انجمن کامپیوتر ایران

تقريباً تمامي كساني كه از تلفن همراه استفاده م يكنند در هر روز چندين دقيقه از وقتشان را به دلايل مختلف، به تايپ كردن مت ن در تلفن همراه اختصاص مي دهند. به دليل محدوديتهايي كه از نظر اندازه براي تلفن همراه وجود دارد، تعداد كليدهاي اين وسيله از تعداد حروف الفبا كمتر است و سازندگان اين وسائل مجبورند برروي هر كليد بيش از يك حرف را قرار دهن د. اين امر باعث ميشود كاربران براي وار د كردن يك متن، تعداد كليدهاي بيشتري را فشار دهند . يكي از روشهاي متداول براي حل اين مشكل، استفاده از الگوريتمهاي پي شبيني براي حدس زدن حرف مورد نظر كاربر به هنگام فشردن هر كليد ميباشد. از عوامل مهم و تأثيرگذار در دقت الگوريتم پيشبيني، نحوه پراكنده شدن حروف (چينش) برروي صفحه كليد است. بدليل اينكه يافتن چينش بهينه، يك مسأله بغرنج به شمار ميآيد معمولاً از روشهاي مكاشفهاي براي حل اين مسأله استفاده ميشود. در اين مقاله از الگوريتم ژنتيك براي جستجوي چينش بهينه حروف فارسي برروي صفحه كليد تلفن همراه استفاده ك ردهاي م. نتايج بررسي ما نشان مي دهد استفاده از چينش هاي يافت شده توسط الگوريتم ژنتيك باعث ميشود خطاي الگوريتم پي شبيني براي حروف فارسي بيش از ۳۰ درصد كاهش يابد.

در اين مقاله يک طبق ه بندي کننده با ساختار ترکي بي ارائه شده که در آن از مدل مخفي مارکو ف (HMM) و بردارهاي پشتيبان ماشين (SVM) بصورت سريال به منظور بهبود طبقه بندي استفاده شده است. در اين ترکيب از مزاياي هر دو طبق هبندي کننده فوق استفاده شده، زيرا HMM توان ايي کار کردن با داد ه هاي ديناميک و سلسله مراتبي را داشت ه در حاليکه SVM عموميت بهتري مخصوصاً بر اي کلاسهاي با تعداد داد ههاي محدود دار د. در مرحله اول از طبقه بندي کننده HMM استفاده شده و بر اي حل مسأله عدم قط عيت آ ن، در مرحله بعد SVM به کار گرفته شده اس ت. همچنين بر اي بالا بردن کارا يي طبقه بندي کننده SVM از نسخه وزن دار شده آن استفاده شده که وزن دا د ها را بر اساس HMM ت عيين م يکند. روش ارائه شده در اين تحقيق بررو ي پايگاه داده هاي Cancer و Diabetes, Glass, Iris اعمال شده که نتايج حاکي از برتري اين روش ترکيبي برهر دو روش HMM و نسخه وزن دار شده SVM ميباشد.

با توجه به توسعه مجموعه هاي مستندات و اطلاعات خصوصاً بر روي وب، معماري هاي متمركز سيستمهاي بازيابي هوشمند اطلاعات جوابگوي نياز كاربران نم ي باشند، لذا جهت كاهش زمان پاسخ دهي و افزايش ضريب گذردهي اين سيستم ها، معماري هاي توزيع شده و معما ري ه اي موازي در مقابل معماري ه اي متمركز م ي توانند مطرح گر دند. در اين تحقيق با بكارگيري روشهاي چند عاملي و استفاده از خرد جمعي، يك سيستم بازيابي هوشمند اطلاعا ت در قالب زبان جاوا پياده سازي شده است. .در اين پياده سازي با ايجاد قابليت خبرگي و يادگيري محدود و ساده در عاملها، پس از چند مرحله بازيابي اطلاعات، كارايي سيستم به نحو چشمگيري بهبود مي يابد. نتايج حاصله نشانگر اين است كه در الگوريتم نمونه پس از ۱۵ مرحله اجرا، خبرگي قابل توجهي در عاملها حاصل م يشو د؛ بگونه اي كه معيار تعداد مستندات مرتبط بازيابي شده قابل رقابت و يا حتي بهتر از سيستمهاي كلاسيك متمركز است.

