در اين مقاله، روشی کارآمد و جدید برای تطبیق تصاویر رادیوگرافی دندان ِ قبل از مرگ (AM) و پس از مرگ (PM)افراد که برای تعیین هویت بکار می¬رود ارائه می¬کنیم. استفاده از این روش باعث افزایش دقت شناسایی و کاهش فضای جستجو می¬شود. در روش¬های گذشته، تنها از اطلاعات خط محیطی دندان¬ها به عنوان ویژگی در تطبیق استفاده شده است. از آنجایی که برای تطبیق تصاویر دیجیتالی رادیوگرافی دندان¬ها نیاز به ویژگی¬های موثری داریم، تنها استفاده از خط محیطی دندان¬ها به عنوان ویژگی دندان¬ها نمی¬تواند دقت مناسبی در بعضی از تصاویر دندانی داشته باشد، بنابراین ما مومنت¬های زرنیک را بکار بردیم تا دقت تعیین هویت افراد متوفی را افزایش دهیم. نتایج به دست آمده از این تحقیق، افزایش دقت تعیین هویت افراد را نسبت به کارهای گذشته نشان می¬دهد.

این مقاله به طراحی کنترلگر برای مسأله ناوبری ربات می¬پردازد. در ناوبری ربات معمولاً مدل کاملی از محیط در دسترس نیست، لذا فرمان کنترلی با توجه به داده¬های محلی جمع آوری شده توسط حسگرهای ربات تولید می¬شود. استفاده از یادگیری با ناظر برای تنظیم کنترلگر دارای چالش¬های جدّی همچون ناسازگاری داده¬ها و خطای زیاد آن¬ها می¬باشد. لذا با توجه به قابلیت¬های روش یادگیری تقویتی که در آن تنها با استفاده از یک سیگنال تقویتی اسکالر آموزش صورت می¬گیرد، محققین از آن برای ناوبری ربات استفاده کرده¬اند. این مقاله یک ایده جدید جهت ترکیب یادگیری باناظر و یادگیری تقویتی برای تسريع در روند فرايند يادگيري ربات¬ها و بهبود کيفيت آموزش ارائه می¬دهد. در فاز اول داده¬های آموزشی توسط ناظر در محیط جمع¬آوری می¬شوند و با کمک این داده¬ها و استفاده از روش یادگیری باناظر یک کنترلگر مرتبه صفر را تنظیم نموده¬ایم. بعد از این در فاز دوم پارامترهای تالی کنترلگر را با استفاده از روش یادگیری سارسای فازی (FSL) که یک الگوریتم یادگیری تقویتی فازی با معماری نقاد-تنها است تنظیم نموده¬ایم. محيط¬هاي آموزش و تست در شبيه ساز KIKS فراهم شده است. نتايج شبيه سازي حاكي از عملكرد مناسب روش یادگیری ترکیبی در مقایسه با یادگیری باناظر و FSL می¬باشد.

در سيستم هاي تصويري ديجيتال با دقت بالا، دنباله فريم ها به طريقي است، كه از فريم اول فقط خطوط فرد و از فريم بعدي فقط خطوط زوج ارسال مي شود؛ كه به اين كار درهم تنيدگي مي گويند. مسئله رفع در هم تنيدگي، كه همانا جبران خطوط غايب در هر فريم باشد، كليد اصلي بسياري از مسائل پردازش تصاوير ويدئويي ديجيتال مي باشد. بسياري از روش هاي به كار رفته در اين زمينه، سعي دارند براي حذف آثار ناشي از درهم تنيدگي، از اطلاعات موجود در حوزه‌ي زمان و مكان و بعضا از الگوريتم هاي جبران سازي حركت استفاده كنند. به دليل هزينه‌ي سنگين محاسباتي اين دسته از الگوريتم ها و همچنين پيچيدگي بيش از حد آنها،‌ بسياري از روش ها از به كارگيري جبران سازي حركت امتناع كرده اند.در اين مقاله، روشي براي رفع در هم تنيدگي مبتني بر تشخيص حركت، و بر پايه‌ي ميانگين گيري خطي، پيشنهاد شده است.روش پيشنهادي در مقايسه با برخي از روش هاي اخير، توانسته است به دقت خوبي دست يابد. علاوه براين، شبيه سازي ها نشان داده است؛ كه اين روش نتايج بصري قابل قبولي نيز توليد كرده است.

