انجمن کامپیوتر ایران

مکانيابي اوليه گره هاي شبکه، يعني تعيين موقعيت فيزيکي گره ها بعد از گسترش شبکه، براي بسياري از کاربردهاي شبک ه ها ي مانند مسيريا بي مبتن ي بر جهت و رديا بي لازم و ضروري اس ت . روش هاي متنوعي براي مکانيابی در شبکههاي حسگر مطرح شده است، که انتخاب روش مکانيابي باتوجه به کاربرد مورد نظر و امکانات در دسترس صورت ميگيرد. در اين مقاله الگوريتم مکانيابي جديدي تحت عنوان کشف مکان دقيق (ALD) مطرح شده است. اين روش براي کاربردهائي مناسب است که نيازمند تعيين مکان گره ها با دقت نسبتا بالا هستن د . ويژگيهاي اصلي اين روش محدود بود ن تعداد گره هاي مرجع ، سادگي شيوه حرکت گره هاي مرجع و همچنين سادگي پردازش اطلاعات مکانيابي دريافتي از گره هاي مرجع متحرک م يباشد. روش ،ALD براي هر دو ش بکه منظم و همچنين شبک ه هاي نامنظم کارايي خوبي دار د . نتايج بدست آمده از شبيه سازي توسط نرم افزار ،SensorSim نشان ميدهد که روش پيشنهادي در مقايسه با الگوريتمهاي مرجع mobile beacon و centroid [3و8] مکان گره ها را با دقت بالايي تخمين ميزند، همچنين اين روش س ر باره ارتباطی مکانيابي گره هاي حسگر را نسبت به روش ها ي ذکر شده کاهش زيادي ميدهد.

آزماي ش های شنوايی بهترين نتيجه را در ارزيابی کيفيت گفتار در اختيار می گذارند، با اين وجود اين کار بسيار وقت گير، ملال آور و خسته کننده است. در نتيجه وجود يک ابزار مطمئن برای ارزيابی کيفيت سيگنال که بدون نياز به آزمايش های شنوايی قادر به تعيين کيفيت باشد، دارای اهميت بسيار زيادی می شود. نويز پهن-باند موسيقی يکی از مه مترين انواع اعوجاج به وجود آمده در نويز زمينه پس از نويززدايی است. در مقاله ی حاضر روشی ارائه می شود که بدون دسترسی به سيگنال مرجع قادر به تشخيص نويز موسيقی در سيگنال صوتی خواهد بود. در اين مقاله همچنين معياری معرفی می شود که می تواند ارزيابی قابل اعتمادی از ميزان نويز موسيقی موجود در نويز باقی مانده ارائه دهد. روش پيشنهادی به علت عدم استفاده از سيگنال مرجع برای ارزيابی در دست هی روش های نامتداخل قرار می گيرد. کارايی اين روش نيز در آزمايش های شنوايی برای نويز سفيد مورد تأييد قرار گرفته است و می تواند مرجع مناسبی برای ارزيابی کيفيت نويز زمينه پس از نويززدايی باشد.

در شبکه های حس گر بی سی م گره ها اغلب بطور تصادفی توز یع می شوند. بسیاری از کاربردها و سروی س ها در شبکه نیازمند دانستن مکان گره ها می باشند. از این رو موضوع مکا ن یابی در شبکه های حس گر بی سیم از اهم یت ز یادی برخوردار اس ت . روش ها یی که تاکنون ج هت مکان یابی گره ها ارائه شده اغلب نیازمند سخت افزار های اضافی مانند GPS و تجهیزات اندازه گیری فاصله و/ی ا زاویه هستند. روش ارائه شده در این مقاله نیاز به ه یچ سخت افزار اضافی ندارد و تنها براساس ه م بندی گره های شبکه کار م ی کند. در این مقاله ابتدا موضوع همبندی بطور نظری مورد بررسی قرار گرف ت ه و نشان داده م ی شود که خطای مکا ن یابی بر اساس یک ه م بندی مناسب قابل قبول اس ت سپس مدلی برای گره حس گر و الگور یتم مربوط به آن جهت کشف مجاورت گر ه ها پ یشنهاد می شود . برای کاهش پ یچیدگی الگور یتم و توان مصرفی گر ه ها، از نوعی نا ح یه بندی استفاده م یشود. سپس الگوریتمی جهت استخراج نقشه ی کل شبکه بر اساس اطلاعات مجاورت ارائه می گردد.

In this paper, we have proposed an efficient moving cast shadow detection using texture features. Texture features are estimated using fractal dimension and is employed to discriminate between shadow region and moving foreground region. Complexity and noise reduction is achieved using wavelet transform which has not been performed before in the literature. Block-wise calculation has accelerated the method. The proposed texture modeling method unlike most other approaches is able to cope with very dark shadows as well as light shadows.