رديابی مسيرهای فيبرهای عصبی در واکسله‌ايی شامل فيبرهای متقاطع با جهت‌های مختلف، یکی از مهمترين مشکلات در رديابی فيبرهای عصبی بافت سفيد مغز با استفاده از داده‌های تصويربرداری تشديد مغناطيسی انتشاری (DT-MRI) می‌باشد. باید توجه داشت که داده‌های تصويربرداری تشدید مغناطيسی انتشاری دارای توزیع فوق نرمال می‌باشند. بنابراین به منظور حل این مشکل، میتوان از تحلیل مؤلفه‌های مستقل سریع برای تجزیه سيگنال‌های تشديد مغناطيسی در واکسله‌ايی که دارای فیبرهای متقاطعند استفاده کرد. در اين مقاله به منظور بهبود مسیرهاي فیبرهای عصبی بازسازی شده، به جای استفاده از روش معمول Streamline از روش Tensor deflection استفاده‌ شده‌است. نتایج حاکی از بازسازی بهتر نسبت به روش‌های پيشین است.

فايروالها (حفاظ ها) با پالايش و كنترل ترافيك شبكه با توجه به يك سياست امنيتي مشخص، شبكه داخل ي را از شبكه خار ج ي حفاظت م ي كنند. با اين حال ، وجو د برخ ي آس يب پذيري ها در ف ا يروال باعث م ي شود كه مهاجم ين به راحت ي فا يروال را دور بزنن د . در اين مقاله به برر س ي آس يبپذيريهاي مهم و ش ا يع در فا يروال ها پرداخته و آ ن ها را بر اساس پيشزمينه و اثر، دسته بندي كرده اي م. براي هر دسته، چند نمونه از فايرو ل هايي كه آسيبپذيري ذكر شده در آنها گزارش شده، نام برده شده است . براي بررس ي نتا يج سوءاستفاده از آسيبپذيري ها ، با استفاده از مد ل (Vulnerability Take Grant) VTG هر دسته را مدل كرده و تاثيرات سوءاستفاده از آنها را در شبكه بررسي مي كنيم. اين مدلسازي به تحليلگران ك م ك مي كند تا امنيت شبكه را با وجود فايروال بررسي كرده و اثرات احتمالي آسي ب پذيري هاي فايروال را تحيليل نمايند. با داشتن اين اثرات و مسيرهاي حمله مي توان كم هزينه ترين راه براي امنسازي شبكه را بدست آورد.

ايدة شبکه بر روي تراشه از سيست مهاي توزيع شده و شبکه هاي کامپيوتري با هدف اتصال ساخ ت يافته و قابل توسعه اجزاي روي تراشه گرفته شده است. بسياري از ايدههاي موجود در آن حوزهها با اعمال محدوديتهاي موجود در اين کاربرد، به ا ين حوزه نيز راه يافته اس ت. در اين مقاله، توپولوژيِ جديدي براي شبکه هاي روي تراشه ارائه شده است که بهبود يافته توپولوژي مش قطري براي کاربرد در حوزه شبکه روي تراشه مي باشد. توپولوژي ارائه شده مورد بررسي قرار گرفته و با توپولوژي مش معمولي مقايسه شده است. معماري ارائه شده بر پايه اين توپولوژي به وسيله نرم افزار OPNET شبيه سازي شده و کارآيي و تأخير در اين معماري با معماري معادل با توپولوژي مش مقايسه شده است و نشان داده شده است که اين شبکه، کارآيي بالاتر و تأخير ک متري نسبت به شبکه مش دارد.

