انجمن کامپیوتر ایران

در سيستم¬هاي محاسباتي مشبک علاوه بر موارد مهمي چون به اشتراک¬گذاري و يکپارچه¬سازي منابع بحث کشف منبع نيز از اهميت خاصي برخوردار است. یکی از روشهاي جديدي که در اين زمينه وجود دارد. روش غيرمتمرکز کشف منبع مبتني بر عامل است که از جستجوي معنايي پشتيباني مي¬کند. در روش کشف منبع به صورت معنايي هرعامل منبع با عامل¬هاي منابع همسايه¬اش براساس دانش محلي تعامل مي¬کند و به صورت پويا زنجيره¬اي از منابع براي کامل¬کردن يک وظیفه خاص تشکيل مي¬شود. زمانبندي وظايف در محيط مشبک از جمله مباحث چالش¬برانگيز در اين محيط است. معمولا زمانبندي در مشبک براي کاهش زمان اتمام وظیفه و يا براي کاهش هزينه اجرا به کار برده می¬شود و نسبت اهميت کاهش زمان اتمام به هزينه اجرايي وظیفه توسط کاربر مشخص مي¬گردد. يک الگوريتم زمانبندي هزينه بايد با توجه به قيمت و توانمندي منابع مشبک، عمل تخصيص منابع به وظیفه¬هاي ناهمگون را طوري انجام ¬دهد که اجراي وظیفه¬ها با مقدار مساوي يا کمتر از بودجه تعيين شده، پايان يابد. در اين نوشتار يک روش جديد کشف زنجیره¬ای از منابع به صورت معنايي مطرح مي¬شود که هزينه منبع یکی از پارامترهای اصلی انتخاب منبع بوده و يک روش نامتمرکز و مبتني¬بر¬عامل است و در پايان نيز نتايج حاصل از شبيه¬سازي ارائه مي¬گردد.

شناسايي حالتهاي چهره و به دنبال آن تشخيص عواطف کاربر نقش مهمي در اثربخشي و افزايش کارايي استفاده از فنّاوريهاي نوين رايانه‌اي دارد و امروزه بخش مهمي از حوزة علم تعامل انسان- رايانه را شکل داده است. درک عواطف به روشهاي مختلفي صورت مي‌گيرد که شناسايي حالتهاي چهره از دقيق‌ترين روشهاي آن است. هدف از اين مقاله ارائه روشي نوين براي شناسايي حالتهاي چهره با استفاده از دوربين وبي متصل به يک رايانه است. براي تشخيص حالتهاي مختلف ابتدا خصيصه‌هاي کليدي استخراج و سپس از رويکرد دسته‌بندي براساس حداقل فاصله براي شناسايي حالتها استفاده شده است. مجموعه‌هاي فازي شهودي با در نظر گرفتن دو درجة «عضويت» و «عدم عضويت» روش مناسبي را براي مواجهه با فضاي عدم قطعيت حاکم بر مسئله پيشنهاد مي‌کند. رويکرد دسته‌بندي استفاده شده در اين مسئله مبتني بر حداقل فاصله بين دو مجموعة فازي شهودي است. نتايج اين پژوهش عملکرد بهتر مجموعه‌هاي فازي شهودي را نسبت به مجموعه‌هاي فازي معمولي در تشخيص حالتهاي چهره نشان مي‌دهد.

مولد اعداد تصادفی، عموماً مقادیری با توزیع چگالی یکنواخت تولید می‌کنند. در برخی موارد مانند شبیه سازی مونت کارلو، مقادیری با توزیع چگالی نمایی و ویبول لازم است. یکی از روش های تولید مقادیر تصادفی غیریکنواخت، افزودن یک سخت‌افزار اضافی به مولد اعداد تصادفی یکنواخت می‌باشد. در این مقاله، سه ساختار جهت تولید مقادیر با توزیع نمایی، مورد مطالعه و مقایسه قرار گرفته‌اند. این ساختارها براساس سه الگوریتم COERDIC ، Interpolation وpiecewise کار می‌کنند. در این بررسی از تراشه‌های FPGA برای مقایسه سرعت، سربار سخت افزاری و دقت تولید اعداد استفاده شده است.نتایج آزمایشات نشان داده است که روش piecewise دارای بیشترین سرعت می‌باشد در حالیکه دقت روش‌های مبتنی بر چندجمله ای و جدول (به دلیل خطای فرمول محاسباتی‌شان) کمتر از روش CORDIC است. از نطر حجم سخت‌افزاری، این نتیجه بدست آمده استکه برای داده‌های با طول کوچکتر، piecewise در مجموع روش مناسبی بوده، در حالیکه برای داده های با طول بزرگتر، CORDIC کارایی بهتری دارد.

این مقاله به معرفی یک الگوریتم جدید ردگیری شکل بر مبنای خصیصه تولید شده برای پیکسل با استفاده از موجک بسته‌ای تلف نشده می‌پردازیم. در روش پیشنهاد شده برای ردگیری یک شکل تعریف شده توسط کاربر در یک رشته از تصاویر، دامنه ضرایب مبنای بهینه در بسط درختی سیگنال با استفاده از موجک تلف نشده به عنوان بردار‌های خصیصه )FV( پیکسل به کار رفته است. الگوریتم پیشنهادی از بردار‌های خصیصه برای ردگیری پیکسل‌های بلوک‌های مربعی نزدیک مرزهای شکل استفاده می‌کند. جستجو برای یافتن بهترین تطبیق یک بلوک مربعی با استفاده از جستجوی کامل بلوک در حوزه‌ی موجک انجام می‌شود پس یافتن محل جدید شکل در قاب جاری، این قاب به عنوان مرجع برای یافتن شکل شیدر قاب مورد استفاده قرار می‌گیرد.نتایج آزمایش‌ها نشان می‌دهد که الگوریتم در شرایطی که شکل یک شی دارای جابه جایی، چرخش یا تغییر مقیاس جزیی باشد به خوبی عمل می‌کند و می‌تواند برای ردگیری اشکال صلب و غیر صلب در رشته‌های تصویر و ویدئو به کارگرفته شود.