In this article an intelligent ETO(Electronic Trade Opportunity) help desk is conceptually designed to be implemented as an e-service on IRAN Trade Point. Users including exporters and importers may access to information services , distributed ETO , latest export and import workflow and updated regulations .These services will be accessible for stakeholders and partners of trade system over Internet. Feasibility study of implementation alternatives also has been carried out by a score model.

Trust is the highest level layer of the Semantic Web. In this paper, a specialized social network concept - a Research Network - is defined formally, and a trust model is specified on top of it. The trust model specifies trust queries as well as an algorithm to answer them. Trust propagation, and the reductive method are discussed in detail. Also, the result of applying the trust query algorithm on a test data set is discussed. The trust model, as well as the related concepts have been defined formally.

Prediction of reliability in early phases of software development is one of the discussions which has been attracting more and more attentions during the recent three decades. Techniques and models are mostly used at the test phase; there are only a few models that are employed at early phase of software development. Early prediction, however, is very important for better prognosis and management of risks. In this paper we propose an approach for software reliability early prediction based on software behavior. The major difference between our approach and those of others is the fact that we use a formal method, called Viewcharts [1], to specify the behavior of software systems.

Real-time video transmission is considered as an important way for information broadcasting. One noticeable example in this area is E-leaning applications, which is based on real-time video processing and transmission. On the other hand, the process of registration is a fundamental component in automatic image and video processing. In our previous work, we implemented a new method for cut detection technique based on dominant lines and angles. This paper introduces a new video registration technique that uses dominant angles extracted from edge information of the video frames in one shot. To the best of our knowledge, it is the first works done for registration in E-learning applications. This method is compatible with our application’s requirements and has a low complexity and high speed. We compare our method against three established techniques and present our results using different video sequences.

Gaussian Mixture Model (GMM) models feature space using mean vector and covariance matrix of probability density functions of feature vectors. In this paper, improved Vector Quantization and Covariance Matrix methods were compared to GMM. Covariance Matrix model considers shape of probability density functions, while Vector quantization method models position of probability density functions in feature space. In this paper different methods of Covariance matrix model including Arithmetic-harmonic sphericity measure and Divergence Shape measure were examined to evaluate scores in speaker verification task.. Experimental results show that Arithmetic-harmonic sphericity measure outperforms Divergence shape measure. A novel vector quantization approach was also presented in this paper. This approach is based on comparing codebook obtained from training data to codebook obtained from test data. Results show that recent approach has a better performance compared to traditional vector quantization approach. Also, the results show that Covariance matrix model outperforms improved Vector Quantization and GMM.

در اين مقاله، روش جديدی براي افزايش كيفيت تصاويری كه با استفاده از تكنيك فشرده سازی فراكتالی كد شده اند ارائه شده است. استفاده از روش فراكتالی براي فشرده سازی تصاوير مانند بسياری از روشهای فشرده سازی سبب ايجاد پديده بلوكی و اثرات مصنوعی در تصوير می شود كه برای نرخهای مختلف فشرده سازی متفاوت می باشد. در اين مقاله با استفاده از معادلات نفوذ و اعمال آن به اين تصاوير باعث افزايش كيفيت تصوير وكاهش پديده بلوكی و اثرات مصنوعی شده ايم . روش پيشنهادی بر ر و ي چندين تصوير از تصاوير استاندارد كه با روش فراكتالی و با نرخ بيت های متفاوت فشرده شده اند آزمايش شده است . نتايج نشان داده است كه روش پيشنهادی كارايی روش فراكتالی را بهبود داده است.

کاربرد پروتکل S-MAC در شبکه های بی سیم و کشف وقایع نادر و عکس العمل سریع است. این پروتکل شبکه ها را بصورت لایه های هم مرکز در اطراف سینک تقسیم کرده و برای گره ها از آدرس دهی تصادفی استفاده کرده و به کمک بسته های کنترل MAC ، گره میانی بعدب برای مسیر یابی و ارسال بسته ها را میابد. با ایجاد وضعیت های مختلف گره ، مانند خواب یا بیدار بودن و کاهش ارسال اطلاعات و ایجاد همزمان سازی می توان مصرف انرژی ناشی از استعمال بلا استفاده را کاهش داد. با مقایسه و ارزیابی و شبیه سازی پروتکل های پیشنهادی و S-MAC می توان کارایی و بهینه شدن مصرف انرژی را برای کشف و گزارش رویدادها ، ناشی از تغییر در پروتکل S-MAC مشاهده کرد.

