انجمن کامپیوتر ایران

حداقل میانگین مربعات خطا نقشی ضروری در یادگیری و مقبولیت سیستم‌های عصبی ایفا می‌کند. با این وجود مقدار آنی خطای مدل به تنهایی نمی‌تواند حداکثر اطلاعات را از صحت مدل تخمین زده شده یا طبقه‌بندی ساختار داده‌ها منتقل کند. در این مقاله تعمیمی از تابع هزینه مرسوم حداقل میانگین مربعات خطا معرفی کرده‌ایم که ترم تنظیم‌کننده آن مبتنی بر حداقل واریانس خطا می‌باشد. نشان خواهیم داد که این تابع هزینه نیز جوابی شبیه به فرم وینر خواهد داشت و به خاطر ترم تنظیم‌کننده تابع هزینه جدید نسبت به نویز مقاوم‌تر عمل می‌کند و شکل داده‌ها را بهتر در خود لحاظ می‌نماید. همچنین فرم بازگشتی LMS گونه تابع هزینه معرفی شده را بدست می‌آوریم تا بتوان از آن به صورت برخط استفاده نمود و سپس به حل انواع کرنلی آن می‌پردازیم. عملکرد این روش‌ها را با داده‌های مختلف در مسئله طبقه‌بندی بررسی خواهیم نمود.

امروزه مسائل امنیتی در شبکه‌های کامپیوتری از اهمیت ویژه‌ای برخوردار است، زیرا فناوری‌های ارائه شده در شبکه‌های کامپیوتری بیش از پیش در برابر حملات از خود آسیب‌پذیری نشان داده‌اند. یکی از این فناوری‌ها، سیستم‌های مبتنی بر SIP همانند VOIP است که از پروتکل متنی SIP به عنوان پروتکل سیگنالینگ استفاده می‌کند. از سوی دیگر پيشرفت‌هاي اخير در زمينه سيستم‌هاي تشخيص نفوذ، نياز به وجود سيستم‌هاي پاسخ به نفوذ را بيش از پيش ضروري ساخته است. از این‌رو در این مقاله با تمرکز بر روی مولفه‌های مبتنی بر SIP، سیستم پاسخی با قابلیت تطبیق با شرایط پویای محیطی و حساس به هزینه ارائه شده است. سیستم پاسخ پیشنهادی با تعریف مجموعه‌ای از پاسخ‌های امکان‌پذیر در سیستم‌های مبتنی بر SIP، حالت فعلی و شرایط کاری مولفه مبتنی بر SIP، سیاست‌های تعریف شده در سیستم پاسخ و نیز هزینه ناشی از آسیب و پاسخ، به انتخاب پاسخ، اعمال آن و گرفتن بازخورد از پاسخ اعمالی می‌پردازد. ارزیابی روش پیشنهادی بر روي يک بستر آزمايشگاهي واقعي (test-bed) که با کمک ابزارهاي متن باز نظير OPENSIPS و SIPp راه‌اندازي شده است، انجام شده و پاسخ‌ها، نوع و شرایط اعمال آنها به عنوان خروجي در این مقاله ارائه شده است.

فرآیند کسب و کار همکار به منظور تامین هدفی مشترک بین چندین واحد همکار اجرا می شود. اطلاعات زمینه هر واحد همکار ممکن است در زمان اجرا تغییر یابد. نحوه اعمال تغییرات بر روی نمونه فرآیندهای در حال اجرا یک چالش تحقیقاتی است. در پارادایم سرویس گرایی فرآیندهای کسب و کار همکار توسط مشخصه هم آرایی یعنی WS-CDL توصیف می شوند. WS-CDL ساختاری ایستا و نحوی دارد و از روابط دوطرفه بین منطق کسب و کار و منطق اجرا پشتیبانی نمی کند. در این مقاله چارچوبی تطبیق پذیر بر پایه الگوی طراحی بازتابی-وضعیت ارائه نمودیم. این چارچوب آگاه-از-زمینه است و بر پایه سازوکار رخدادگرایی اجرا می شود. استفاده از الگوی طراحی بازتابی-وضعیت منجر به جداسازی دغدغه کنترل/مدیریت از دغدغه پیاده سازی و اجرا می شود. واحد کنترل پس از تحلیل تغییرات با استفاده از کنترلرهای فازی، برای تحقق استراتژی های تطبیق پذیری برنامه ریزی می کند. استفاده از ماشین وضعیت بر روی لایه فراداده الگوی بازتابی-وضعیت، امکان تغییر ساختار نمونه فرآیندها را در زمان اجرا میسر می کند. زمانیکه یک نیازمندی تطبیق پذیری بوجود آید، واحد کنترل با عینیت بخشیدن به استراتژی تطبیق پذیری مناسب مانند پیکربندی مجدد، انتخاب مجدد سرویس یا غیره، ساختار اجرایی یا تنظیمات سیستم را تغییر می دهد. چارچوب پیشنهادی را با استفاده از مطالعه موردی "خرید برنامه سفر" توصیف و رفتارهای زمان اجرای آنرا شبیه سازی نمودیم.

