انجمن کامپیوتر ایران

کاهش اندازه‌های ترانزیستورها در ابعاد نانو، مقابله با خطاهای گذرای چند بیتی (MBU) در حافظه‌ها را به دغدغه‌ی چالش برانگیز طراحان سامانه‌های مطمئن رقمی تبدیل نموده است. اگر چه روش افزونگی سه‌گانه‌ی اطلاعاتی قادر به پوشش این خطاهاست، مصرف توان بالای این روش در اغلب کاربردهای نوین قابل توجیه نیست. پیش بینی پژوهشگران بر جایگزینی کانال ترانزیستورهای اثرمیدان فن‌آوری CMOS با نانو ‌لوله‌های ‌کربنی (CNT) انگیزه‌ای شد تا این پژوهش به بررسی صرفه‌ی بکارگیری روش افزونگی سه‌گانه‌ی اطلاعاتی در فن‌آوری ترانزیستور‌هاي اثرمیدان مبتنی بر نانو ‌لوله‌های ‌کربنی (CNTFET) ‎بپردازد. بهره‌برداری از فضاهای بدون استفاده‌ی حافظه موجب مصرف عمده‌ی توان این روش در مدار رای گیر اکثریت دو از سه‌ی آن می‌‌شود. این پژوهش نشان داده است که پیاده‌سازی این رای گیر با فن‌آوری CNTFET، هزینه‌های مصرف توان و تاخیر را طوری کاهش می‌دهد که افزونگی سه‌گانه‌ی اطلاعاتی را به روشی مقرون به صرفه در سامانه‌‌های آینده تبدیل خواهد نمود. نتایج شبیه‌سازي در ابعاد 45، 32 و 22 نانو با ولتاژهای تغذیه 1، 9/0 و 8/0 ولت نشان دادند که پیاده‌سازی این مدار با فن‌آوری CNTFET نسبت به فن‌آوری CMOS تا 57% بهبود در متوسط توان مصرفی و تا 83% کاهش در تاخیر را به همراه خواهد داشت.

شبکه ی داده های نام گذاری شده، به عنوان الگوی جدیدی برای جایگزینی زیرساخت کنونی شبکه ی اینترنت در نظر گرفته شده است؛ با این تفاوت که در معماری این شبکه، به اشیای داده ای، آدرس تعلق پیدا می کند. این معماری شبکه ای از قابلیت ذخیره سازی درون شبکه ای پشتیبانی می کند تا عملکرد منابع شبکه ای بهبود یابند. یکی از مسائل کلیدی در این شبکه ها، مدیریت و تقسیم عادلانه ی منابع حافظه در شبکه است. در این پژوهش برای یافتن اهمیت هر گره جهت تخصیص حافظه، از دو دسته پارامترهای ایستا و پویای شبکه ای استفاده می شود. پارامتر ایستای مورد استفاده، که مرکزیت میانگی هر مسیریاب می باشد، با تعداد مسیرهای کوتاه بین دو مسیریاب قابل محاسبه است. دو پارامتر دیگر، از نوع پویا و لحظه ای هستند که به اطلاعات پویای شبکه نظیر درخواست های کاربران و ترافیک شبکه بستگی دارند. از این روی، با اعمال دو روش میانگین گیری متحرک وزن دار بر پارامترهای پویا، در ابتدا از کل نمونه های زمانی بدست آمده، متوسط گرفته و سپس با کمک روش تجمیع داده ی تحلیل مولفه ی اساسی، پارامترهای هر مسیریاب با یکدیگر ترکیب شده تا وزنی برای تعیین اندازه ی حافظه ی نهان آن تعیین شود. نتایج ارزیابی نشان دهنده ی بهبود 25 درصدی نرخ برخورد در حافظه ی نهان مسیریاب های میانی شبکه و همچنین کاهش 37 درصدی تعداد بسته های علاقه ی منتظر می باشد.

