انجمن کامپیوتر ایران

استخراج ویژگی، یکی از مراحل مهم پیش پردازش است. با این هدف که داده‌های با ابعاد بالا را به داده‌های با ابعاد پایین تبدیل کنیم. آنالیز طبقه‌بند خطی از متداول‌ترین روش‌های استخراج ویژگی خطی است. یکی از مشکلات این معیار، در مقابله با داده‌های ناهمگن است، كه برای رفع این مشكل، معیار چيرنف پیشنهاد شد. این معیار به دنبال یک ترکیب خطی است تا فاصله چيرنف بین دو توزیع را به حداکثر برساند. در این مقاله، ماتریس‌های پراکندگی جدید، براساس موقعیت قرار‌گيري نمونه‌ها تعریف شده است،که موجب جلوگیری ازتاثیرپذیری معیارچيرنف از جفت کلاسی که در فضای واقعی دور هستند، شده و نرخ کارایی طبقه‌بندی چيرنف را بهبود می‌بخشد. عملکرد روش پیشنهادی برروی داده‌های واقعی برگرفته شده از پایگاه‌ داده‌های UCI توسط روش اعتبارسنجی ضربدری 10 Fold Cross Validation، ارزیابی شده است، نتایج آزمایش‌ها نشان‌دهنده برتری روش پیشنهادی نسبت به روش‌‌های مرز دانش می‌باشد.

با توجه به گسترش روز افزون شبکه‌‏های حسگر در زمینه‌‏های نظامی، محیط زیست، خدمات شهری و پزشکی، برقرای امنیت در این شبکه‏‌ها امری مهم است. یکی از حمله‏‌های خطرناک شناخته شده علیه این شبکه‌ها، حمله Sybil است که در آن یک گره بدخواه اقدام به انتشار چندین شناسه جعلی از خود می‌کند. این حمله به طور چشمگیری پروتکل‌های مسیریابی و عملیاتی نظیر رأی‌گیری و تجمیع داده‌ها را تحت تأثیر قرار می‏دهد. در این مقاله، یک الگوریتم جدید جهت شناسایی این حمله در شبکه‏‌های حسگر بی‏سیم ثابت مطرح می‏گردد. در الگوریتم پیشنهادی، تعدادی گره ناظر متحرک وجود دارد که به‏طور مداوم در محیط عملیاتی شبکه قدم‏زنی کرده و پس از شناسایی نواحی مشکوک به حمله سایبیل و ثبت اطلاعاتی راجع به این نواحی در حافظه خود، اقدام به شناسایی حمله Sybil می‏کنند. الگوریتم پیشنهادی توسط شبیه‏‌ساز JSIM پیاده‌‏سازی گردیده و با انجام یک‏سری آزمایش‏‌ها، کارایی آن با دیگر الگوریتم‏‌های موجود، در قالب معیارهای نرخ تشخیص درست و نرخ تشخیص غلط مقاسیه شده است. نتایج این آزمایش‌ها حاکی از مطلوب بودن الگوریتم پیشنهادی است.

با پر رنگ شدن رد پای فناوری‌های نوین در زندگی روزمره‌ی کنونی، تشکیل جوامع از حدود فیزیکی خود فراتر رفته و شبکه‌های گوناگونی از هویت‌های مجازی، با هدف برقراری ارتباط و به اشتراک‌گذاری و تبادل اطلاعات، شکل‌گرفته‌اند. ارتباطات در این محیط بین افراد ناشناس و بدون حضور نهاد مرکزی شکل می‏گیرد؛ بنابراین تعاملات در چنین فضایی، مقتضیات خاص خود را می‌طلبد و اعتماد نقش مهمی در شکل‌گیری روابط بین کاربران ایفا می‌کند. مدیریت اعتماد، یک راه حل امنیتی برای جوامع باز است. با وجود اين يك سيستم مديريت اعتماد خود در برابر حملات و رفتارهای بدخواهانه، آسیب‌پذیر می‌باشد. در این مقاله قصد داریم مدل اعتمادی معرفی نماییم که پویا بوده، در برابر رفتار متغیر با زمان عامل‏ها واکنش نشان دهد و علاوه بر آن در برابر توصیه‏های ناعادلانه‏ی افراد مخرب نیز مقاوم باشد. در ارائه‏ی روشی برای مقابله با رفتار متغیر با زمان، این نکته که عامل‌ها در طول زمان، رفتار متغیری از خود نشان می‌دهند مد نظر قرار داده‌شده و از این رو تجربیات هر نود، بنا بر زمان کسب آن، ارزش‌گذاری گردیده است. راهبرد مدل پیشنهادی برای مقابله با توصیه‌های ناعادلانه نیز، محاسبه‌ی ضریب اطمینان به عوامل پیشنهاددهنده می‌باشد و علاوه بر آن از ترکیب اعتماد مستقیم و توصیه‌ای با ضریبی که در مورد نحوه‌ی محاسبه‌ی آن تحقیق شده است، برای مقابله با این نوع حمله استفاده می‌گردد. نتایج آزمایش‌های انجام‌شده برای ارزیابی مدل پیشنهادی نشان‌دهنده افزایش دقت تخمین اعتماد در حضور این حملات نسبت به مدل‌های موجود است.