پیکره های چند زبانه اصلی ترین منابع در زمینه بازیابی اطلاعات بین زبانی به شمار می روند. در این میان کیفیت بسیاری از کارها ازجمله ترجمه ماشینی به شدت به کیفیت این پیکره ها وابسته است.یکی از انواع این پیکره ها پیکره های تطبیقی می باشند.این پیکره ها با توجه به حجم بالا می توانند شامل اطلاعات وسیعی باشند و می توان با استفاده از آنها جملات موازی را استخراج کرد و در کاربردهای ترجمه ماشینی از آن استفاده کرد.با توجه به ویژگی های خاص زبان فارسیمانند ویژگی های قواعد آن و نوع ترکیب کلمات ،پیکره تطبیقی مناسب و دقیق در زبان فارسی وجود ندارد. در این مقاله به بررسی روشی جدید برای ساخت پیکره تطبیقی فارسی-انگلیسی می پردازیم.

اندازه‌گیری شباهت جملات در کاربردهای مختلفی از پردازش متن از جمله سیستم‌های پرسش و پاسخ و خلاصه‌سازی متن مورد استفاده قرار می‌گیرد. در این مقاله روشی جدید برای اندازه‌گیری شباهت معنایی جملات مبتنی بر نقش‌های معنایی معرفی شده است. در این روش، جملات ورودی ابتدا با برچسب‌های بخش‌های گفتار و نقش‌های معنایی برچسب‌ زده می‌شوند و سپس با استفاده از یک معیار اندازه‌گیری معنایی، شباهت کلمات در برچسب‌های نقش‌های معنایی یکسان محاسبه می‌شود. با استفاده از این مقادیر، شباهت نقش‌های معنایی، سطوح معنایی و در نهایت شباهت جملات محاسبه می‌گردد. برخلاف بسیاری از روش‌های پیشین این روش قابلیت محاسبه شباهت معنایی جملات کوتاه و ساده و همچنین طولانی با ساختارهای پیچیده را دارا می‌باشد. نتایج پیاده‌سازی نشان می‌دهند استفاده از مشابهت معنایی علاوه بر مشابهت ساده و همچنین نقش‌های معنایی علاوه بر برچسب‌های بخش‌های گفتار سبب افزایش دقت معیار اندازه‌گیری در مقایسه با روش‌های موجود می‌گردد.

آنالیزهای سفالومتری نقش مهمی در تشخیص و طرح درمان‌های ارتودنسی دارند. با توجه به پیچیدگی آناتومی تصاویر سفالومتری، تشخیص نقاط سفالومتری مورد استفاده در آنالیزها توسط متخصص کاری زمانبر و همراه با خطاهای فردی بوده و تحقیقات بسیاری برای تشخیص اتوماتیک نقاط انجام شده است. در این مقاله راهکاری نوین به منظور افزایش سهولت، دقت و سرعت تشخیص این نقاط ارائه شده است. این راهکار نقاط را با تاکید بر تعریف آناتومی و چگونگی کاربرد آن‌ها در آنالیزها به سه دسته تقسیم کرده و برای هر دسته مکانیزمی متناسب و بهینه پیشنهاد داده است. این مکانیزم‌ها عبارتند از: تشخیص بر پایه ردیابی لبه‌ها برای نقاطی که طبق تعریف بر روی لبه‌های تصویر قرار دارند، تطبیق قالب وزن‌دار برای نقاطی که ساختار واضح و منحصر به فردی در اطراف خود دارند و تخمین بر اساس نیازمندی آنالیزهای سفالومتری که ایده‌ای کاملا نوین بوده و به‌جای تشخیص نقاط، مستقیما شاخص‌های مورد استفاده در آنالیزها را تخمین می‌زند. ایده مکانیزم سوم بر این اساس است که اگرچه متخصصین برای تعیین برخی شاخص‌ها نیازمند تعریف و مکان‌یابی نقاط می‌باشند اما در تشخیص اتوماتیک می‌توان مستقیما به تعریف شاخص‌ها پرداخت. راهکار ارائه شده روشی ترکیبی با دیدگاهی جدید و کاربردی بوده و نتایج حاصله در مقایسه با روش‌های پیشین حاکی از موفقیت این روش به ویژه در محیط‌های اجرایی می‌باشد.