در روش‌های رایج زیست‌سنجی ثبت داده از اندام‌هایی از بدن صورت می‌گیرد که با چشم قابل دیدن هستند. به همین دلیل امکان تقلید آنها زیاد است. پیشنهاد شده است که به‌جای این‌گونه روش‌ها، از اندام‌هایی از بدن ثبت داده انجام شود که به‌طور ذاتی با چشم قابل دیدن نیستند. این نوع روش‌های زیست‌سنجی، دارای مقاومت ذاتی در برابر جاعلین هستند. هر نوع سیگنال زیستی مانند الکتروکاردیوگرام، الکتروانسفالوگرام، الکترومایوگرام، پتانسیل برانگیخته بینایی و شنوایی می‌تواند یک ویژگی زیست‌سنجی محسوب شوند. در این مقاله از 104 سیگنال الكتروانسفالوگرام فرد سالم در حالت استراحت و چشمان بسته، ویژگی های غیر خطی بعد هیگوچی و بعد پطروسیان استخراج شده و دو کانال بهینه با استفاده از الگوریتم ژنتیک تعیین شده اند. سپس با انتخاب بخش های مرجع از سیگنال هر فرد و تولید ویژگی های مصنوعی و نمونه های حقیقی و جعلی، طبقه بندی ویژگی ها با طبقه بند ماشین بردار پشتیبان انجام شده است و روش پیشنهادی با تغییر نسبت آموزش– آزمایش ویژگی ها از 10-90 درصد تا 90-10 درصد به صحت02/0± 92/79 درصد تا 00/0± 84/99 درصد دست یافته است.

در رده‌بندی متون می‌توان هر واژه را به‌عنوان یک صفت یا ویژگی در نظر گرفت. تعداد زیاد واژه‌ها باعث کاهش دقت و سرعت رده‌بندی می‌گردد. انتخاب زیرمجموعه‌ای از واژه‌های (ویژگی‌های) متون یکی از مراحل ضروری در پیش‌پردازش متون قبل از اعمال الگوریتم‌های رده‌بندی است. روش‌های پالایه و پوشانه، دو دسته اصلی انتخاب ویژگی است. در این مقاله سعی شده است روش ترکیبی انتخاب ویژگی در حوزه متون بررسی‌شده و با روش‌های جدیدتر انتخاب ویژگی خاص متون مانند DFS وGiniText مقایسه گردد. در این تحقیق تأثیر استفاده از ترکیب روش پالایه و پوشانه برای انتخاب ویژگی بر عملکرد رده‌بند نایوبیزی برای رده‌بندی متون فارسی مورد بررسی قرار گرفته است. نتایج نشان می‌دهد که روش ترکیبی انتخاب ویژگی روی پیکره همشهری، علی‌رغم کاهش تعداد ویژگی‌ها، باعث بهبود نتایج رده‌بند نایوبیز چند جمله‌ای، نسبت به روش‌های پالایه و یا پوشانه شده است.

سیستم‌های پرسش و پاسخ شکل پیشرفته‌ سیستم‌های بازیابی اطلاعات هستند که به جای برگرداندن اسناد مرتبط با سوال کاربر، سعی در استخراج پاسخ دقیق برای آن دارند. کاربر می‌تواند سوال خود را در قالب یک سوال زبان طبیعی مطرح کند و یا از کلمات کلیدی برای بیان منظور خود استفاده کند. یکی از منابعی که سیستم‌ها برای پیدا کردن جواب استفاده می‌کنند، ابر داده پیوندی است. سیستم‌های بازیابی اطلاعات مبتنی بر داده پیوندی، به ما کمک می‌کنند تا با سرعت و دقت بالایی به جواب صحیح دست یابیم؛ اما نیازمند داشتن دانش در مورد هستی‌شناسی موجود و همچنین ساخت پرس‌وجوهای رسمی مانند SPARQL هستند. این‌کار برای کاربران عادی کاری دشوار خواهد بود. از طرف دیگر، تجربه کابران در کار با موتورهای جستجو نشان داده‌است، کاربران بیشتر تمایل دارند نیاز اطلاعاتی خود را در قالب کلمات کلیدی مطرح کنند. در این مقاله، به منظور خودکارسازی فرایند ساخت پرس‌وجوی رسمی‌، روشی برای تبدیل کلمات کلیدی کاربر به پرس‌وجوی SPARQL ارائه ‌شده‌است که مبتنی بر ساخت قالب‌های پویاست. علاوه‌براین، روشی برای ساخت پرس‌وجوهای پیچیده SPARQL ( توابع تجمعی، فیلتر کردن و شمارش ) نیز ارائه شده‌است. نتایج ارزیابی نشان از موفقیت قابل قبول این سیستم در ایجاد قالب‌های پرس‌وجوی پیچیده دارد.