کنترل پذیرش یکی از چالش‌های مهم مدیریت منابع در محاسبات ابری می‌باشد که در مورد پذیرش یا عدم پذیرش درخواست جدید تصمیم‌گیری می‌کند. پس از تصمیم پذیرش درخواست جدید، الگوریتم زمان‌بندی بر اساس اطلاعات جمع‌آوری شده در الگوریتم کنترل پذیرش، مناسب‌ترین ماشین‌مجازی برای تخصیص به وظایف را پیدا می‌کند. کنترل پذیرش باید مطمئن شود با پذیرش درخواست جدید، منابع سربارگذاری نمی‌شوند و درخواست‌ها با موفقیت انجام خواهند شد، همچنین پذیرش درخواست جدید در انجام درخواست‌های قبلی تاثیری نخواهد داشت. در اين مقاله الگوريتم کنترل پذیرش و زمان‌بندی وظیفه کارای انرژی در محاسبات ابری ارائه می‌شود. الگوريتم پيشنهادي (Energy Efficient Admission Control and Task Scheduling) EEACTS نام‌‌گذاري شده و هدف آن بهره‌برداری کامل منابع محاسباتی برای کاهش هزینه‌های ارائه‌دهندگان سرویس‌های ابری و کاهش مصرف انرژی می‌باشد. EFACTS از دو الگوریتم کنترل پذیرش و زمان‌بندی وظیفه تشکیل شده‌است. الگورتم کنترل پذیرش به کمک چهار سیاست، تصمیم به پذیرش و یا رد درخواست جدید می‌گیرد و الگوریتم زمان‌بندی بر اساس نتایج کنترل پذیرش، ماشین‌مجازی مناسب را برای تخصیص به درخواست جدید انتخاب می‌کند. نتايج حاصل از شبیه‌سازی نشان می‌دهد که زمان پاسخ و هزینه‌ی ارائه دهندگان سرویس‌های ابری در الگوریتم EEACTS به خوبی کارهای پیشین می‌باشد، افزون بر این، EEACTS میزان نگه‌داری انرژی بالاتری از خود نشان می‌دهد.

دو مورد از الگوریتمهای کاربردی در حوزه بهینه سازی، الگوریتمهای کلونی مورچگان و بهینه سازی مبتني بر تدريس- یادگیری می‌باشد. در الگوریتم کلونی مورچگان تبادل اطلاعات بدون وجود هیچ ساختارکنترلی متمرکزی، صرفا بر پایه یک ارتباط غیر مستقیم از طریق نشانه گذاری بنا شده است. این الگوریتم عملکرد مناسبی داشته اما از سرعت همگرایی پایینی برخوردار است. در مقابل الگوریتم مبتني بر تدريس- یادگیری از سرعت بالایی برخوردار بوده و علاوه بر وجود یک هدایت مرکزی در فاز معلم، از یک روش مستقیم نیز جهت تبادل اطلاعات در فاز شاگرد استفاده می‌کند. در این مقاله ایده ترکیب این دو الگوریتم، جهت بهره گیری همزمان از مزایای وجود یک هدایت مرکزی در کنار تبادل اطلاعات مستقیم و غیر مستقیم اعضاء مطرح و با ترکیب سری این دو روش یک الگوریتم جدید با نام اختصاری TLBO-ACOR جهت حل مسایل بهینه سازی در فضای پیوسته پیشنهاد شده است. جهت ارزیابی این الگوریتم از تعدادی از توابع استاندارد پایه و توابع محک CEC2005 استفاده شده است. نتایج بدست آمده از این ارزیابی، نشان دهنده کارایی قابل قبول الگوریتم TLBO-ACOR و همچنین افزایش چشمگیر سرعت در رسیدن به جواب بهینه سراسری توابع استاندارد پایه می‌باشد.