يکي از پرکاربردترين انواع پرس¬وجوها در موتور جستجو، اسامي افراد مي¬باشد که نزديک به 4/2% از پرس¬وجوها را به خود اختصاص مي¬دهد. از آن¬جا که شناسايي درست اسامي افراد در پرس¬و¬جو مي¬تواند نقش بسزاييدر بهبود نتايج حاصل از موتورجستجو داشته باشد، لازم است که اين نوع پرس¬وجوها تشخيص داده شوند. هدف از اين مقاله، ارائه الگوريتمي جهت تشخيص پرس¬وجوهاي اسامي افراد در زبان فارسي مي¬باشد. اين الگوريتم داراي دو مرحله آموزش و آزمون است. در مرحله آموزش، تعداد زيادياز نام افراد به عنوان پرس¬وجو به موتور جستجوي پارسي¬جو فرستاده شده و با استفاده از نتايج حاصل، مفاهيم اطراف پرس¬وجوها استخراج مي¬شوند. سپس از مفاهيم استخراج شده، مدلي احتمالي ساخته مي¬شود.در مرحله آزمون با استفاده از مدل احتمالي ساخته شده در مرحله آموزش، احتمال نام بودن هر پرس¬وجو با احتمالات بيزين مشخص مي¬گردد. سپس با تعيين حد آستانه¬¬ احتمال، نام بودن پرس¬وجو تعيين مي¬گردد.نتايج نشان داد که با استفاده از الگوريتم پيشنهادي، مي-توان به دقت 62% و فراخواني 66% رسيد.

پیشرفت سریع ارتباطات اینترنتی و استفاده¬ی نادرست از ناشناس بودن متون آنلاین، باعث به وجود آمدن مسائل امنیتی شده است. هویت ناشناس ابزارهای اینترنتی مانند ایمیل¬ها، وبلاگ¬ها و وب¬سایت¬ها به روش¬های ارتباط مورد علاقه¬ای برای کاربردهای جنایی تبدیل شده است. روابط سیاسی و اجتماعی جهان موجب توجه زیادی به زبان فارسی شده است که خود موجب فراوانی متون فارسی در اینترنت گردیده است. در این مقاله یک تکنیک هوشمندwriteprintکه برایکمک به شناسایی یک نویسندهفارسی زبان بر اساس سبک نوشتاری او معرفی شده است. در این تحقیق از ویژگی¬های واژگانی، نحوی، معنایی و وابسته به کاربرد،برای شناسایی هویت استفاده شده و کارایی انواع مختلفاین ویژگی¬ها و همچنین اثرات روش¬های دسته¬بندی KNN وDeltaبه همراه ترکیب این روش¬ها با الگوریتم ژنتیک روی دوپایگاه داده¬ی جمع¬آوری شده بررسی شدهاست.برای پیاده سازی تکنیک پیشنهادی یک pos tagger طراحی شده است که از ساختار کلمات برای تشخیص اسم، صفت و قید استفاده می¬نماید.در نهایت ترکیب روش KNN و الگوریتم ژنتیک دقت بالاتری را در بین روش¬های بررسی شده، تولید کرد.

کشف خودکار تغییرات کوچک و غیر قابل مشاهده ما بین تصاویر MRI پستان که در طول درمان از بیمار گرفته می‏شوند، از اهمیت بالایی برخوردار است. چرا که بدین وسیله پزشک قادر به آنالیز دقیق واکنش تومور به شیمی درمانی خواهد بود. کشف این تغییرات توسط پزشک، کاری بسیار سخت و گاهی غیر ممکن است. چرا که برخی از این تغییرات به حدی کوچک هستند که قابل مشاهده نمی‏باشند. از طرفی دیگر، به دلیل این که آرتیفکت‏های حاصل از تصویر‏برداریMRI، تغییرات جعلی بسیاری را در تصویر ایجاد می‏کنند، انجام خودکار آن نیز یکی از چالش‏های باقی مانده در این حوزه است. ما در این مقاله، چهارچوبی خودکار ارائه می‏کنیم، که به دلیل استفاده از روش‏های مبتنی بر رشد ناحیه و قطعه‏بندی میدان تصادفی مارکوف (I-MRF) که در تحقیق پیشین خود ارائه کرده‏ایم، نسبت به نویز و تغییرات حاصل از آرتیفکت‏ها مقاوم است. علاوه بر آن در این سیستم تئوری اطلاعات متقابل محلی را جهت تعیین میزان شباهت نواحی به کاربرده‏ایم. نتایج آزمایشات بر روی داده‏های شبیه‏سازی شده و واقعی نشان از بالا بودن میزان کارایی سیستم در مقابل روش‏های آماری و آستانه‏گیری دارد. همچنین این سیستم در مقایسه با فرد خبره نیز در کشف تغییرات کوچک برتری کامل دارد.