امروزه به کارگیری ماشین‌های با تعداد هسته‌های پردازشی زیاد امری رایج در انجام پردازش‌های تحلیلی بر روی داده‌ها گردیده است. همچنین مدل کردن داده‌ها به صورت گراف در کاربردهای بسیاری از جمله شبکه‌های اجتماعی، شبکه‌های بیولوژی و غیره صورت گرفته است. در این حوزه، زیرگراف کاوی جزء مسائل جذاب است که در آن می‌توان زیرگراف‌های ‌با خصوصیات مدنظر را از گراف (حجیم) ورودی استخراج کرد. یکی از زیرگراف‌های ‌پرکاربرد k-truss است که از آن برای به دست آوردن اجتماعات منسجم، نقاط پرچگال و افرازبندی استفاده می‌شود. در این مقاله یک الگوریتم چندهسته‌ای کارا و مقیاس پذیر برای یافتن زیرگراف‌های ‌k-truss ارائه شده است. برای این منظور ابتدا یک الگوریتم چندهسته‌ای برای شمارش مثلث‌ها با ایجاد یک ساختار مناسب به نام FONL از گراف ورودی پیشنهاد شده است. سپس از خروجی‌های آن، یک الگوریتم تکرارشونده ارائه شده است که به صورت موازی آن یال¬های گراف، که خصوصیت k-truss را نقض می‌کنند، حذف می‌نماید. روش پیشنهادی با استفاده از مجموعه گراف‌های ‌استاندارد بر روی یک ماشین 12 هسته‌ای اجرا شده است. نتایج آزمایشات نشان دهنده مقیاس پذیری مناسب و کارایی بالای روش پیشنهادی در مقایسه با دیگر روش‌های موازی است.

با ورود به عصر اطلاع رسانی دیجیتال و رشد سریع اینترنت، رفته رفته اطلاعات از فرم کاغذی به الکترونیکی تبدیل شدند. این امر برای ما امکان جستجوی کتاب‌ها و اخبار را به صورت الکترونیکی فراهم می‌کند. بنابراین نیاز به سیستم‌هایی برای بازیابی اطلاعات احساس می‌شود. به این منظور سیستمی جهت طبقه‌بندی متون با استفاده از خوشه‌بندی فازی با بردار ویژگی وزن‌دار پیشنهاد می‌شود. در روش پیشنهادی ابتدا در مرحله‌ی پیش پردازش، برای کاهش ابعاد از الگوریتم ژنتیک و سپس TF-IDF (Term Frequency - Inverse Document Frequency) استفاده شده و ویژگی‌هایی با قدرت تفکیک بالا انتخاب می‌شوند. سپس ماتریس وزنی متناسب با واریانس هر ویژگی، محاسبه شده و همگام با پیشرفت الگوریتم خوشه‌بندی تغییر می‌کند. بنابراین ویژگی‌های با واریانس بیشتر، تأثیر بیشتری در فرایند خوشه‌بندی خواهند داشت. در روش خوشه‌بندی، فاصله اقلیدسی به‌کار رفته، با این تفاوت که برای ابعاد ارزش یکسانی در نظر گرفته نمی‌شود. در نهایت کارایی سیستم پیشنهادی در خوشه‌بندی گروه‌های خبری مجموعه داده رویترز بررسی شده و نتایج نشان دهنده‌ی کارایی بالاتر این روش نسبت به خوشه‌بندی معمولی از نظر چند معیار ارزیابی معروف خوشه‌بندی، است.

اشکال هم‌شنوایی بسته به الگوهای گذاری که بر روی خطوط گذرگاه ظاهر می‌شود، می‌تواند باعث ایجاد ولتاژ گذار ناخواسته، تسریع و یا تأخیر در رخداد لبه‌های بالا و پایین رونده در سیم قربانی گردد و از این جهت بر قابلیت اطمینان، کارایی و توان مصرفی سامانه‌های مبتنی بر شبکه‌های روی تراشه اثر منفی گذارد. در سطح انتقال ثبات، روش‌های کدگذاری اجتناب از هم‌شنوایی به‌طور گسترده برای مقابله با اشکال هم‌شنوایی استفاده می‌شوند. کدگذاری‌های غیرهم‌پوشان یکی از مهم‌ترین انواع کدگذاری اجتناب از هم‌شنوایی هستند. با این وجود این کدگذاری‌ها، با مشکل سربار تحمیلی به سیستم مبتنی بر شبکه روی تراشه مواجه‌اند. در این مقاله، برای حل مشکل سربار کدگذاری‌های غیرهمپوشان یک سیستم عددی به نام حلزونی(Spiral-CAC) ارائه شده است. سیستم‌عددی حلزونی قابل اعمال بر روی شبکه‌های روی تراشه در هر عرض گذرگاهی است. نتایج شبیه‌سازی‌ها نشان می‌دهد، که سربارهای مساحت و توان مصرفی که مدار کدگذار سیستم عددی حلزونی (Sp-CAC) به سیستم تحمیل می‌کند، در مقایسه با روش پیشین بهبود دارد.

