگوریتم جستجوی هارمونی تا کنون برروی مسائل ایستا اجرا شده و نتایج قابل قبولی را ارائه داده است ولی اکثر مسائل در دنیای واقعی پویا بوده و تابع هدف، متغیرهای محیطی یا محدودیت های آندر طول زمان تغییر می‌کند که در نتیجه، راه حل بهینه بطور پیوسته در حال تغییر می‌باشد. از این‌رو لازم است که الگوریتم‌های بهینه سازی نیز متناسب با آن درحال تغییر باشند. در این مقاله از الگوریتم جستجوی هارمونی استاندارد برای بهینه‌یابی سراسری در کنار الگوریتم جستجوی هارمونی محدود شده به یک شعاع در بهینه‌یابی محلی بصورت همکارانه استفاده شده است. الگوریتم مذکور بر روی معیار قله‌های متحرک که از شناخته شده‌ترین معیارها در محیط پویا هستند ارزیابی شده و با نتایج حاصل از چندین الگوریتم معتبر مورد مقایسه قرار گرفته است. نتایج آزمایشات نشان دهنده صحت و کارایی روش ارائه شده می‌باشد.

Semantic Similarity is considered as an important component of many applications such as Natural Language Processing, Information Retrieval, Text Clustering and etc. This paper presents a new method for evaluating the semantic similarity of words based on ontology. Ontology development in many field and its structural features has led to be used as an effective knowledge-base in proposed method. In this paper, we introduce a hybrid method that computes similarity considering both structural features (shortest path between two nodes, neighbors, hyponym and etc.) and glosses of entity. Finally, we use WordNet and evaluate this work related to human similarity scores. The results are given to demonstrate the effectiveness of our approach against related work

پسوریازیس بیماری پوستی التهابی است. در این بیماری سیستم ایمنی مختل شده و سطح پوست با پلاک‌های قرمز پوشیده می‌شود. این بیماری درمان قطعی ندارد و تنها امکان کنترل با دارو وجود دارد. برای اندازه‌گیری میزان تاثیر داروها از شاخص PASI (Psoriasis Area and Severity Index) استفاده می‌شود که شامل چهار پارامتر وسعت، قرمزی (اریتم)، پوسته‌ریزی و ضخامت پلاک است. پزشکان پارامتر اریتم را به صورت تجربی و با چشم تخمین می‌زنند که نتایج آن در بین پزشکان متفاوت است. در مطالعات پیشین مدلی برای اندازه‌گیری خودکار پارامتر اریتم در استاندارد PASI (پاسی) ارائه شده که توسط پردازش کل پیکسل‌های پلاک تصویر انجام می‌شود. ولی پردازش کل پیکسل‌های پلاک کاری زمان‌بر است. هدف از این مقاله ارائه روشی جهت پردازش سریع پلاک تصویر با حفظ دقت اندازه‌گیری مطالعات پیشین است. برای این منظور با استفاده از نمونه‌گیری سیستماتیک، حجم بسیار کمی از پیکسل‌های پلاک انتخاب و پارامتر اریتم براساس آنها اندازه‌گیری شده است. نتایج نشان داده‌اند که تنها پردازش حدود 59 پیکسل پلاک برای اندازه‌گیری پارامتر اریتم در تصاویر با کیفیت‌های متفاوت کافی است و در دقت محاسبه خودکار درجه اریتم نسبت به الگوریتم پیشین تغییری ایجاد نمی‌شود.