نظرات منتشر شده در وب می‌توانند به عنوان یک منبع اطلاعاتی مهم در فرایند تصمیم‌گیری، مورد توجه قرارگیرند. نظرکاوی به عنوان یک حوزه علمی نسبتاً جدید در پردازش زبان طبیعی ، سعی در استخراج دانش از متن نظرات دارد. هدف نظرکاوی این است که حجم انبوهی از نظرات پیرامون یک موجودیت (یک پدیده، یک محصول و ...) توسط ماشین مورد بررسی قرار گیرد و گزارش خلاصه شده‌ای از احساس بیان شده در آن به کاربر ارائه گردد. برای دستیابی به این هدف تکنیک‌‌های آماری، داده کاوی و پردازش زبان طبیعی مورد استفاده قرار می‌گیرند. در این پژوهش تلاش شده است که با استفاده از تعریف برچسب‌‌های جدید معنایی برای نظرات و کشف ارتباطات میان این برچسب‌‌ها و نقشهای نحوی در واحد جمله به دقت بالاتری دست یابیم. همچنین بخش عمده‌ی پژوهش‌‌های نظرکاوی در زبان انگلیسی صورت گرفته است و در سایر زبان‌ها از جمله فارسی تحقیقات کمی انجام شده و دستاوردهای اندکی بدست آمده است. در این تحقیق نظر کاوی برای متن نظرات در زبان فارسی استفاده شده است، در نتیجه با چالش‌‌های زبان فارسی روبرو شده و تلاش شده است که آن‌ها رفع شوند. در انتها نیز روش پیشنهادی مورد مقایسه و ارزیابی قرار گرفته است. نتایج بدست آمده، حاکی از بهبود دقت روش پیشنهادی نسبت به روش‌های مشابه بر روی زبان فارسی است.

در این مقاله روشی برای استخراج نقش‌های معنایی بدون در اختیار داشتن پیکره‌ی حاوی نقش‌های معنایی بررسی می‌شود. با استفاده از پیکره‌های موجود، اطلاعاتی که در سطوح پایین‌تر پردازش متن هستند، مانند اطلاعات نحوی، ریخت‌شناسی و طبقه‌ی معنایی کلمات برای استخراج نقش‌های معنایی به کار گرفته می‌شوند. روش پیشنهادی یک روش مبتنی بر قواعد است که به زیرمجموعه‌ی خاصی از افعال یا اسامی محدود نمی‌شود. در این روش با استفاده از برچسب نحوی وابستگی، روابط در درخت وابستگی، دسته‌بندی معنایی اسامی و ویژگی‌های ریخت‌شناسی اجزای جمله، سه‌تایی‌های نشان‌دهنده‌ی نقش‌های معنایی استخراج می‌شوند. نتایج به دست آمده روی زبان فارسی نشان می دهد که ویژگی‌های به کار گرفته شده در غیاب پیکره‌های حاوی نقش معنایی و یا در حوزه‌هایی که آن‌ها نقص دارند، استخراج نقش‌های معنایی را ممکن می‌سازند. همچنین در زبان‌هایی که دارای پیکره‌ی حاوی نقش‌های معنایی باشند، در کنار منابع معنایی برای بهبود نتایج، و نیز در تولید پیکره‌ی نقش‌های معنایی قابل بهره‌گیری هستند. در انتها روشی برای تبدیل سه‌تایی‌های نقش معنایی به یک مدل گرافی با هدف تجزیه‌ی معنایی متن پیشنهاد می‌شود.