در مورد کلان داده‌ها، حافظه‌های موجود در برابر حجم داده بسیار کوچک در نظر گرفته می‌شوند و از طرفی در یک سری از کاربردها مانند شبکه سنسورها نیاز به پردازش اطلاعات به صورت بلادرنگ است. قسمتی از این کلان داده را جریان‌های داده تشکیل داده‌اند. به علت حجم بالای جریان داده‌ها امکان دسترسی تصادفی به اطلاعات وجود ندارد و مقدار محدودی از اطلاعات را می‌توان در حافظه اصلی نگهداری کرد بنابراین مجبوریم آن‌ها را در حافظه ثانوی نگهداری کنیم به همین دلیل هزینه مرور چند باره اطلاعات بسیار بالا است. خصوصیات جریان داده‌ها باعث شده است که الگوریتم‌های خوشه‌بندی موجود مناسب نباشند. بنابراین نیاز به ایجاد الگوریتم‌های خوشه‌بندی مخصوص جریان داده‌ها داریم. در اینجا ابتدا الگوریتم‌های خوشه‌بندی جریان دادهها بررسی شده‌اند و سپس یک الگوریتم خوشه‌بندی بر اساس تبدیل موجک بر روی چارچوب اسپارک پیاده‌سازی شده است که یک نو‌آوری در خوشه‌بندی جریان داده‌ها محسوب می‌شود.

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.

یکی از پرچالش‌ترین مسائل در حوزه شبکه‌های اجتماعی، مسأله بیشینه‌سازی تأثیر است. هدف از این مسأله، شناسایی زیرمجموعه‌ی کوچکی از گره‌ها به نام هسته‌های اولیه می‌باشد که می‌توانند منجر به بیشینه‌سازی گسترش تأثیر در شبکه‌های اجتماعی شوند. تاکنون روش‌های زیادی در زمینه مسأله بیشینه‌سازی تأثیر ارائه شده‌اند که از آن جمله می‌توان به روش تخفیف-درجه اشاره کرد. روش تخفیف درجه می‌تواند به طور مؤثر هسته‌های اولیه را شناسایی کند و این موضوع باعث شده که این روش به عنوان یک روش معیار در نظر گرفته شود. با این حال فرضیه‌های اولیه در روش تخفیف درجه کافی نمی‌باشد چرا که این روش با تمام گره‌های موجود در همسایگی یک گره به طور یکسان برخورد می‌کند و بین آنها هیچ تفاوتی قائل نمی‌شود. از این‌ رو در این مقاله، یک روش جدید تحت عنوان روش تخفیف تک‌درجه به عنوان یک تعمیم مؤثر از روش معیار تخفیف‌ درجه پیشنهاد شده است. در روش پیشنهادی بر اساس معیار درجه با گره‌های موجود در همسایگی یک گره رفتار می‌شود به این صورت که برای گره‌های تک‌درجه تخفیف بیشتری درنظر گرفته می‌شود. آزمایش‌های انجام شده بر روی تعدادی از شبکه‌های اجتماعی موجود در دنیای واقعی نشان می‌دهد هسته‌های اولیه انتخاب شده توسط روش تخفیف تک‌درجه نسبت به روش‌های معیار دیگر تأثیرگذارتر هستند.

شناسایی مرجع ضمیر یکی از جنبه‌های مهم پردازش متون به شمار می‌رود که در زمینه‌های مختلفی همچون استخراج اطلاعات از متن و خلاصه‌سازی متن، کاربرد فراوان دارد. روش‌های متفاوتی برای شناسایی مرجع ضمیر وجود دارد که می‌توان این روش‌ها را به‌طور کلی به دو دسته اصلی مبتنی بر قاعده و یادگیری ماشین تقسیم نمود. در روش مبتنی بر قاعده، نیازمند تعیین قواعدی هستیم که بتوان به کمک آن‌ها مرجع ضمیر را به‌درستی تعیین نمود. بنابراین می‌بایست این قواعد به‌گونه‌ای استخراج شوند که در تمامی موارد، عملکرد مناسبی داشته باشند. اما در روش یادگیری ماشین از تکنیک‌های مبتنی بر هوش مصنوعی استفاده می‌شود تا شناسایی مرجع ضمیر به‌صورت خودکار انجام شود. برای استفاده از این‌گونه روش‌ها، وجود داده‌های آموزشی مناسب اهمیت بسیار دارد تا بتوان به کمک داده آموزشی، یک دسته‌بندی‌کننده مناسب را آموزش داد. استفاده از هر کدام از روش‌های مبتنی بر قاعده و یادگیری ماشین مزایا و معایب خاص خود را دارد. در این مقاله سعی داریم تا با ترکیب این دو روش، سیستم شناسایی مرجع ضمیر را بهبود دهیم. نتایج به‌دست آمده نشان‌دهنده عملکرد بهتر سیستم پیشنهادی در مقایسه با سیستم‌هایی است که تنها از متدهای یادگیری ماشین استفاده نموده‌اند.