این مقاله یک رویکرد نظارت شدۀ برای بهبود دقت طبقه‌بندیِ طیفی - مکانی تصویر ابرطیفی با ساختار طبقاتی و یادگیری فعال ارائه می‌دهد. الگوریتم پیشنهادی شامل دو مرحلۀ اصلی می‌باشد. در ابتدا، از رگرسیون لجستیکِ چندجمله‌ای (MLR) برای استنتاجِ توزیع‌های احتمال پسین کلاس استفاده می‌کنیم. این امر با استفاده از رگرسیون لجستیکِ لاگرانژیِ تقویتی (LORSAL) انجام‌گرفته است. در واقع، در این مقاله، روش LORSAL با استفاده از کرنل‌ها به حوزه ویژگی توسعه‌یافته است. سپس، اطلاعات حاصل از مرحلۀ قبل برای طبقه‌بندیِ طیفی - مکانی تصویر ابرطیفی استفاده می‌شود. به منظور کاهش هزینۀ دستیابی به مجموعه‌های آموزشیِ بزرگ، از یادگیری فعالِ مبتنی بر احتمالات پیشینِ MLR استفاده می‌کنیم. دیگر نوآوری این مقاله، معرفیِ رویکرد نمونه‌گیری فعال جدیدی است که پیوندهای شکنندۀ اصلاح‌شده (MBT) نامیده شده و نمونه‌گیری‌ای بدون بایاس ارائه می‌کند. همچنین، به منظور دستیابی به حداکثر طبقه‌بندیِ طیفی - مکانی، پس از یکنواخت سازی توسط میدان‌های تصادفی مارکوف از الگوریتم بهینه‌سازی گسترۀ آلفای عدد صحیح مبتنی بر min – cut استفاده می‌کنیم. عملکرد رویکرد پیشنهادی، با استفاده از مجموعۀ داده‌های طیفیِ واقعی در آزمایش‌های مختلف با نتایج سایر روش‌های تحلیل تصویر ابرطیفیِ ، مقایسه شده است.

در این مقاله یک سیستم توصیه‌گر مبتنی بر روشی ترکیبی متشکل از رویکردهای یادگیری با ناظر و بدون ناظر توسعه داده شده است. بخش تحت ناظر آن توسط یک شبکه عصبی ساخته شده است. مشکل اصلی در هنگام استفاده از شبکه عصبی تنظیم پارامترهای آن و تعیین ساختار شبکه است که بیشتر به صورت تجربی و با سعی و خطا به دست می-آید، در این تحقیق با استفاده از الگوریتم رقابت استعماری یک شبکه عصبی بهینه طراحی شده است. سیستم توصیه‌گر بر روی داده‌های استاندارد محک زده شده است. نتایج حاصل نشان می‌دهد که با استفاده از شبکه‌های عصبی در الگوریتم ترکیبی تحت ناظر و بدون ناظر می‌توان به دقت بالاتری رسید. این مقاله با استفاده از یک مدل مبتنی بر شبکه عصبی با 4 خوشه سطری و 4 خوشه ستونی به مقدار 72/0 برای سطح زیر منحنی ROC دست یافته است.

امروزه با تشدید رقابت بین شرکت‌ها، سازمان‌ها هزينه‌های بيشتری را صرف فعاليت‌های تبلیغاتی می‌کنند. از اين رو استفاده از تکنیک‌هایی که نرخ پاسخ عمليات تبلیغاتی را بهبود می بخشند با ارسال پیام‌های تبلیغاتی به مشتریانی که انتظار می‌رود به محتوای پیام تبلیغاتی ارسال شده علاقمند باشند، اهمیتی روزافزون يافته است. در این پژوهش با ترکیب استنتاج فازی و الگوریتم ژنتیک، روشی جدید برای بهبود سودبخشی فعاليت تبلیغاتی ارائه می‌شود. روش پیشنهادی به همراه روش‌های دیگر داده‌کاوی، نظیر درخت تصمیم و روش بیز بر روی مجموعه داده یک بانک پرتغالی در مورد تمايل مشتریان به گشايش سپرده مدت‌دار ارزيابی می‌شود. در روش ارائه شده، مشتریان با استفاده از منطق فازی بخش‌بندی شده و به منظور بهبود فعاليت‌های تبلیغاتی و افزایش سودآوری آن‌ها، از الگوریتم ژنتیک برای یافتن بهترین بخش‌بندی ممکن استفاده می‌شود. این روش با ارسال پیشنهاد به مشتريانی که به احتمال قوی پاسخ می‌دهند، کارایی را به میزان قابل توجهی نسبت به ارسال پیشنهاد به تمامی مشتریان بهبود می‌بخشد. نتایج آزمایش‌های انجام شده نشان می‌دهد که روش پیشنهادی در تمامی حالات بهتر از روش بازاریابی انبوه است. همچنین در سناریوهای واقعی، بسیار بهتر از دو الگوریتم درخت تصمیم و بیز عمل می‌کند.