این مقاله درمورد طراحی یک نرم افزار به منظور استفاده بهینه از فرآیند جوشکار ی اصطكاكی - اغتشاشی است که یكی از فرآیندهای نوین جوشكاری در حالت جامد است. این نرم افزار که با و با استفاده از الگور یتم ژنتیک طراح ی شده، کاربر را قادر میسازد با ورود مقادیراندازهگیری شده خواص آلیاژ ، و با ورود درصد میزان اهمیت خواص به سیستم، به مقادیر بهینهای از سرعت حرکت و سرعت چرخش که در میزان تغییرات خواص آلیاژ مؤثرند، دست یابد . این نرمافزار با در نظر گرفتن وزن برای هر یک از خواص، این امکان را ایجاد میکند که بتوان بعضی از خواص را نسبت به برخ ی دیگر در حصول نتیجه، برتری داد. با این نوآوری امکان استفاده گسترده از این متد در صنایع مختلف، که در آنها یک یا چند خاصیت، اهمیت بیشتری نسبت به خواص دیگر دارند، فراهم میگردد.

ه ه ا نظير سرطان بسيار

شبكه هاي بيزي به عنوان يك دسته بندي كننده در كاربرد هاي مختلف يادگيري ماشين مورد استفاده قرار گرفته اند . يكي از مسايل مهم در شبكه هاي بيزي، آموزش شبكه ها ي بيزي بهينه بر اساس مثال هاي آموزشي دردسترس م ي باشد . آموزش شبكه ها ي بيزي شامل آموزش مقادير احتمالي موجود در جداول احتمال شرطي و نيز آموزش ساختار شبكه مي باشد. در اين مقاله ي ك روش مرحله به مرحله مبتني بر اتوماتاهاي يادگير براي آموزش جداول احتمال شرطي شبكه هاي بيزي پيشنهاد ميگردد. نتايج آزمايشها نشان مي دهند كه الگوريتم پيشنهادي با تعداد مثال ها ي آموزش ي كمتر ي داراي دقت دسته بندي مشابه با الگوريتم هاي كلاسيك مانند برآورد امكان بيشينه مي باشد.

افزايش تعداد هسته هاي بکار رفته در داخل را جايگزين معماري هاي ارتباطي مبتني بر گذرگاه کرده است. ويژگیهای بارز NoC نسبت ب ه معماري های مرسوم نظير سي م های اختصاصی و گذرگاه عبارتند ا ز : NoC (الف) بهرهوري انرژي و قابليت اطمينان بالا ، (ب)مقياسپذيري بالا در مقايسه با معماريهاي مرسوم ، (ج) قابليت استفاده مجدد،(د)بکارگيري الگوريتم هاي مسيريابي MinRoot توزيع شده. ما در اين مقاله يک معماري جديد شبکه بر تراشه با توپولوژی را به عنوان ساختار عمومي اتصا لا ت داخلي معرفي م ي کنيم. د راين مقاله معماری از Torus و Mesh , BFT با معماری اتصالات توپولوژی های MinRoot اتصالات توپولوژی نظر تعداد سوئيچ و تعداد لينک ( فضای تراشه ) و تاخير متوسط بسته مقايسه و مورد ارزيابی قرار گرفته اس ت . نتايج کاهش چشمگير تعداد سوئيچ و تعداد لينک نشان ميدهد. آزمايش ها کاهش تاخير Torus و Mesh , BFT را نسبت به توپولوژی های متوسط بسته را در کاربردهای با ارتباطات محلی زيا د و افزايش تاخير متوسط بسته نسبت به توپولوژی MinRoot را در کاربردهای با ارتباطات محلی کم در توپولوژی های ديگر نشان می دهند.

در این مقاله به بررسی محیط گرید محاسباتی که در آن منابع به شکل توپولوژي ستاره با یکدیگر در ارتباط هستند پرداخته شده و الگوریتمی جدید بر پایهي تئوري صف براي زمانبندي زیروظایف در محیطهاي گرید ارائه گردیده است. الگوریتم پیشنهادي با استفاده از مفاهیم سیستم صف و چگونگی توزیع زیروظایف، علاوه بر اجراي وظایف در کمترین زمانِ ممکن، تعادل بارکاري را نیز براي منابعِ موجود در گرید به ارمغان میآورد. بدین ترتیب با استفاده از این الگوریتم، دو عامل خیلی مهم از کیفیت سرویس (کارآیی و تعادل بارکاري) تا حد ممکن برآورده شده و کارِ زمانبندي زیروظایف و تخصیصمنابع به آنها با در نظر گرفتن این دو فاکتور انجام میگیرد.