این مقاله یکی از دغدغه‌های بزرگزبان‌شناسی محاسباتی یعنیبرچسب‌گذاری ادات سخن کلمات ناشناخته را مورد بحث و تحقیق قرار داده است. برچسب‌گذاری ادات سخن که یکی از پایه‌ای‌ترین نیازهای پردازش هوشمند متن به حساب می‌آید، وابسته به زبان متن مورد پردازش است. از این رو فراهم‌سازی برچسب‌گذاربا دقت بالا برای زبان فارسی جزو اولویت‌های کار نویسندگان مقاله قرار گرفته است. تکنیک مورد کاربرد ما برای حل مسأله‌ی کلمات ناشناخته،استفاده‌ی ترکیبی از الگوریتممدل مخفی مارکف به همراه قوانین انجمنی بوده است. الگوریتم مدل مخفی مارکف در بسیاری از برچسب‌گذارهای ادات سخن گذشته به کار گرفته شده[2,3]است و جزو بهترین متدهای مورد استفاده در برچسب‌گذارها به حساب می‌آید. طبق آزمایش‌های انجام شده در این تحقیق، با استفاده از قوانین انجمنیمی‌توان دقت برچسب‌گذاری کلمات ناشناخته فارسی را به 81.2% افزایش داد. این در حالی است که میزان دقت کلی و سرجمع برچسب گذار ارائه شده برابر با 98% است.

در این مقاله الگوریتمی جدید جهت آموزش شبکه عصبي برپایه روش نیوتن ارائه شده است. الگوریتم پیشنهادی با وجوداینکه در دسته الگوریتم¬های آموزش نیوتنی قرار می گیرد ولی نیازی به محاسبه مستقیم معکوس ماتریس هسین ندارد که علاوه بر کاهش هزینه محاسباتی، روش مذکور در صورتی که ماتریس بدست آمده منفرد باشد کارآ است.از مزایای آن این است که بر خلاف الگوریتم¬های رایج در آموزش شبکه های عصبي پیشرو مانند الگوریتم انتشار رو به عقب که بسیار وابسته به مقادیر اولیه پارامترهای آموزشی خود می باشند وابسته به مقادیر اولیه پارامترهای خود نبوده و می توان الگوریتم را به صورتی تنظیم کرد که از یک شیوه خود تطبیقی جهت تنظیم پارامترهایش استفاده کند.از روش پیشنهادی برای تقریب تابع و مقایسه آن با الگوریتم انتشار رو به عقب و بعضی از انواع آنو الگوریتم لونبرگ مارکوارت استفاده شده است.

در جامعه کنونی به کارگیری کامپیوتر جهت آموزش امری ضروری است و در این میان سیستم¬های آموزشی هوشمند توجه محققان را به خود جلب کرده است. مدلسازی دانشجو نقطه تمرکز اصلی و یکی از اجزاء سیستم آموزشی هوشمند و نمایشی از رفتار و وضعیت دانشجو است. در هنگام استفاده دانشجو از سیستم، دنباله¬ای از اعمال انجام شده او ثبت می¬شود و سیستم تلاش می¬کند تا بر اساس آن، مدل یادگیری دانشجو را تعیین کند. این مقاله یک دیدگاه جدید برای مدل کردن رفتار دانشجو در سیستم شبه¬آموزشی با استفاده از ترکیب آتوماتای یادگیر و یادگیری تقویتی بیان می¬کند. در مدل پیشنهادی، مدل دانشجو توسط عامل تعیین¬کننده¬سطح به نام LDA -QLA که مدل یادگیری دانشجو را مشخص می¬کند، تعیین می¬شود. LDA-QLA در حقیقت الگوریتم یادگیری Qرا به عنوان مکانیزم یادگیری برای تعیین اینکه دانشجو یادگیرنده کند، نرمال یا سریع می¬باشد، بکار می¬¬گیرد و نشان داده شد با بکارگیری الگوریتم یادگیری Q سرعت تعیین مدل یادگیری دانشجو افزایش یافته است.