در راستای پیشرفت‌های اخیر در حوزه‌ی ارتباطات بی‌سیم، الگوی جدیدی تحت عنوان"شبکه‌های موردی خودرویی" به منظور برقراری ارتباط خودرو‌ها با یکدیگر و همچنین با واحدهای کنارجاده‌ای به وجود آمده است. علی‌رغم آنکه این نوع شبکه ‌با انگیزه‌ی بهبود ایمنی در سیستم حمل‌و‌نقل پدید آمده؛ اما باید خاطر نشان کرد که تحقق آن، بستری توانمند برای ارائه‌ی طیف وسیعی از کاربردها اعم از ایمنی و غیرایمنی محسوب می‌شود. پیام‌ها در بسیاری از کاربردهای مذکور، برای خودرو‌ها در محدوده‌ای فراتر از یک پرش سودمند هستند؛ لذا بایستی به صورت چندپرشی در شبکه منتشر شوند. این فرآیند در عمل، معادل با مفهوم "پخش‌فراگیر چندپرشی" است. در این مقاله، ضمن محوریت قرار دادن معیار حداقل افزونگی در ارسال پیام و تحمیل بار کاری اندک بر روی کانال، طرحی قابل‌اطمینان و مبتنی بر ناحیه، برای پخش‌فراگیر در شبکه‌های موردی خودرویی پیشنهاد شده است. با توجه به طرح پیشنهادی و همچنین بر اساس روش‌های انتخابِ گره رله، دو پروتکل جدید یکی مبتنی بر فرستنده و دیگری مبتنی بر گیرنده معرفی شده است. در هر یک از این دو پروتکل، زمان انتظارِ گره‌های گیرنده، بر اساس معیاری جدید تعیین می‌گردد. نتایج شبیه‌سازی حاکی از آن است که پروتکل‌های پیشنهادی، عملکرد مناسب‌تری نسبت به پروتکل مورد مقایسه دارند.

اخیرا استاندارد 802.15.4e، به منظور افزایش قابلیت اطمینان در زیر لایه کنترل دسترسی و برای استفاده در شبکه‌های حسگر بی‌سیم ارائه شده است. استفاده از کانال‌های متعدد غیرهمپوشان احتمال رخداد تصادم بین فرستنده‌ها را کاهش داده و این خود باعث افزایش کیفیت سرویس در شبکه و کاهش مصرف انرژی می‌شود. مکانیسم TSCH در این استاندارد هر گره حسگر را قادر می‌سازد تا ارسال بسته داده خود را بر روی یک کانال خاص و در یک اسلات زمانی معین زمانبندی کند. با این حال نحوه تخصیص کانال/اسلات و الگورریتم آن در استاندارد مشخص نشده است. در این مقاله، یک مکانیسم زمانبندی اسلات/کانال مبتنی بر 802.15.4e-TSCH برای شبکه‌های حسگر چندگامه ارائه می-شود. در مکانیسم پیشنهادی، هر گره به صورت توزیع‌شده و بر اساس حجم ترافیک عبوری اسلات‌های موردنیاز خود را برای ارسال داده تعیین می‌کند. در این روش با تخصیص اسلات‌های اختصاصی بیشتر به گره‌های نزدیک چاهک، امکان رخداد تصادم را در آن ناحیه کاهش می‌دهیم. نتایج اولیه شبیه‌سازی بر بستر OpenWSN حاکی از عملکرد کارآمد روش پیشنهادی است.