امروزه با بالا رفتن تکنولوژی ساخت تراشه‌ها، چگالی توان مصرفی نیز رو به افزایش است. افزایش چگالی توان مصرفی منجر به افزایش دما شده است که افزایش دما بر روی کارایی، قابلیت اطمینان، هزینه، طول عمر قطعات و توان ناشی از جریان نشتی تاثیر منفی می‌گذارد. برای حل چالش افزایش دمای پردازنده‌‌ها، تکنیک‌‌های مختلف مدیریت پویای دما با استفاده از روشهای پیش‌بینی و تخمین دما به همراه زمانبندی و مهاجرت وظایف، تنظیم پویای ولتاژ و فرکانس، تزریق نخها یا چرخههای بیکار ارائه شده‌‌اند. اکثر این تکنیک‌ها به ازای بارکاری پایین (تعداد وظایف کمتر از هسته‌ها) ارزیابی شدهاند و در صورتی که تعداد وظایف بیشتر از هسته‌ها باشد کارا نیستند. در این مقاله تکنیکی جهت مدیریت پویای دمای پردازنده‌های چند هسته‌ای با تعداد برنامه‌های بیشتر از هسته‌ها ارائه شده که با استفاده از ابزار تنظیم اولویت وظایف، دما را مدیریت می‌نماید. نتایج حاصل از آزمایشات نشان می‌دهد که روش پیشنهادی میانگین و بیشینه دما را به‌ ترتیب 10.07% و 8.06% کاهش داده و حدود 0.82% سربار کارایی در مقایسه با زمانبند استاندارد لینوکس دارد.

در این مقاله یک رویکرد بازشناسی چهره تحت شرایط گریم و آرایش مبتنی ‌بر الگوریتم کوانتیزه‌ساز فاز محلی (LPQ) و الگوریتم جستجوی‌ فراگیر ارائه شده است. LPQ برای استخراج ویژگی آماری فاز در پنجره‌هایی با اندازه‌های مختلف استفاده شده است. الگوریتم جستجوی‌فراگیر با بررسی تمام ترکیبات ممکن این پنجره‌ها، یک ترکیب با بیش‌ترین دقت بازشناسی را به عنوان ترکیب بهینه انتخاب می‌کند. در این پژوهش، گریم وآرایش نوعی محوی در تصویر در نظر گرفته شده و LPQ به دلیل استفاده از ویژگی آماری فاز تبدیل فوریه، در مقابل محوی موجود در تصاویر مقاومت نشان می‌دهد هم‌چنین استفاده از ‌پنجره‌هایی با اندازه‌های مختلف به جای استفاده از پنجره ثابت در مرحله استخراج ویژگی، باعث افزایش کارایی در روش پیشنهادی شده است. جهت بازشناسی، از دو معیار شباهت‌سنجی فاصله اقلیدسی و منهتن استفاده شده است. کارایی الگوریتم پیشنهادی با دو سری آزمایش بر روی دو پایگاه داده واقعی و ساختگی تغییر‌ چهره ارزیابی شده است. آزمایش اول با کاهش تعداد تصاویر گالری از سه به یک و آزمایش دوم با گریم‌های مختلف از هر شخص انجام گرفته است. در همه موارد نتایج پیاده‌سازی‌های انجام شده، برتری شیوه پیشنهادی را در مقایسه با چند الگوریتم مطرح موجود نشان می‌دهد.

امروزه روش های مختلفی برای بازشناسی گفتار وجود دارند که مهم‌ترین آن ها روش های مبتنی بر شبکه های عصبی و مدل مخفی مارکوف (HMM) هستند. از آنجا که سیگنال گفتار نمونه ای از داده های متوالی است که در آنها مقدار داده فعلی به مقادیر قبلی وابسته است، شبکه های عصبی بازگشتی به دلیل دارا بودن حافظه، برای مدل‌سازی این نوع داده‌ها مناسب هستند. شبکه عصبی حافظه کوتاه مدت ماندگار (LSTM) به عنوان یکی از شبکه‌های بازگشتی، مشکل فراموشی داده‌ها در دنباله‌های طولانی را رفع کرده است. در این مقاله برای نخستین بار از شبکه عصبی حافظه کوتاه مدت ماندگار جهت بازشناسی گفتار فارسی استفاده شده است. برای این منظور، از ضرایب کپسترال در مقیاس مل (MFCC) به عنوان ویژگی‌و از دادگان فارس دات کوچک استفاده شده است. در ارزیابی شبکه، نتایج حاصل با روش مدل مخفی مارکوف مقایسه شده است. نتایج به دست آمده بیانگر دقت 74.89% این شبکه در بازشناسی فریم های مجموعه فارس دات است که با دقت بازشناسی واج با روش مدل مخفی مارکوف قابل مقایسه است. کارایی بالای این شبکه در بازشناسی گفتار فارسی نشان دهنده قدرت بالای این شبکه در یادگیری دنباله های طولانی است.