امروزه یکی از رایج‌ترین فعالیت‌ها در سیستم‌های محاسباتی جهت افزایش قدرت پردازش و همچنین کاهش زمان پاسخگویی به درخواست‌ها، ایجاد اتصال و ارتباط میان کامپیوترهای رومیزی و تقسیم وظایف میان آن‌ها می‌باشد. در این مقاله زمان‌بندی بار محاسباتی تقسیم‌پذیر در یک سیستم محاسباتی که دارای شبکه‌ی ارتباطی درختی تک‌سطحی می‌باشد بررسی شده است. راه حل پیشنهادی، با هدف کاهش زمان پاسخ کل سیستم از الگوریتم رقابت استعماری آشوبی استفاده می‌کند. نتایج آزمایشات نشان‌دهنده برتری روش پیشنهادی نسبت به سایر روش‌های مطرح از نظر میانگین درصد خطای نسبی می‌باشد.

در اين مقاله سبک‌های معماری پیاده‌سازی مدیریت داده‌های کلیدی سازمان (MDM) با استفاده از معماری سرویس‌گرا مورد بررسی قرار می‌گیرد و پس از تحلیل آن‌ها سبک جدیدی با نام «هاب تراکنشی توزیع‌شده» معرفی می‌گردد که به سیستم‌های راهبر دامنه‌های داده موجود در سازمان اتکا می‌نماید و از ایجاد یک انباره مرکزی در سیستم MDM جلوگیری می‌کند. بر اساس سناریوهای حاصل از معرفی چارچوب‌های ارائه‌شده برای معماری MDM، برخی قابلیت‌های معماری استخراج و نسبت به انواع سبک‌ها (پیشنهادی و سه سبک قبلی) مقایسه شده است. نتایج نشان می‌دهد این سبک می‌تواند در ویژگی‌های کیفیتی معماری قابلیت عملکرد و قابلیت استفاده امتیاز خوبی به‌دست آورد. همچنین با استفاده از ارزیابی قابلیت‌های مختلف، سناریوهای استفاده از این سبک به دست آمده است.

با رشد روزافزون مستندات متنی در وب، انتخاب اطلاعات مطلوب در زمان محدود کار مشکلي است. با استفاده از ابزارهایی نظیر خلاصه‌سازها، می‌توان این حجم انبوه اطلاعات را با توليد خلاصه پیش‌نویس‌ مدیریت نمود. تا‌کنون رویکردهای متنوعی برای زبان‌های مختلف ارائه شده‌اند که قدمت برخی به شصت سال نیز میرسد. در این مقاله، روشی نوین برای خلاصه‌سازی متون خبری فارسی با دقتی بالاتر از سیستم‌های موجود معرفی شده است. اين خلاصه‌ساز با بهره‌گیری از دانش موجود در فارس‌نت، جملات را بر اساس میزان شباهت و ارتباط آنها به یکدیگر، خوشه‌بندی می‌نماید. سپس با استفاده از خوشه‌های حاصل، خلاصه نهایی به گونه‌ای تولید می‌گردد که جملات آن دارای کمترین میزان افزونگی و بیشترین ارتباط است. همچنین در صورت نیاز، با بهره‌گیری از خوشه‌های هم‌وقوع، ابهامات موجود در متن خلاصه نیز رفع می‌گردند.