در اين مقاله، یک الگوريتم با ويژگي‌های خود-پاياسازی و محدودسازی خطا برای ساخت مجموعه غالب مینیمال به منظور خوشه‌بندی در شبکه‌های حسگر بی‌سیم، پيشنهاد می‌شود. الگوریتم‌های مشابه يا به کلی از ويژگی محدودسازی خطا بی‌بهره‌اند و یا چون اساساً با دید کاربردی خاصی طراحی نشده‌اند، با محيط عملياتی شبکه‌های حسگر تناسب ندارند. الگوریتم پیشنهادی قابلیت تنظیم وابستگی گره‌ها به سرخوشه را دارد؛ از پيکربندی‌های تک‌خطايي با پيچيدگی زمانی و مکانی O(1) ترميم می‌شود و تحت سیاست زمانبندی توزيعی ناعادلانه کار می‌کند که بیشترین مشابهت با معماری شبکه‌های حسگر را دارد. ساخت مجموعه غالب مینیمال، چون عدم مجاورت گره‌های سرخوشه را الزامی نمی‌کند، تعداد تغییر حالت کمتری تا پیکربندی مجاز نیاز دارد و ساختار خوشه‌های حاصل از آن نیز بهینه‌تر است. کاهش تعداد پيام‌های بروزرسانی، ایجاد ساختار خوشه‌بندی کارآمدتر و پايدارسازی با حداقل تغيير در ساختار توپولوژيکی از ویژگی‌های اساسی الگوريتم می‌باشند. نتایج حاصل از شبیه‌سازی نشان خواهد داد که صرف نظر از تعداد و تراکم گره‌ها، روش پيشنهادی علاوه بر ترمیم سريع در مقابل خطاهاي مقياس کوچک، زمانِ رسيدن به پايداري با شروع از پيکربندي دل‌خواه اوليه را نيز نسبت به روش‌هاي قبلي بهبود می‌دهد.

در وب معنایی، داده‌ها ساخت‌یافته هستند و از طریق پیوندهای معنایی به یک دیگر متصل شده‌اند. ساخت یافتگی داده‌ها، این امکان را فراهم می‌کند که بتوان براساس پرس‌وجوهای ساخت‌یافته و دقیق SPARQL به جستجوی وب پرداخت. بنابراین برخلاف وب اسناد که در آن، جستجو تنها براساس پرس‌وجوی کلمه‌ی کلیدی ممکن بود، در وب معنایی امکان پاسخ به پرس‌وجوهای غیرمبهم SPARQL به وجود آمده است. باتوجه به اینکه تمام نتایج بازگردانده شده در پاسخ به یک پرس‌وجوی SPARQL باید تمام شرایط ذکر شده در پرس‌وجو را برآورده نمایند، بررسی تمام نتایج و یافتن پاسخ مطلوب برای کاربر، امری زمان‌بر خواهد بود. در نتیجه نیاز به روش‌هایی برای رتبه‌بندی نتایج پرس‌وجو‌های SPARQL وجود دارد که بتواند به کاربر کمک کند تا سریع‌تر پاسخ مورد نظر خود را بیابد. در این مقاله با تطبیق روش رتبه‌بندی PageRank و تخصیص خودکار وزن به پیوندهای معنایی مختلف، یک روش رتبه‌بندی برمبنای تحلیل پیوند برای نتایج پرس‌وجو‌های SPARQL پیشنهاد شده‌است. روش تخصیص وزن، براساس تفکیک پیوندهای معنایی عام و خاص عمل می‌نماید. نتایج حاصل از ارزیابی نشان می‌دهد که روش تخصیص وزن پیشنهادی، در محاسبه‌ی رتبه موفق است و باعث بهبود دقت الگوریتم رتبه‌بندی می‌شود.