تشخیص جوامع به صورت پویا یکی از مباحث مهم تحقیقاتی در شبکه های اجتماعی است. رویکردهای گوناگونی برای تشخیص جوامع به صورت پویا وجود دارد. یکی از پرکاربردترین رویکردها در این زمینه، رویکرد مبتنی بر انتشار برچسب است. روش های گوناگونی برای تشخیص جوامع مبتنی بر انتشار برچسب وجود دارد. یکی از این روش ها، روش انتشار گوینده – شنونده پویا است. روش انتشار گوینده - شنونده پویا سرعت بالایی برای تشخیص جوامع به صورت پویا در شبکه های اجتماعی دارد، با این وجود، این روش در برخی مواقع در تشخیص صحیح جوامع دچار مشکل خواهد شد. یکی از این مشکلات، این است که یک گره به یک جامعه می پیوندد بدون آنکه اتصالات درونی آن جامعه و تعداد ارتباطات گره با آن جامعه در نظر گرفته شود. این مشکل صحت تشخیص جوامع را در حالت پویا کاهش خواهد داد. در این مقاله، یک روش ترکیبی براساس روش انتشار گوینده - شنونده و روش حریصانه ی بلاندل ارائه شده است. در ادامه روش ارائه شده و روش انتشار گوینده – شنونده پویا بر روی مجموعه ی داده ای دی بی ال پی پیاده سازی شده است. نتایج این پیاده سازی نشان می دهد که روش ارائه شده از لحاظ صحت نسبت به روش انتشار گوینده – شنونده پویا بهتر عمل کرده است. همچنین زمان اجرای دو الگوریتم تفاوت چندانی ندارد.

سنجش شباهت معنایی واژگان از جمله مساله‌های مهم در پردازش متن و زبان طبیعی است که در بسیاری مسائل نظیر ساخت وردنت و استخراج روابط معنایی از متن کاربرد دارد و معیارهای زیادی برای این منظور پیشنهاد شده است. اما تاکنون مقایسه جامعی بین آن‌ها در زبان فارسی صورت نگرفته است. در این مقاله دقت چندین معیار شباهت سنجی توزیعی مورد بررسی قرار گرفته است و با تحلیل نقاط قوت و ضعف آن‌ها، چندین معیار ترکیبی ارائه شده است. آزمایش‌ها نشان می‌دهند که PMI با ۴۲% بیشترین دقت را بین معیارهای توزیعی دارد و بهترین معیار ترکیبی ارائه شده توانسته است دقت آن را ۱۶% بهبود بخشد.

در این مقاله الگوریتمی جدید برای تولید چندضلعی‌های ساده تصادفی برگرفته‌ شده از معکوس دوگان مثلث‌بندی، ارائه می‌دهیم. دوگان مثلث‌بندی یک ساختار درختی است که نحوه مثلث‌بندی چندضلعی ساده را نمایش می‌دهد. این الگوریتم قادر به تولید چندضلعی است که دوگان مثلث‌بندی آن برابر با درخت داده‌ شده در ورودی است. به بیانی دیگر از روی یک درخت شبه دودویی تصادفی با توزیع یکنواخت، یک چندضلعی ساده تولید می‌شود. این چندضلعی نماینده تمامی چندضلعی‌هایی است که دوگان مثلث‌بندی آن‌ها با درخت ایجادشده یکسان است. این روش اولین بار است که در تولید چندضلعی‌های تصادفی ارائه می‌شود. این الگوریتم دارای پیچیدگی زمانی O(n^2 logn) است.