همكاري در يادگيري برا ي سيستم هاي چند عامله وقتي عام ل ها از روش هاي يادگيري تقويتي اس ت فاده مي كنند اهميت مي يابد. در چنين محيط هايي عامل ها مي توانند دانش و تجرب ه هاي شخصي خود را به اشتراك بگذارند تا با اقتباس و استفاده از دانش يكديگ ر ، سرعت و سهولت بيشتري در يادگيري پديدآي د . البته اين مقصود به شرطي منطقي و شدني است كه هر عامل از عام ل هاي خبره تر از Q خود و تنها در ناحيه خبرگي آنها دانش كسب كن د . در اين مقاله براي آنكه عام ل هايي با يادگيري Q و دانش فازي د ر كي از خبرگي خود پيدا كنند روشي پيشنهاد مي شود كه در آن هر عامل به موازات جدول Q جدول ديگري را براي ثبت نشانه ي خبرگي ايجاد مي كند و در حين يا د گيري تغيير مي دهد. وجود اين جدول اضافي در نزد عامل ها به آنها كمك مي كند تا به هنگام تركيب دانش از محدوده خبرگي يكديگر اطلاع پيدا كنن د . آزمايش ها نشان مي دهند كه درك عامل ها از خبرگي خود نزديك به واقعيت است و تركيب دانش با استفاده از اين درك بازده بيشتري نسبت به تركيب ساده دانش ها دارد.

This paper presents a detailed traffic analysis of f-cube routing algorithm. Per-node traffic analysis illustrates the traffic hotspots caused by fault regions and provides a great assistance in developing fault tolerant routing algorithms. Moreover, the effect of a traffic hotspot on the traffic of neighbor nodes and global performance degradation is investigated, here. Currently, some coarse measures like global network latency are used to compare routing protocols. These measures do not provide enough insight of traffic distribution in presence of different fault regions. To analyze the per-node traffic, some per-node traffic measures are introduced here and one of them is selected for the rest of work. Different fault regions (single node, vertical line, horizontal line, and rectangular) in different places of a mesh network are simulated and the results are compared and interpreted. In an effort to gain deep understanding of the issue of traffic analysis of faulty networks, this paper is the first attempt to investigate per-node traffic around fault regions.

In this work, The scanner is calibrated by neural network techniques. for calibration, the RGB values converts to the device independent CIE color space. The method adopted in the paper through several test experiments consists of several structure and topology for neural network and non-linear filtering applied to the scanner RGB values. we devised. The experimental results are very considerable. The accuracy of this works is as good as other works.

This paper presents the theoretical development of nonlinear adaptive filter based on a concept of filtering in high dimensional space (HDS). The most common procedures for nonlinear estimation are the extended Kalman filter. The basic idea of the extended Kalman filter (EKF) is to linearize the state-space model at each time instant around the most recent state estimate. Once a linear model is obtained, the standard Kalman filter equations are applied. Main innovation in this paper is new linearization technique in EKF. The Linearization is performed by converting existing space to high dimensional space. HDS helps having linear space from nonlinear space. In this linear space, the standard Kalman filter gives rise to better results in estimation and prediction purposes. It is proven that MSE and error variance in this space is less than the input space. The proposed EKF is implemented in pedestrian tracking and results show that our method is superior to the standard extended Kalman filter.

Input-Queued switch architecture has become attractive for implementing high performance routers because the switching fabric and the buffer need not run at a multiple of input link's rate. It is challenging to provide a scheduling technique that is both highly efficient and fair in resource allocation. We propose an iterative Cell- based Fair scheduling (iCFS) scheme, based on SLIP that support fair bandwidth distribution among flows and achieves asymptotically 100 percent throughput.

In this paper, we present a cycle-accurate co-simulation environment developed for verification and performance evaluation of OO-ASIP in our ODYSSEY design methodology. This environment is composed of a processor Instruction Set Simulator (ISS) integrated with a hardware simulator and communicate with it through socket connections. We demonstrate the effect of our co-simulation method in increasing speed of simulation without missing cycle accuracy of results by means of two case studies.

Attacks on Computer networks can be divided into four groups including denial of service (DOS), unauthorized access from remote machine (R2L), unauthorized access to super user privileges (U2R) and probing (Probe). Using information collected from a system along probing attack, an attacker can identify vulnerability of victim system and specify the kind of attack to penetrate that system. Probing attack is the preamble of other attacks, so if that attack is detected and prevented, the immunity of the system is more promoted . In this paper we use support vector machine (SVM) to detect probing attack. The results of our experiments performed on dataset provided by the DARPA intrusion detection evaluation program; show that SVM classifier outperforms many other classifiers for detection of probing attacks.