حذف نویز از تصاویر دیجیتال یکی از مهم‌ترین مسائل مورد بحث در پردازش تصویر می‌باشد. تمرکز اصلی در این مقاله بر روی حذف نویز تصاویر سیاه و سفید می‌باشد. روشی را که برای این منظور مورد استفاده قرار می‌دهیم استفاده از الگوریتم تطبیق بلوک و فیلتر سه بعدی برای حذف نویز می‌باشد. در ادامه روشی برای بهبود الگوریتم حذف نویز تطبیق بلوک و فیلتر سه بعدی ارائه می‌شود. در این روش نشان داده می‌شود که با استفاده از الگوریتم sub pixel و تغییر ماهیت تطبیق بلوک می‌توان در سطوح مختلف نویز به عملکردی بهتر از روش تطبیق بلوک و فیلتر سه بعدی دست یافت. با توجه به سطح نویز اضافه شده به تصویر، علاوه بر بهبود نسبت پیک سیگنال به نویز، کیفیت تصویر نیز افزایش می‌یابد.

استاندارد 802.15.4e به تازگی برای کنترل دسترسی شبکه‌های ارتباطی بیسیم در تجهیزات اتوماسیون صنعتی ارائه شده و با استقبال فراوانی از طرف کمپانی‌های سازنده مواجه گردیده است. این استاندارد با استفاده از کانال‌های چندگانه‌ی غیرهمپوشان، احتمال رخداد تصادم بین ایستگاه‌ها را کاهش می‌دهد که این امر به نوبه خود موجب افزایش پارامترهای متعدد کارایی شبکه می‌گردد. مکانیسم TSCH در این استاندارد، با تکیه بر روش FTDMA، هر گره را قادر می‌سازد تا ارسال بسته داده خود را در یک اسلات زمانی معین و بر روی یک کانال خاص زمانبندی کند. با این حال جزئیات نحوهی تخصیص کانال/اسلات در TSCH مشخص نشده است. در بسیاری کاربردهای صنعتی، مانیتورینگ برخی تجهيزات اهميت بالاتري نسبت به سایرین دارد و به همین دلیل ترافيك ارسالي از حسگرهاي مرتبط با این تجهیزات از اولویت بيشتري برخوردار است. از طرف دیگر روش‌های زمانبندی متمرکز نیز به دلیل پویایی قابل توجه در این شبکه‌ها کارآمدی لازم را ندارد. بر همین اساس، در این مقاله یک الگوریتم زمانبندی اسلات/کانال توزیع شده ارائه می‌دهیم که در تخصیص سلول به جریان‌های ترافیکی، اولویت ترافیک مذکور را نیز مد نظر قرار میدهد. نتایج شبیه‌سازی نشان می‌دهد که روش پیشنهادی، در مقایسه با روش‌های پیشین، ترافیک با اولویت بالاتر را با تاخیر کمتری به مقصد رسانده و سایر جنبه‌های کارایی شبکه مانند نرخ تحویل بسته را نیز در حد قابل قبولی بهبود می‌بخشد.

سرویس‌های شبکه‌ اجتماعی مکان‌مبنا علیرغم کاربردهای فراوان، ممکن است حریم مکانی کاربران را به خطر بیندازند. یکی از امکاناتی که در این سرویس‌ها وجود دارد این است که کاربران، می‌توانند اطلاعات دلخواه خود را برچسب‌‌گذاری کنند. خطر، هنگامی ممکن است رخ ‌دهد که کاربران، اطلاعات هم‌مکانی خود با کاربران دیگر را اعلام می‌کنند. حتی در صورتی که اطلاعات مکان کاربر به صورت مبهم شده باشد، به کمک حمله استنتاج می‌توان حریم مکانی وی را از مقداری که به عنوان حریم مکانی کمینه خود انتخاب کرده است تنزل داد. ما در این تحقیق، روشی ارائه می‌کنیم که توسط آن، سرور مکان‌مبنا با تغییر مساحت و موقعیت محدوده مبهم شده مکان برخی کاربران، حریم مکانی همه کاربران را حفظ می‌کند.