در روش های اخیر جویبارسازی ویدیو، برای بهبود کیفیت نمایش و مقابله با وقفه ها، از روش نمایش تطبیقی محتوای چند رسانه ای استفاده می شود. در این مقاله الگوریتمی پیشنهادی به‏ منظور تعیین مناسب تاخیر نمایش آغازین یک ویدیوی جویبارسازی شده در سمت گیرنده معرفی شده است. هم‏چنین برای جلوگیری از سرریز یا پاریز بافر به ‏دلیل عدم تناسب سرعت پخش محتوا و نرخ ورودی آن، الگوریتمی پیشنهادی با عنوان مراقبت محتوا ارایه شده است. در روش پیشنهادی مراقبت محتوا یا CP، سه ناحیه سبز، زرد و قرمز در نظر گرفته شده است. در ناحیه سبز یا ناحیه ایمن، نرخ نمایش عادی اعمال می گردد. در ناحیه زرد یا ناحیه هشدار، تلاش می‏ شود نرخ نمایش به حالت عادی مربوط به ناحیه سبز بازگردانده شود. در ناحیه قرمز یا ناحیه خطر، به‏ منظور جلوگیری از پاریز بافر یا سرریز بافر، تغییر نرخ نمایش تا حد کیفی قابل قبول برای کاربر در نظر گرفته می‌شود. در این مقاله، عملکرد روش پیشنهادی با استفاده از شبیه‌سازی بررسی و با تعدادی از الگوریتم‌های نمایش تطبیقیِ موجود مقایسه شده است. نتایج به ‏دست آمده نشان می دهد که روش پیشنهادی، احتمال پاریز بافر و هم‏چنین سرریز بافر را کاهش می دهد و از منظر کیفیتِ تجربه کاربر نیز عملکرد مناسب‌تری دارد.

یکی از مهمترین چالش ها برای سیستم های دیجیتال مقیاس نانو، کاهش قابلیت اطمینان ناشی از افزایش نرخ خطای نرم این سیستم ها می باشد. با رسیدن ابعاد ابزارهای دیجیتال به مقیاس نانو نرخ خطای گذرای چندگانه، ناشی از برخورد یک ذره پرانرژی به سطح تراشه ها بیش از نرخ خطای گذرای تک‏رخدادی خواهد بود. بنابراین در فرآیند طراحی این سیستم ها، تکنیک های بهینه سازی باید آگاه از خطاهای گذرای چندگانه انتخاب شوند. در این مقاله، با ارایه چارچوبی جدید و به کمک افزایش پوشش الکتریکی دروازه های حساس، از طریق اندازه گذاری مجدد آن‏ها نرخ خطای نرم چندگانه در مدارهای ترکیبی بهبود یافته است. نتایج بروی روی مدارهای محک ISCAS85 نشان می دهد که اندازه گذاریمجدد دروازه ها در حضور گذارهای چند رخدادی موجب بهبود 2X نرخ خطای نرم در مقایسه با زمانی خواهد بود که اندازه گذاری دروازه ها تنها در حضور گذارهای تک رخدادی انجام می گیرد.

رایانش ابری به پارادیمی اشاره می کند که سرویس ها از طریق اینترنت و با مدل پرداخت در هر بار استفاده، قابل بکارگیری است. برنامه های جریان کار، برنامه هایی هستند که وظایف در آنها باید با ترتیب خاصی اجرا شود تا کل وظایف کامل شوند. در این مقاله، هدف ارائه الگوریتمی برای زمان بندی وظایف جریان کار در محیط ابر است. برای اجرای جریان کار در ابر معمولاً محدودیت هایی مانند مهلت زمانی، بودجه، انرژی و غیره، در نظر گرفته می شود که بر طبق این اطلاعات، زمانبندی وظایف جریانکار صورت می گیرد. در این مقاله، راهکار نوینی مبتنی بر بهبود الگوریتم کلونی زنبورهای مصنوعی با استفاده از استراتژی تکامل برای زمانبندی وظایف جریانکار در محیط ابر با تابع هدف زمان ارائه شده است. شبیه سازی با کلودسیم صورت پذیرفته و در نهایت، الگوریتم پیشنهادی با سه الگوریتم ژنتیک، ازدحام ذرات و کلونی زنبورهای مصنوعی مقایسه شده است. نتایج حاصل از شبیه سازی نشان داده که الگوریتم پیشنهادی میانگین طول زمانبندی کمتری نسبت به الگوریتم های مذکور دارد.