در اين مقاله يك طبقه بندی کننده فازی مبتنی بر اتوماتای يادگير سلولی پيشنهاد ميگردد. در اين طبقه بندی کننده به كمك مجموعه ای از اتوماتاهای يادگير سلولی توابع عضويت و قوانين فازی به طور اتوماتيک توليد ميشوند. از اتوماتای يادگير سلولی نا همگنِ ناهمگامِ باز به عنوان ابزاری برای يافتن بهترين ساختار توابع عضويت فازی استفاده شده است. در اتوماتای يادگيرسلولی ناهمگام باز هر سلول برا ی انتخاب عمل خود علاوه بر پاسخ سراسری محيط از نتيجه اعمال انتخابی توسط اتوماتاهای يادگير همسايه خود نيز تاث ير ميپذيرد . طبقه بندی کننده فازی پيشنهادی به ازای هر ويژگی يک اتوماتای يادگير سلولی جهت تنظيم توابع عضويت مربوط به آن ويژگی استفاده می نمايد.هر تابع عضويت مربوط به يک ويژگی به يك سلول در اتوماتای يادگير سلولی متناظر با آن نگاشت ميشود كه وظيفه آن يافتن مناسب ترين واريانس و ميانگين براي آن می باشد. طبقه بندی كننده فازی پيشنهادی بر رو ی آزمايش شده است. نتايج آزمايشات (Iris) پايگاه داده استاندارد گل زنبق نشان ميدهد كه طبقه بندی کننده پيشنهادی با استفاده از ۸ قانون ۹۷ % طبقه بندی كند که در مقايسه / فازی ميتواند دادهها را با راندمان ۳ با بيشتر روشهاي گزارش شده نتيجه بسيار خوبی می باشد.

در اين مقاله روشی جهت افزايش دقت سيستم های بازيابی تصوير مبتنی بر محتوا (Retrieva l CBIR: Content Based Image ) ارائه می شود. اين سيستم ها ابتدا به دسته بندي تصاوير پرداخته و سپس به بازيابي دسته اي از تصاوير كه مورد نظر كاربر است اقدام مي كنند. ما با انتخاب ويژگي هاي كيفي، به ارتقاء دقت دسته بندي مي پردازيم. در روش پيشنهادی قدرت دسته بندی هر ويژگی به کمک يک معيار آماری محاسبه شده و سپس به گزينش ويژگی هايي می پردازيم که قدرت دسته بندی بيشتری داشته باشند . نتايج آزمايشی نشان می دهند، تعداد کمی از اين ويژگی ها قادرند پيچيدگی محاسباتی را کاهش و دقت دسته بندی را افزايش دهند.

طبقه بندی خودکار متون از موارد کاربرد الگوریتمهای یادگیری ماشینی در مبحث بازیابی اطلاعات میباشد. در این مقاله نیز نتایج طبقه بندی خودکار متون فارسی با استفاده از معیارهای شاخص گذاری -gram ٤-gram٣ و کلمه ارائه شدهاست . در ضمن نتایج در دو حالت با حذف stop word و بدون حذف stop word های متون نیز مقایسه شدهاند. به منظور دستهبندی متون از الگوریتم یادگیری ماشینی نزدیکترین k همسایه (knn) استفاده شده است و در نهایت به منظور ارزیابی و مقایسه نتایج، دو معیار دقت و یادآوری برای هر روش شاخصگذاری نیز محاسبه شدهاند. نتایج بدست آمده نشان داد که بهترین روش شاخصگذاری متون فارسی -gram ٤ میباشد و حذف stop word ها نتایج را اندکی بهبود میبخشد.

یادگیری الکترونیکی روشی برای ایجاد سیستم آموزشی انعطاف پذیر منطبق بر سطح دانش یادگیر در هر زمان و هر مکان است. شخصی سازی، یکی از مفاهیم کلیدی در جریان آموزش و پرورش است. بر این اساس یادگیری الکترونیکی باید متمرکز روی شخص گرا بودن فرایند یادگیری شود تا به نتیجه مطلوب در یادگیری برسد. همچنین ضرورت تشریک مساعی و تعامل در محیط های یادگیری الکترونیکی امری بدیهی و لازم است. در این مقاله روشی جهت بهبود شخص گرا بودن فرایند یادگیری ارائه شده است. روش پیشنهادی ارائه ی محیطی مبتنی بر تطبیق دانش (محتوای آموزشی) بر اساس توسعه مهارت و صلاحیت یادگیر در یادگیری الکترونیکی مطرح شده است. که با تفکیک مهارت ها به دو بخش "لازمه" و "آموختن"؛ امکان یادگیری در محیط توزیع شده، منطبق بر شرایط یادگیر فراهم می شود. همچمنین برای پیاده سازی محیط یادگیری متحرک، از تکنولوژی عامل سیار استفاده شده است.