در این مقاله به روشی برای حذف و کاهش نویز از گفتار می‌پردازیم که بر کدگذاری تنک و اصول انقباضي بنا شده است. کل عملیات در حوزه زمان انجام می‌گیرد. از مهمترین کاربردهای این روش می‌توان به استفاده در سیستم‌های تشخیص گفتار و نیز در ساخت سمعک برای کم‌شنواها، اشاره نمود که کاهش نویز در این سیستم‌ها حیاتی هستند. نکته‌ی مهم در روش كدگذاري تنك چگونگي تعیین پارامترهای لازم براي تابع انقباض و تخمین واریانس نویز است. در این روش تخمین واریانس نویز با روشی ابتکاری در زمان آزمایش انجام می‌پذیرد، و تعیین سایر پارامترهای لازم در زمان آموزش از روی دادگان تمیز به خوبی انجام می‌پذیرد و سبب می‌گردد که نه‌تنها نویز بسیار خوب کاهش یابد، بلکه ساختار كليدي گفتار نیز حفظ گردد. كارايي روش فوق با الگوريتم‌هاي شناخته شده‌اي چون فيلترگذاري وینر و تفريق طيفي با سه مقیاس نسبت سیگنال به نویز قطعه‌ای، ارزیابی ادراکی کیفیت گفتار و ‌میانگین امتیاز ‌نظرات ارزیابی و مقایسه مي‌گردد و نتيجه گرفته مي‌شود كه برتري قابل توجهي نسبت به سایر روش ها ارائه داده است. به‌عنوان نمونه در مقیاس نسبت سیگنال به نویزقطعه‌ای، کدگذاری تنک انقباضی در نسبت ‌سیگنال ‌به ‌نویز 10 دسی‌بل 2/6 بوده درحالی‌که فیلترگذاری‌وینر 8/2و تفریق طیفی نتیجه بهتری از 2/2 ارائه نداده است و در شدت‌های دیگر نویز نیز به همین منوال می‌باشد.

اطلاعات فشرده شده‌ی سیگنال ویدئو، نسبت به خطاهای کانال بسیار حساس می‌باشد، به‌طوری که در هنگام انتقال، برخی از اطلاعات درون تصویر از بین رفته و کیفیت تصویر دریافتی خراب می‌گردد. لذا بازیابی اطلاعات از بین رفته، از اهمیت فراوانی برخوردار می‌‌باشد. در زمینه اختفای خطا‌، روش‌های فراوانی وجود دارد که هر یک دارای ویژگی خاصی می‌باشند. روش پیشنهادی در این مقاله با استفاده از چند نمونه‌ی شناخته شده و مناسب در مجاورت بلاک خراب، به درون‌یابی اطلاعات گم‌شده می‌پردازد. بازسازی تصویر با داشتن یک مجموعه محدود از توابع بخش‌های مجاور، انجام می‌گیرد. روش پیشنهاد شده کارآمد، پویا و ارائه دهنده یک نتیجه بسیار خوب درکیفیت دیداری تصویر می‌باشد. همچنین نتیجه‌ی این درون‌یابی برای لبه‌ها‌ی متعدد و بافت‌های پیچیده و غیرهمگن تصویر، قابل توجه است. در مقایسه با روش‌های مشابه، پیاده‌سازی این روش، بدون آن‌که در کیفیت تصاویر بازسازی شده خللی ایجاد کند، پیچیدگی محاسباتی را پایین آورده و نیز زمان پردازش را به میزان قابل توجهی کاهش می‌دهد. نتایج شبیه‌سازی نشان می‌دهد که در روش پیشنهادی، میانگین نسبت سیگنال به نویز برای تصاویر مورد آزمایش حدود dB 6 نسبت به روش [13] افزایش دارد.