در مقاله حاضر، ما از روش يادگيري پیشنهادی به نام يادگيري TAQ به منظور استفاده¬ي عامل¬ها در يک پروسه چانه¬زني تک رويکرده بهره جسته¬ايم. الگوريتم يادگيري TAQ نسخه¬ي بهبود يافته الگوريتم Q مي¬باشد که ازالگوریتم پذیرش آستانه بهره مي گيرد. هدف از اين الگوريتم، غلبه يافتن بر چالش تعادل بين اکتشاف و بهره¬برداري از تجربيات در يادگيري Q مي¬باشد. استقبال چشمگيري از رويکرد¬هاي هوش مصنوعي براي حل مسئله چانه¬زني صورت گرفته است، زيرا نظريه¬ي بازي¬ها نياز به يک سري فرضيات غير واقعي براي حل مسئله چانه¬زني دارد. بنابراين ما بوسيله طراحي عامل¬هاي مبتنی بر يادگيري پیشنهادی TAQ، که با يکديگر بر روي مسئله قيمت، به چانه¬زني مي¬پردازند، به کارايي بالاتري دست يافته¬ايم. اين کارايي از نقطه نظر معيارهاي نرخ توافق، ميانگين منفعت و همچنين زمان مورد نياز براي رسيدن به سياست بهينه، مورد ارزيابي قرار گرفته است. در نهايت مي¬توان گفت اين روش پیشنهادی يادگيري مي¬تواند بعنوان يک الگوريتم يادگيري مناسب براي چانه¬زني خودکار آنلاين عامل¬ها در تجارت الکترونيک مورد استفاده قرار گيرد.

اکثر نظريه‌هاى موجود، تنها وجهى از وجوه يادگيرى انسان را مورد توجه قرار مى‌دهند. اگر بخواهيم چگونگى يادگيرى انسان را مطالعه کنيم، بايد مجموع تمام نظريه‌ها را در نظر بگيريم؛ زيرا تفکيک آنها در فرايند يادگيرى انسان چندان معقول نيست. در اکثر نظريه‌ها و الگوهاى يادگيري، به احتياجات، تمايلات، تجربيات و عادات قبلى انسان کمتر توجه شده است. پاداش و تنبيه نقش بسيار ارزنده‌اى در يادگيرى انسان دارد. مدلهای محاسباتی یادگیر عاطفی رهیافت نوینی است که امروزه در امر تحقیق بر روی یادگیری انسان و حتی ماشین از نظر محققان در دست بررسی می باشد. یکی از این مدلهای یادگیر عاطفی، مدل مورن می باشد. در این مقاله به تحلیل مدل یادگیری مورن پرداخته و یک مدل پیشنهادی برای مدلسازی و پیش‌بینی تراز آب دریای خزر با استفاده از این مدل شبیه سازی شده است. در نهایت این مدل با روشهای گذشته پیش‌بینی تراز آب دریای خزر مقایسه شده است. نتایج شبیه سازی نشان میدهد که مدلسازی و پیش‌بینی با مدل مورن برای تراز آب دریای خزر، نسبت به روشهای گذشته بهبود یافته است.

در اين مقاله يک روش جديد بهینه سازی براساس تركيب آتوماتاي يادگير سلولي و مدل بهینه‌سازی جمعي ذرات(PSO) پيشنهاد شده است. الگوریتم PSO به نحوي تغيير داده شده که مشکلات الگوریتم PSO استاندارد را برطرف سازد. در این روش آتوماتای يادگير وظيفه انتخاب بهترین عمل از بین اعمال قابل انجام توسط PSO را برای تنظيم رفتار ذرات برعهده دارد. عمل انجام شده در اینجا جایگزین کردن اعداد کیاتیکی حاصل از تولید قاعده 30 در آتوماتای سلولی یک بعدی بجای پارامترهای تاثیرگذار الگوریتم PSO استاندارد می باشد. هدف از اين مقاله بهبود در سرعت همگرایی الگوریتم به همراه دقیقتر شدن جستجو برای محاسبه بهینه سراسری می باشد. نتايج آزمايشات بر روي سه مسئله مختلف نشان ميدهد كه روش ارائه شده از عملكرد بهتري در مقایسه با مدل PSO استاندارد و مدل PSO ادغام شده با مقادیر کیاتیکی برخوردار است.