در اين مقاله، ما از روش غیرپارامتریک برای تشخیص اشیا و تجزیه‌ تصاویر شامل انواع ساختمان‌ها استفاده می‌کنیم. هدف ما این است که یک تصویر را به ناحیه‌های ساختمان، درب، زمین، آسمان و اشیای دیگر (مانند ماشین، انسان، درخت و ...) تجزیه کنیم. در روش غیرپارامتریک، ابتدا تصاویر مشابه تصویر تست از مجموعه تصاویر آموزشی برچسب‌گذاری ‌شده بازیابی می‌شوند. سپس انتقال برچسب از ابرپیکسل‌های تصاویر بازیابی‌شده به ابرپیکسل‌های مشابه در تصویر تست انجام می‌شود. همچنین از مدل مفهومی میدان تصادفی مارکوف برای افزایش دقت برچسب‌گذاری ابرپیکسل‌ها استفاده می‌گردد. در نهایت، با استفاده از خط، رنگ و بافت، دقت تشخیص درب را افزایش می‌دهیم. در این روش، پس از استخراج خطوط و حذف خطوط اضافی، ناحیه‌‌ی بین خطوط عمودی را تشکیل می‎دهیم و از محدودیت‌های زمینه‌ای مانند اختلاف رنگی و بافتی ناحیه‌ی‌درب نسبت به اطراف و همچنین وجود درب بر روی ساختمان و نزدیک به زمین برای تشخیص درب استفاده می‌کنیم. ما 3۰۹۳ تصویر از ۴۰ نوع ساختمان از مجموعه تصاویر LabelMe و Sun شامل آسمان‌خراش، فروشگاه، منزل، آپارتمان، کلیسا، مسجد، هتل، کتابخانه، بیمارستان و ... جمع‌آوری کرده‌ایم و نتایج قابل قبولی به دست آورده‌ایم.

گسترش رسانه های اجتماعی آنلاین و افزایش تمایل کاربران و مشتریان به انتشار عقاید و نظرات خود در محیط وب، فرصتی ارزشمند برای سازمان ها جهت بررسی تمایلات و ترجیحات مشتریان و همچنین ارزیابی شهرت نام های تجاری است. هدف اصلی در این پژوهش ارائه روشی نوین جهت سنجش و رتبه بندی شهرت نام های تجاری با استفاده از روش تحلیل احساسات در شبکه ی اجتماعی توییتر است. در این پژوهش استخراج و طبقه بندی نظرات و عقاید کاربران با بهره گیری از رویکردهای ترکیبی مبتنی بر لغت نامه، الگوریتم های یادگیری ماشین و نیز روش های پردازش زبان طبیعی انجام می گیرد. نتایج نشان می دهد الگوریتم های Naïve Bayes و Support Vector Machine با انتخاب ویژگی های Tri-grams و TF بهترین عملکرد را در میان مدل های مورد آزمون داشته اند. همچنین به کارگیری مقادیر مختلف پارامتر جریمه به منظور حل مشکل ماتریس پراکنده در داده های متنی کلان, سبب افزایش کارآیی در الگوریتم های مورد استفاده شده است. نوآوری اصلی این پژوهش به کارگیری روش خودکار تحلیل احساسات و استفاده از نظرات و عقاید کاربران در شبکه های اجتماعی جهت ارزیابی و طبقه بندی شهرت نام های تجاری است. همچنین ارتقای معیارهای ارزیابی طبقه بندی کننده ها در مقایسه با مدل های پیشین تحلیل احساسات و استفاده از مجموعه ای کارآمد از ویژگی ها، از جمله سایر دست آوردهای این تحقیق می باشد.

در شبکه های نظیر به نظیر غیرساخت یافته برخلاف شبکه های ساخت یافته ساختار شبکه از پیش مشخص نیست بنابراین محل قرارگیری گره ها کاملا مستقل از توپولوژی شبکه می باشد و گره ها اطلاعاتی در رابطه با وضعیت شبکه ندارند پس روشی که برای جستجو در این شبکه ها به کار می رود در بازدهی کل شبکه تاثیر زیادی دارد. در این مقاله برای بهبود جستجو در شبکه های نظیر به نظیر غیرساخت یافته، الگوریتم جستجوی آگاهانه ای مبتنی بر اتوماتای یادگیر مطرح شده است. این الگوریتم بر خلاف روش های قبلی جستجو در شبکه های نظیر به نظیر غیرساخت یافته، محتویات اشیا را در نظر می گیرد. روش پیشنهادی از نظر تعداد اشیا کشف شده به ازای هر درخواست و میزان سرباری که به شبکه تحمیل می کند با روش های K-walker random walk ،APS و DS مقایسه شده است. شبیه سازی ها نشان می دهند که روش پیشنهادی با توجه به دو معیار مطرح شده بهتر از روش های قبلی عمل می کند.