درك سازوكار مغز به عنوان عامل هوشمندي موجودات زنده قرنها است كه ذهن بشر را مشغول كرده است. محققين در مسير پاسخ به اين سوال دو رويكرد كل به جزء و جزء به كل را پيش گرفتهاند. در اين مقاله به معرفي مدلي حاصل از اتصال كارآمدترين نظريات اين دو رويكرد خواهيم پرداخت. مدل ارائه شده تواناييهاي جالب توجهي از جمله يادگيري خودكار و پردازش بلادرنگ دنبالههاي زماني را داراست. همچنين اين مقاله نشان ميدهد كه مدل مذكور با دادههاي زيست شناختي مغز نيز انطباق قابل قبولي دارد. در انتها، كارآمدي مدل ارائه شده در يك آزمايش دنياي واقعي بررسي ميشود. مدل پيشنهادي اولين قدم به سمت ساخت سيستمهاي هوشمند خلاق و داراي قدرت سازشپذيري بالا به حساب ميآيد.

شناسايي و دسته بند ي دقيق جريانهاي ترافيكي شبكه بر اساس پروتكل توليد كننده آنها، يكي از المانهاي اصلي مديريت شبكه محسوب مي شود . تاكنون تكنيك هاي مختلفي در اين زمينه مانند شماره پورت و بررسي بخش داده اي بسته ها ارائه شده است . امروزه بسياري از برنامه ها (مانند (P2P با استفاده از شماره پورتهاي پويا و تكنيك هاي رمزنگاري سبب ناكارآمدي تكنيكهاي فوق شد ه اند . تكنيك ديگر در اين زمينه، استفاده ازاطلاعات آماري لايه انتقال جريانهاي عبوري مي باشد . در اين مقاله يك كنترلر فازي براي دسته بندي جريانهاي ترافيكي پيشنهاد شده است . در اين كار اطلاعات آماري لايه انتقال جريانهاي عبوري، بعنوان پارامترهاي دسته بندي استفاده شده است . نتايج آزمايشات نشان مي دهند كه مكانيزم پيشنهادي بطور متوسط داراي كارايي كلي 94% بوده و 98/77% جريانها را شناسايي كرده است . در حالي كه كارايي كلي الگوريتم هاي K-Means و DBSCAN به ترتيب 84% و 75/6 % مي باشد.

تخمين تعداد سيگنالهاي طيف گسترده پرش فركانسي وارده به يك آنتن يكي از مسايل مورد توجه است. روش هاي تجزيه مقادير ويژه مورد استفاده براي تخمين تعداد كاربران براي SNR هاي پايين از كارايي لازم برخوردار نيست. روش كار به اين صورت است كه ابتدا با استفاده از تحليل آنتروپي يك زير مجموعه ديتاي بدون پرش از سيگنال جدا شده و سپس با استفاده از تجزيه مقادير ويژه تعداد كاربران بدست ميآيد. در اين مقاله سعي شده است تا مشكل تخمين تعداد كاربران در SNR هاي پايين با اعمال يك بلوك حذف نويز به آنتروپي بدست آمده از سيگنال ورودي بهبود بخشيده شود.

برنامه نويسي ژنتيك، از جمله الگوريتم هاي تكاملي است كه توانايي زيادي، نسبت به اغلب روش هاي يادگيري ماشين دارا م ي باشد . مشكل اين روش، زمانبر بودن اجراي آن است . در اين مقاله، هدف استفاده از برنامه نويسي ژنتيك و تطبيق آن به منظور تصديق هويت گوينده و بررسي هويت كاربران از طريق صداي آنهاست . ايده هاي متعددي را پيشنهاد نموده ايم تا به كمك آنها بتوانيم ضمن افزايش كارايي روش برنام ه نويسي ژنتيك براي تصديق هويت گويند ه، سرعت آموزش مدلهاي گويندگان را كه معمولا در روش برنام ه نويسي ژنتيك بسيار زمانبر است را افزايش دهيم. براي اين منظور سعي شده است تا با روشهايي چون خوشه بندي به كمك روشهاي چندي سازي برداري و نيز با استفاده از توابع گوسي بدست آمده از روش مدل مخلوط گوسي GMM به جاي بردارهاي ويژگي داده هاي آموزشي ، حجم داده هاي آموزشي را كاهش دهيم و بدين ترتيب بر سرعت ساخت مدلهاي حاصل از برنامه نويسي ژنتيك بيافزائيم. نتايج بدست آمده نشان مي دهند كه استفاده از ميانگين هاي مدل هاي مخلوط گوسي حاصل از داده هاي آموزشي گوينده خودي و گويندگان غيرخودي به جاي استفاده مستقيم از داده هاي آموزشي و بطور مشابه استفاده از ميانگين هاي مدل مخلوط گوسي حاصل از داده هاي آزمايشي، منجر به دقت خوبي در تصديق هويت گويندگان و نيز افزايش سرعتي در حد 20 برابر (از 5 ساعت به 15 دقيقه) در آموزش مدلهاي گويندگان به كمك روش برنامه نويسي ژنتيك مي گردد.