در اين مقاله، یک الگوریتم مِمتیکی ترکیبی با الگوریتم رقابت استعماری ارائه شده است. در مسائل با پیچیدگی بالا روش رقابت استعماری دچار مشکل می شود و در بهینه های محلی متوقف می شود لذا این مقاله با ارائه روشی مِمتیکی درصدد کاهش این مشکل برآمده است.در الگوریتم رقابت استعماری به نوعی از اطلاعات جهت و فاصله در حرکت مستعمرات به سمت استعمارگر استفاده می شود، لذا از مفهوم تکامل تفاضلی برای تعریف مِم درجهت بهبود و افزایش کارآیی این الگوریتم استفادهشده است.برای بررسی کارآیی الگوریتم ترکیبی ارائه شده، آزمایشات بر روی مسائل محک استاندارد انجام شده است. نتایج آزمایشات، کارآیی بالای الگوریتم مِمتیکی ارائه شده را نشان می دهد.

استگانوگرافی به فرآیند مخفی نمودن داده درون محتوای چندرسانه ای اطلاق می شود. در این تحقیق هدف پنهان نمودن متن در تصویر است بطوریکه فرستنده روشی ساده و غیرقابل کشف برای پیدا کردن نقاط اختفاء اطلاعات در تصویر پیش گیرد که از فضای تصویر حداکثر استفاده را بعمل آورد. تاکنون روشهای گوناگونی به منظور پنهان نگاری متن در تصویر پیشنهاد شده که پایه بسیاری از آنها روش LSB می باشد. در این مقاله ساختار و ویژگی های منحنیهای فضاپوشان هیلبرت مورد بررسی قرار گرفته و سپس یک روش نوین جایابی ، طراحی، پیاده سازی و ارزیابی می شود که قادر است امنیت روش پنهان سازی LSB را افزایش دهد. از منحنی هیلبرت برای انتخاب سیستماتیک LSBها برای پنهان سازی استفاده شده است. همچنین یک کاربرد نوین برای منحنی هیلبرت ارائه شده که استفاده از آن به منظور انجام رمزنگاری متقارن تصویری می باشد. درپایان دیدگاه پیشنهادی با دو روش رایج استگانوگرافی PVD و BPCS از لحاظ مقاوم بودن در مقابل حملات RS و حملات مبتنی بر هیستوگرام مقایسه گردیده است. در مقابل حملات RS به ترتیب روش PVD، دیدگاه پیشنهادی، روش BPCS مقاوم می باشند و در مقابل نهان کاوی هیستوگرام PVD دیدگاه پیشنهادی مقاومتر از دو روش مذکور است.

امروزه مبحث تعامل انسان و رایانه یکی از علاقمندی¬های پژوهشی عمده در جامعه علمی شده است. این تعامل می¬تواند در قالب یک سیستم مکالمه گفتاری ظاهر شود که انسان¬ها را قادر می¬سازد تا با ماشین¬ها مکالمه گفتاری داشته باشند. پیشرفت¬های قابل توجه در سال¬های اخیر در طراحی و تولید سیستم¬های تشخیص گفتار، درک زبان طبیعی و تبدیل متن به گفتار برای زبان فارسی، راه را برای طراحی و ایجاد سیستم¬های مکالمه گفتاری فارسی و جایگزینی آنها با سیستم¬های سنتی تلفن گویا، گشوده است. واحد مدیریت مکالمه یک جزء مهم و اساسی و در واقع قلب سیستم¬های مکالمه گفتاری است. سیستم مدیریت مکالمه تحت یک استراتژی یا سیاست مکالمه رفتار می¬کند که وظیفه آن، انتخاب کنش¬های مناسب در هر حالت مکالمه است. به سبب ماهیت سخت طراحی استراتژی های مکالمه، چارچوب یادگیری تقویتی در سیستم¬های مکالمه گفتاری برای کشف سیاست بهینه با استفاده از یادگیری داده محور و خودکار، مطرح گردید. در این مقاله، الگوریتم¬های یادگیری تقویتی برای یادگیری واحد مدیریت مکالمه مورد بررسی قرار گرفته¬اند و مراحل طراحی و شبیه¬سازی یک سیستم مدیریت مکالمه نمونه شرح داده شده است. سپس در فاز یادگیری، سیستم طراحی شده با استفاده از الگوریتم یادگیری تقویتی مستقل از مدل منتخب Watkins’ Q(λ) و داده¬های آموزشی آنلاین شامل صد مکالمه مفروض، برای دو مقدار مختلف λ آموزش داده شده و به همگرایی رسیده است. تأثیر تغییر λ بر روی سرعت و دقت یادگیری، بررسی شده و الگوی تغییرات تابع ارزش عمل در طی فرآیند یادگیری بدست آمده است.