دسته‌بندی بسته، به‌عنوان یکی از وظایف کلیدی مسیریاب‌ها و دیواره‌های آتش نوین، با توجه به افزایش نرخ لینک و حجم ترافیک با چالش جدی در کارایی مواجه است. یکی از راه‌های افزایش کارایی الگوریتم‌های دسته‌بندی بسته‌، استفاده از پردازنده‌های چندهسته‌ای برای موازی‌سازی آن‌ها است. الگوریتم درخت سلسله‌مراتبی، یکی از الگوریتم‎های مهم در دسته بندی بسته ها بر اساس درخت تصمیم است. در این الگوریتم از آدرس IP مبدأ و آدرس IP مقصد برای ساختن درخت تصمیم گیری استفاده می‌شود. در این مقاله با استفاده از کتابخانه های موازی‌سازی Thread ،PPL،Open MP و TBB، الگوریتم درخت سلسله مراتبی را بر روی پردازنده‌های چندهسته‌ای پیاده سازی نموده ایم. نتایج ارزیابی این الگوریتم در همه بسترهای فوق الذکر و با مجموعه فیلترها و بسته های آزمون متنوع، حاکی از بهبود کارایی آن از نقطه‌نظر معیارهای مختلف نظیر گذرداد و تسریع می باشد. همچنین، نتایج نشان می دهد بیشترین گذرداد دسته بندی بسته ها در نسخه موازی شده با TBB و حدود 45/5 میلیون بسته در ثانیه است.

تا کنون راهکارهای زیادی برای ارتباطات بین سیستم‌های نرم افزاری مطرح گردیده که ترکیب سرویس‌ها یکی از این روش‌ها است. با توجه به رشد روز افزون و فراگیر معماری سرویس گرا و سیستم‌های تحت وب، انتخاب وب سرویس‌های مناسب و نحوه ترکیب آن‌ها مسئله‌ای حائز اهمیت است. بدیهی است که با توجه به نیازهای کنونی سیستم‌ها و اهمیت سرعت و دقت در جریان امور استفاده از عوامل هوشمند مورد نیاز بوده و کیفیت و بازدهی را به حداکثر می‌رساند. به همین دلیل مطالعه در مورد وب سرویس‌ها و ترکیب آن‌ها بر اساس عامل‌های هوشمند بسیار ضروری و مورد توجه می‌باشد. نظر به اهمیت در دسترس پذیری و پاسخ گویی بدون وقفه در سیستم‌های تحت وب، ایجاد چندین ترکیب بهینه می‌تواند مؤثر واقع ‌شود. بنابراین در این مقاله سعی بر آن گردیده است که روشی مناسب برای ترکیب سرویس‌های اتمیک بر مبنای عوامل با لحاظ نمودن پارامتر کیفیت سرویس به کار گرفته شود. این روش با استفاده از الگوریتم Top-k و ساختار موازی آن می‌تواند چندین راه حل مناسب به دست آورد تا در مواقع لزوم از قابلیت جایگزینی این راه حل‌ها به جای بهترین ترکیب استفاده نماید. همچنین فیلتر نمودن داده‌ها قبل از ایجاد ترکیب در داده‌هایی با مقیاس بزرگ، مجموعه سرویس‌های انتخابی را کاهش می‌دهد. بنابراین نتایج حاصل از تحلیل و ارزیابی روش پیشنهادی، بهینه سازی مطلوبی در زمان اجرا و مصرف حافظه نمایان می‌سازد.

اطلاعات در شبکه سلامت بطور قابل توجهی در حال افزایش است و ضرورت استفاده از روش ها و تکنولوژی های ارائه شده در کلان داده ها وجود دارد. با توجه به تنوع منابع داده ای در کلان داده ها، روش های موجود در یافتن شباهت بیماران دارای میزان درصد خطایی در ارائه نتایج است. هدف این مقاله، ارائه روشی مقیاس پذیر و گسترش پذیر، مبتنی بر نگاشت و کاهش است که می تواند تا حدود 99 درصد درستی نتایج را تضمین کند. روش پیشنهادی به کاربران کمک می کند تا شرایط مختلف را بر روی کلیه موجودیت ها در منابع داده مختلف اعمال کنند و نتایج را مشاهده نماید. ارزیابی ما نشان می دهد این روش با استفاده از طرح ستاره ای مبتنی بر انبار داده، در مقایسه با روش های مشابه، امکانات بهتری در پرس وجو ها به کاربر ارائه می کند.