در اين مقاله يک الگور يتم مبتن ي بر اتوماتاه اي ي ادگير بر اي يافتن درخت پوش اي م ينيمم با کمتر ين هز ينه مورد انتظار در گرافه اي تصادفي ارائه شده است . فرض بر اين است که تابع توز ي ع وزن يالها از قبل ش ناخته شده نيست و فقط به نمونه ه اي توزي ع يالها دسترس ي داريم. هدف يافتن چنين درختي با حداقل تعداد نمونه گ يري از يالهاي گراف م ي باشد . در الگور يتم پيشنهادي در هر تکرار اتومات اي ي ادگير يالي از گراف را بر اي نمونه گ يري نامزد م ي کند و سپس بر اساس تحليل آمار ي مشخص مي شود که آ يا از آن يال ب ايد نمونه گرفته شود يا نه . به منظور ارز يابي الگور يتم پيشنهادي، تعداد نمونه ه اي گرفته شده توسط الگور يتم پيشنهادي با تعداد نمونه ه اي مورد ني از به روش نمونه گ يري استاندارد مق ايسه شده است . نتايج آزم ايشي نشان داده که تعداد نمونه ه اي گرفته شده توسط الگوريتم پيشنهادي به مراتب کمتر از تعداد نمونه هاي گرفته شده به روش نمونه گيري استاندارد مي باشد.

در یک سیستم محاسباتی ناهمگن، منابع دارای توانمندی های متفاوت و وظایف دارای نیازمندی های مختلف است . برای حداکثر کردن کارایی اینگونه سیستم ها ضروری است که وظایف به منابع واگذار شوند(نظیریابی) و ترتیب اجرای وظ ایف روی منابع مشخص شود(زمانبندی)، بطوری که ناهمگنی وظایف و منابع نیز در نظر گرفته شود. در این مقاله نگاشت پویای وظایف بلادرنگ نرم در محیط های محاسباتی ناهمگن توزیع شده مطالعه شده است . نگاشت پوی ا(نظیریابی و زمانبندی ) زمانی انجام می شود که نرخ ورود وظایف از قبل معلوم نباشد. در محیط ناهمگن مطرح شده در این مقاله، ورود وظایف تصادفی بوده و وظایف مستقل از هم و همچنین وظایف دارای اولویت و چندین فرجه نرم هستند . در این مقاله ما الگوریتم هایی را با استفاده از آتاماتای یادگیر برای نگاشت وظایف بلادرنگ نرم در محیط های محاسباتی ناهمگن، پیشنهاد و آنها را با سه تا از بهترین الگوریتم های موجود مقایسه کرده ایم که نتایج شبیه سازیهای انجام شده نشان می - دهد، الگوریتم های پیشنهادی در محیط هایی با ناهمگنی بالا نسبت به بهترین الگوریتمهای موجود عملکرد بهتری دارند.

چارچوب معماري زکمن ١ که به نوعي جدول مندليف مدلهاي معماري سازماني به حساب مي آيد، چارچوب مرجعي است که شش جنبه اطلاعات، فرآينده ا، مکانها، افراد، رويداده ا و اهداف را تحت پوشش قرار مي دهد. چالش اصلي چارچوب زكمن، عدم ارائه روش انجام معماري است. واضح است كه داشتن يك چارچوب (هر چقدر هم كامل و خوش تعريف) بدون بكارگيري و اجراي آن ب يفايده خواهد بود. در اين مقاله متدولوژي معماري سازماني آقاي اسپيواك با توجه به رويكرد معماري سرويس گرا و در جهت پوشش كامل(در حد توان و دانش ) به چارچوب زكمن اصلاح و به روز رساني مي شود. نتايج اين رهيافت بر هر سه مورد چارچوب زكمن، متدولوژي معماري آقاي اسپيواك و معماري سرويس گرا اثر مي گذارد.