علم پيش¬بيني، يکي از شاخه¬هاي پرکاربرد در هوش‏مصنوعي است که در زمينه هاي گوناگون مورد استفاده قرار مي‏گيرد. از جمله يکي از موارد پيش‏بيني، مربوط به رفتار انسان‏ها در شرايط مختلف است.برپايه نظريه روان¬شناسان دستخط فرد، نوعي رفتار است. براين اساس دستخط هر فرد حاصل يک سيستم سازماندهي شده است و امکان تجزيه، تحليل و تعيين ماهيت افراد را ممکن مي¬سازد. امروزه اين علم به¬عنوان شاخصي قابل اعتماد از شخصيت و رفتار انسان‏ براي ارزيابي درسازمان‏هايي مانند: کلينک‏هاي روانشناسي، درمصاحبه‏هاي‏‏استخدامي، مورد استفاده قرار مي¬گيرد. در اين بررسي هدف طراحي سيستمي است تا بر اساس نمونه¬ دستخط‏هاي دريافت شده از افراد ويژگي¬هاي شخصيتي آنها را پيش‏بيني نمايد. دراين تحقيق درابتدا نمونه دستخط ازافراد مختلف جمع¬آوري شد. بعد ازطي مراحل پيش‏پردازش، پنج خصوصيت از متن دستخط استخراج شد که اين خصوصيات شامل: اندازه‏، شيب ، ميزان کشيدگي‏عمودي، ميزان‏پهناي‏افقي و فاصله‏خطوط است. بعد از استخراج خصوصيت‏ها از دستخط، بر اساس مشاهده‏هاي صورت گرفته از نمونه‏ها وهمچنين نتايج به‏دست آمده از پرسشنامه روان‏شناسي رابطه بين پنج خصوصيت دستخط با پنج ويژگي شخصيتي حاصل شد. ودر آخر با استفاده از شبکه عصبي و باکمک400 نمونه جمع‏آوري شده سيستم را آموزش و سپس آن را از لحاظ کارايي تست کرده و به کارايي98.35% رسيديم.

يکي از روش¬هاي تعيين پارامترهاي حرکت در فضاي سه¬بعدي، پردازش تغیيرات ايجاد شده در تصاوير دوربين متصل به بدنه هواپيما مي¬باشد. امكان کنترل چرخش ناگهانيوحركتهاي انتقاليهواپیما با استفاده از محاسبه¬ی شار¬نوريحاصل از تصاویر اخذ شده-ی صحنه، از موضوعات چالشي مي¬باشد. در این مقاله فرض بر این است که پرنده با سرعت ثابت و ارتفاع مشخص درحال حرکت به سمت جلو است و می¬تواند حول سه محور اصلی حرکت دورانی داشته باشد؛ با این فرض،هدف محاسبه پارامترهای حرکت دورانی پرنده است. برای این منظور شار نوری ناشی از حرکت یکنواخت، از شار نوری کل کاسته می¬شود؛ سپس با تحلیل بردارهای شار نوری باقی مانده زوایای انحراف قابل تعیین خواهد بود. با توجه به عدم ايده¬آل بودن شارهاي نوريِ محاسبه شده، براي تعيين پارامتر¬هاي حرکت بايستي از اطلاعات قابل دسترس ديگري نيز استفاده کنيم. به همین منظور روش حداقل¬مربعات برای کاهش اثر نویز پیشنهاد می¬شود. اين روش با مینیمم کردن خطای بين شار نوري نویزی و شار نوري ایده¬آل، پارامترهای حرکت را محاسبه می¬کند.