انجمن‌های برخط مکان‌هایی هستند که افراد می‌توانند آزادانه نظرات خود را در آنها اعلام کنند. یکی از ویژگی‌های مهم انجمن‌های برخط این است که به مکانی برای اشتراک‌گذاری دانش تبدیل شده‌اند. تنوع کاربران و حجم دانش به اشتراک گذاشته شده در چنین محیط‌هایی بسیار بالاست، ولی مکانيزمی توانمند به منظور تعيين ميزان اعتماد به دانش اعضا وجود ندارد. با یافتن خبرگان در انجمن‌های برخط، می‌توان ميزان اعتماد به نظرات ارسالی کاربران و پاسخ‌های ارائه شده را تعيين نمود و در سامانه‌های مدیریت دانش مورد استفاده قرار داد. پیش‌تر برای این رتبه‌دهی الگوریتم PageRank مورد استفاده قرار گرفته است. با توجه به اینکه الگوریتم PageRank تنها تعداد ورودی‌ها و خروجی‌ها که در اینجا میزان پاسخ دهی به سوالات را نشان می‌دهد، به تنهایی الگوریتم مناسبی برای یافتن خبرگان نیست. در این پژوهش جهت رفع این موضوع الگوریتمی پیشنهاد می‌دهیم که علاوه بر مد نظر قرار دادن الگوریتم PageRank منطبق شده با مساله، شهرت افراد را که با توجه به تاریخچه‌ی بازخورد اعتمادهای دریافتی از سوی سایر کاربران شکل گرفته است، خبرگان هر حوزه را شناسایی و رتبه‌دهی می‌کنیم. از داده‌های انجمن برخط MetaFilter برای ارزیابی راه‌حل پیشنهادی بهره میبریم و با مقایسه آن با سایر روش‌ها، برتری راه‌حل ارائه شده را نشان می‌دهیم.

امروزه آموزش و یادگیری الکترونیکی با توجه به کارآیی آن در حوزه‌های مختلف، مورد توجه قرار گرفته است که این موضوع در حوزه‌ی پزشکی با توجه به حساسیت این حوزه از اهمیت ویژه‌ای برخوردار است. با به خدمت گرفتن آموزش الکترونیکی به شیوه‌ی مناسب می‌توان سرعت و کیفیت آموزش پزشکی را بهبود داد و جلوی خطاهای انسانی این حوزه که آسیبی جدی به جامعه وارد می‌آورد را تا حدودی گرفت. با توجه به حساسیت خاص اتاق اورژانس و اهمیت کسب تجربه برای پزشکان و دانشجویان پزشکی برای کار در این بخش، در این پژوهش، پیاده‌سازی اتاق اورژانس مجازی مورد توجه قرار گرفته است. اتاق اوژانس مجازی در واقع محیطی است که افراد با تعامل با اشیاء موجود در آن، از جمله بیمار، یک روند آموزشی سریع و آسان را طی می‌کنند. طراحی محیط به کمک نرم‌افزارهای سه‌بعدی‌ساز3ds Max و تکنولوژی ساخت بازی‌های سه‌بعدی در موتور بازی‌ساز Unity 3D صورت گرفته است. به کارگیری موتور بازی در افزایش سرعت ساخت یک محیط سه‌بعدی نقش مهمی دارد. محیط طراحی شده یک اتاق اورژانس با امکاناتی اولیه از جمله دماسنج، گوشی پزشکی، دستگاه اندازه‌گیری فشارخون، دستگاه الکتروکاردیوگراف و امکانات ثبت و مشاهده‌ی تصاویر X-ray می‌باشد. تلاش شده است تا محیط مجازی ایجاد شده تا حد امکان ساده، قابل کنترل و شبیه به محیط واقعی باشد. زمان‌دار بودن و فراهم نمودن امکاناتی جهت دریافت اطلاعات بیمار از جمله قابلیت‌های این محیط است. همچنین از جمله ویژگی‌های این محیط می‌توان به فراهم شدن امکان تمرین مدیریت شرایط در مواجهه با بیمار، عدم اضطراب مربوط به معاینه و تشخیص، و بی‌خطر بودن تجربه‌ی تشخیص نادرست بیماری و تجویز نامناسب دارو اشاره نمود.