آریتمی قلبی یکی از شایع ترین بیماری های ناشی از اختلال در فعالیت الکتریکی قلب است که منجر به نامنظم بودن ضربان قلب، کمتر و یا بیشتر از حد معمول می شود. انواع مختلفی از آریتمی ها از تغییرات پیش آمده در ریتم طبیعی قلب حاصل می شوند و سالانه تعداد بسیاری از افراد مبتلا جان خود را در اثر عوارض این بیماری از دست می دهند. از این جهت، تشخیص و شناسایی به هنگام و زودرس آریتمی ها باعث افزایش شانس نجات بیمار و درمان مؤثر آن خواهد بود. یکی از راه های بررسی عملکرد الکتریکی قلب، استفاده از نوار قلبی است که از ثبت فعالیت الکتریکی قلب بدست می آید. اين مقاله، با استخراج ویژگی های مؤثر از مجموعه داده های شامل اطلاعات بیماران و استفاده از روش های مختلف یادگیری ماشین سعی در تشخیص و دسته بندی آریتمی ها دارد. همچنین، با ترکیب الگوریتم های دسته بندی بررسی شده، روش جدیدی مبتنی بر ترکیب الگوریتم ها بصورت سلسله مراتبی، برای تشخیص نوع آریتمی ها، ارائه شده است. نتایج بدست آمده حاکی از افزایش دقت دسته بندی توسط روش ترکیبی پیشنهادی است.

از حافظه های نهان روی تراشه برای کاهش اختلاف سرعت پردازنده و حافظه اصلی و دسترسی هر چه سریعتر به عناصر حافظه استفاده می شود. در پردازنده ‏های امروزی، حافظه نهان بخش زیادی از مساحت کل تراشه را اشغال می کند و همچنین درصد قابل توجهی از توان مصرفی کلی تراشه را به خود اختصاص می دهد. به همین دلیل کم کردن توان مصرفی این واحد تاثیر قابل توجهی در توان مصرفی کل تراشه خواهد داشت. در این مقاله با ارائه معماری برچسب فشرده ‏شده سعی در کاهش توان مصرفی ناشی از ذخیره سازی و بازیابی برچسب را داریم. در این روش، با استفاده از یک بافر محلی و یک تکنیک ذخیره سازی، مکانیزم جدیدی از نگاشت برچسب در حافظه ی نهان معرفی شده است. ایده اصلی این طرح فشرده کردن بخش برچسب داده‏ هایی است که برچسب یکسانی دارند. در این مقاله نشان داده خواهد شد که وجود محلیت مکانی احتمال شباهت برچسب‏ ها در حافظه نهان را بالا می برد که می توان با سربار ناچیز سخت افزاری آنها را فشرده کرده و بهبودی حدود 30% در مصرف توان الکتریکی حافظه های نهان روی تراشه را بدست آورد.

در این مقاله، روشی مبتنی بر اطلاعات متقابل، برای تثبیت دو تصویر ارایه شده است. عموم روش های مبتنی بر اطلاعات متقابل، از یک سو از همبستگی بین پیکسل های تصویر چشم می پوشند و از این رو در برابر نویز تصویر حساس هستند و از سویی دیگر، اندازه ناحیه همپوشانیِ بین دو تصویر، بر صحت تثبیت تاثیر گذار است. در این مقاله، دو دیدگاه بلوکی و متناوب انگاری تصویر، به ترتیب برای در نظر گرفتن همبستگی های موجود بین پیکسل های همسایه و کاهش وابستگی الگوریتم به اندازه ناحیه هم پوشانی، مد نظر قرار گرفته اند. نتیجه شبیه سازی ها، نشان دهنده بهبود چشم گیری، به ویژه در عملکرد روش های مبتنی بر الگوریتم های تکاملی است.