یکی از متداولترین روش ها براي مدل‌سازي سيستم هاي پيچيده، پيش‌بيني، داده‌کاوي فرايندهاي چند متغيره و شناسايي الگو شبکه های عصبی GMDH است. زمان آموزش، یکی از مهمترین چالش ها در اجرای شبکه های عصبی است. تلاش های زیادی در جهت بهبود زمان اجرای آنها صورت گرفته است. موازی سازی یکی از این روش ها است. در این تحقیق هدف، کارایی شبکه عصبی GMDH با استفاده از تکنیک های پردازش موازی بر روی پردازنده های چند هسته ای و گرافیکی بهبود داده می شود. این بهبود با استفاده از موازی سازی در سطح حلقه ها است. یافته های تحقیق کاهش 12.3 برابری زمان اجرای این الگوریتم بر روی GPU نسبت به CPU را نشان می دهد.

نظر به اين كه علم پردازش تصوير از علوم پركاربرد و مهم در فنون مهندسي و هوش مصنوعي است و در پيشبرد اهداف حوزه هاي مختلف مانند صنعت، پزشكي، علوم نظامي و امنيتي و ... نقش اساسي و مهمي را ايفا مي كند، لذا مطالعه حاضر در جهت آشنايي با علم پردازش تصوير و نيز معرفي يكي از كاربردهاي آن در حوزهي فناوري و در ربات مسير ياب بيسيم ارائه شده است. در علم پردازش تصوير رنگ و تصوير اساس كار با سيستم ها و ماشين هاي بينايي را تشكيل مي دهد. در اين مطالعه رباتي طراحي شده است كه در واحد بينايي خود به جاي استفاده از سنسورها از يك دوربين ديجيتال بهره گرفته است. تصاويري كه دوربين از محيط اطراف خود تهيه مي كند، از طريق ارتباط بي سيم به عنوان دادهي ورودي در اختيار بخش پردازش تصوير قرار مي گيرد. متلب یکی از نرم افزارهایي است كه وظيفه پردازش داده هاي تصويري و تبديل آن را بر عهده دارد. اين نرم افزار تمام محاسبات خود را از طريق ماتريس انجام مي دهد لذا تصاوير به صورت ماتريسي از اعداد تبديل مي گردند كه نرم افزار تنها با اين اعداد مرتبط است.

شبکه اقتضائی متحرک شامل مجموعه‌ای از گره‌های متحرک و بی‌سیم است که در آن هیچ گونه زیر ساخت ثابتی وجود ندارد. در شبکه‌های اقتضائی متحرک به علت تحرک گره‌ها همبندی شبکه به سرعت تغییر می‌کند، بنابراین یک چالش مهم برای این شبکه‌ها توسعه رویکردی است که با وجود تغییر پویای هم‌بندی شبکه قادر باشد تحمل پذیر خطا به خصوص در بحث مسیریابی را تامین کند. در این مقاله رویکردی ترکیبی مبتنی بر پروتکل AOMDV جهت افزایش تحمل پذیری خطا در مسیریابی و پوشش خطاهای ارسال داده ارائه می‌شود. رویکرد پیشنهادی شامل سه فاز است که در فاز اول به مسیریابی چند مسیری تحمل پذیری خطا و قابل اطمینان پرداخته می‌شود، در فاز دوم تحمل پذیری خطا و قابلیت اطمینان تبادلات داده در نظر گرفته شده و در فاز سوم مکانیزمی ارائه گردیده که تاثیرات منفی بازیابی و پوشش خطا را کاهش می‌دهد. با استفاده از شبیه‌ساز OPNET رویکرد مورد نظر شبیه‌سازی و سپس جهت تعیین میزان بهبود و یا ضعف روش پیشنهادی نسبت به روش‌های دیگر، نتایج شبیه‌سازی، در معیارهایی همچون نرخ ارسال، تأخیر و بازدهی شبکه مورد ارزیابی قرار می‌گیرد. نتایج آزمایش‌ها بیانگر کارائی بیشتر الگوریتم پیشنهادی نسبت به الگوریتم‌های استاندارد موجود می‌باشد.