Energy consumption is an important issue in designing embedded systems and the emerging Internet of Things (IoT). The use of non-volatile memories instead of SRAM in these systems improves their energy consumption since nonvolatile memories consume much less leakage power and provide better capacity given the same die area as SRAM. However, this can impose significant performance overhead because the write operation latency of non-volatile memories is more than that of SRAM. In this paper we presented an NVM-based data memory architecture for embedded systems which improves the performance of the system at the cost of a slight energy consumption overhead. The architecture employs multi-banking techniques to parallelize the write operations and adds a write buffer which masks the latency of some write operations and reduces the average write latency of the memory subsystem. Compared to a system which uses a single-bank NVM, the proposed architecture can improve the performance by 38% at the cost of 9% increase in the energy consumption.

Recent trends in real-time systems are towards multicores and parallel processes in the form of directed acyclic graphs. The scheduling aspect of such systems has been worked on and many methods are developed. Nevertheless, the need for more efficient approaches which can use fewer number of cores has not vanished. Semi-partitioned scheduling of hard real-time parallel tasks in multicores is studied in this paper. Since there is no benefit in completing a task much before its deadline, after scheduling a parallel task, if it is beneficial for other tasks, the execution of this task is further moved towards its deadline, i.e., stretching, to make room for tasks with closer deadlines. A new concept, prior+, load of tasks is used to rank all tasks of each directed acyclic graph and order them for scheduling. The scheduler is offline and the schedule map is used during run time. One benefit of this is the reduction of the scheduling overhead during run time which helps to safely accept loads. The comparative evaluations show the algorithms performance is superior to the state of the art ones. It also confirmed that the new concept of prior+ load of a task is very effective in scheduling real-time directed acyclic graphs and suggests that it can as well be useful in scheduling workflows.

تخمين ترافيک جاده‌اي در نواحي شهري، به دليل وابستگي به زيرساخت‌هايي مانند دوربين و حلقه شناساگرها اغلب پرهزينه هستند. سنجش جمعي خودرويي يک راه‌حل در حال ظهور براي جمع‌آوري داده‌ها از خودروهاي هوشمند است. در برنامه‌هاي کاربردي سنجش جمعي خودرويي، مقدار زيادي داده‌هاي ترافيکي بين خودروها جمع‌‌آوري‌شده و سپس روي شبکه‌ي LTE ارسال مي‌شود که اين عمل منجر به افزايش بار شبکه‌هاي LTE شده است. در اين مقاله استفاده‌ي مشترک از ارتباطات شبکه‌ي سلولي LTE و ارتباطات DSRC شبکه‌ي اقتضايي خودرويي به‌عنوان راه‌حلي براي حل اين مسئله در نظر گرفته‌شده است. بدين منظور يک روش خوشه‌بندي براي جمع‌آوري داده‌هاي سنجش جمعي خودرويي، به‌منظور بارگذاري اين داده‌ها روي شبکه‌ي LTE ارائه‌شده است. پروتکل پيشنهادي شامل يک پروتکل جمع‌آوري داده‌هاي FCD است که به‌طور کامل توزيع‌شده است، در اين پروتکل داده‌هاي FCD به‌صورت دوره‌اي توسط زيرمجموعه‌اي از خودروها تحت عنوان گره نماينده جمع‌آوري مي‌شود و با يک روش مناسب توسط اين گره‌ها تجميع شده و پس‌ازآن به شبکه‌ي LTE ارسال مي‌شود. دستاوردهاي حاصل از پروتکل پيشنهادي، کاهش هزينه‌ي جمع‌آوري داده، کاهش استفاده از پهناي باند، کاهش انتقال‌هاي انجام‌شده بر روي شبکه‌ي LTE و کاهش تعداد کانال‌هاي LTE مورداستفاده در زمان بارگذاري داده‌ها است.