محاسبه‌ی امن و گروهی روی داده‌های خصوصی، توجه پژوهشگران حوزه‌ی امنیت اطلاعات را بیش از پیش به خود جلب نموده است. اولین مسئله از این دست، مسئله‌ی میلیونرهاست که در آن دو میلیونر بدون افشای میزان سرمایه‌ی خود و بدون استفاده از طرف سوم، قصد دارند بدانند کدامیک ثروتمندتر است. در اين تحقیق، مسئله‌ی جمع چندسویه‌ی امن مورد توجه گرفته‌است که در آن گروهی از کاربران مجموع داده‌ی محرمانه خود را با حفظ محرمانگی داده‌ها محاسبه می‌کنند. در این مقاله یک پروتکل کارا جهت محاسبه‌ی جمع چندسویه‌ی امن در مدل بدخواه ارائه شده است. راهکار پیشنهادی، بدون نیاز به کانال امن و با هزینه‌ی ارتباطی کمتر نسبت به روش‌های موجود، قادر به محاسبه‌ی حاصل جمع است. به‌علاوه، راهکار پیشنهادی محرمانگی حاصل‌جمع را تأمین نموده و در مقابل تبانی جزئی تا سطح n-2 نفر امن است.

در این پژوهش روش نوینی برای تشخیص هویت معرفی میکنیم. این روش از فاصله بین مفاصل بدن، که از پردازش تصویر شخص به دست میآید استفاده میکند. Henneberg وLucas Teghan کارشناسان بهداشت از دانشگاه Adelaide، در تحقیقی که در سال 2015 انجام داده‌اند، اثبات کرده‌اند که استفاده از صفات اندازه‌ای بدن در احراز هویت حتی بهتر از استفاده از چهره عمل میکند. نگارنده در جستجوهای خود، هیچ مقاله‌ای برای تشخیص هویت با اندازه‌های بدنی با استفاده از پردازش تصویر مشاهده نکرده است. هدف از انجام این پروژه، طراحی و پیادهسازی سیستم تشخیص هویت با اندازه‌های بدن است. این سیستم را با الگوریتمهایKNN ، SVM و KNN-SVM پیادهسازی میکنیم. دقت حاصل از پیاده سازی با الگوریتم KNN-SVM 98.08% محاسبه شده‌است. در این پژوهش به صورت تصادفی از 3024 تصویر از مجموعه داده‌های CAD-60 استفاده شده است. این مجموعه شامل دنباله‌ای از تصاویر RGB-D است که با استفاده از سنسور Kinect از چهار شخص در پنج محیط مختلف ضبط شده است. از جمله سازمان‌هايي که مي‌توانند از نتايج بدست آمده استفاده كنند، میتوان به سازمان تشخیص هویت و همچنین پلیس آگاهی ناجا (برای استفاده در شرایطی که چهره شخص پوشیده باشد یا دوربین‌های مداربسته موفق به ثبت تصاویر مناسب نشده باشند)، وزارت اطلاعات و امنیت (برای مبارزه با تروریسم)، سازمان پزشکی قانونی (زمانی که چهره شخص قابل شناسایی نباشد) و نیز صنایع رباتیک اشاره کرد.

شبکه‌های بین خودرویی موردی، نسل جدیدی از شبکه‌های موردی سیار هستند که در آن خودروهای در حال حرکت نقش گره‌های متحرک را دارند و به دلیل تحرک بالای خودروها، توپولوژی شبکه دائما در حال تغییر است. یکی از شناخته شده ترین پروتکل‌های مسیریابی در این شبکه‌ها، پروتکل (Ad hoc On-demand Distance Vector) AODV است که معیار کمترین تعداد گام را برای انتخاب مسیر بکار میبرد. این معیار به تنهایی در بسیاری از سناریوها موجب کاهش کارایی شبکه میشود. در این مقاله، برای برطرف کردن چالش مطرح شده، پروتکل AODV با استفاده از منطق فازی، بهبود داده شده است. روش پیشنهادی، با نرم افزار شبیهساز NS-2.35 شبیهسازی و با دو روش AODV و (Practicable Fuzzy constrait Q- Learning-AODV) PFQ-AODV مقایسه شده است. نتایج شبیهسازی نشان میدهد که روش پیشنهادی، دارای میانگین تأخیر انتها به انتها و نرخ از دست رفتن بسته‌ی کمتر و نرخ تحویل بسته‌ی بیشتری نسبت به دو روش دیگر است، خصوصا زمانی که تعداد گره‌ها افزایش پیدا می‌کند.