همان¬طور که می¬دانیم فرآیند رمزنگاری یکی از اصلی¬ترین روش¬های حفاظت از اطلاعات گران¬بها است. نتیجه¬ی اجرای پویا فرآیند رمزنگاری، افزایش سطح امنیت و نیاز به تکنیک¬های پیشرفته¬تر برای رمزشکنی است. به طور جرأت می¬توان گفت که جداول جانشینی اصلی¬ترین جزء رمزهای بلوکی به حساب می¬آیند زیرا آن ها خاصیت غیرخطی بودن را برای سیستم به ارمغان می¬آورند. در این مقاله نیز الگویی جدید برای تولید جداول جانشینی mxnبه صورت پویا(وابسته به کلید)پیشنهاد شده است. این الگوی جدیدDBGS نام دارد که مخففDynamic s-box Based on Galois multiplication inverse with Straight transformation استو پیچیدگی روش¬های رمزنگاری را چندین برابر می¬کند. تولید جداول جانشینی قدرتمند (با مقدار تفاضلی 2 و یا حداکثر 4)، پشتیبانی از پیاده¬سازی مستقیم (پیاده سازی بهینه)، توصیف صریح ریاضی و میزان فروپاشی بهمنی بسیار بالادر عین وابسته بودن به کلید از مزایای اصلی این الگوی جدید است. تست¬های SAC, BIC, DP, LP, Nonlinearityنیز بر روی این الگوی جدید پیاده¬سازی شده¬اند که حاکی از ایمن بودن این الگوهستند. با استفاده از این الگو می¬توان رمزهای بلوکی پیشین را بهبود بخشید و یا رمزهای بلوکی ایمن¬تری تولید کرد.

سیستم‌های نسل چهارم، ترکیبی از شبکه‌های بی‌سیم ناهمگن می¬باشند؛ در این سیستم‌ها گره‌های سیار می‌توانند در فضایی که در محدوده پوشش شبکه‌های مختلف قرار دارد حرکت کرده و بر اساس نیاز، مناسب‌ترین شبکه را به منظور ادامه ارتباط انتخاب نمایند. در چنین سیستم‌هایی یکی از مهم‌ترین مسائل در تعیین میزان کارایی گره سیار، بحث انتخاب شبکه می‌باشد. در این مقاله روشی برای انتخاب شبکه ارائه شده که پارامترهای پهنای‌باند در دسترس، هزینه سرویس، نیروی سیگنال دریافتی و سرعت حرکت کاربر را برای بهبود کارایی جابجایی از شبکه WiMAX به شبکه WiFi در نظر می‌گیرد. در این روش برای دست‌یابی به اطلاعات شبکه‌های مجاور از استاندارد IEEE 802.21 استفاده می‌شود. روش رایج برای انتخاب شبکه در جابجایی میان شبکه‌های ناهمگن، از نیروی سیگنال دریافتی و نوع واسط شبکه استفاده می‌کند؛ در حالی که در روش پیشنهادی، گره سیار علاوه بر تخمین مدت زمان اقامت در شبکه WiFi، شرایط کیفیت سرویس این شبکه را نیز مورد بررسی قرار می‌دهد. بر اساس نتایج شبیه سازی با استفاده از نرم افزار شبیه‌ساز NS-2، تعداد جابجایی‌ها در روش پیشنهادی نسبت به روش رایج، %30 کاهش یافته، نسبت بسته‌های حذف شده به کل بسته‌ها %21 کم شده و %17 به گذردهی سیستم افزوده شده است.

سرطان سینه یکی از رایج¬ترین بیماری¬ها در سال¬های اخیر به شمار می¬آید. تشخیص سرطان در مراحل ابتدایی، می¬تواند تاثیر بسزایی در درمان این بیماری داشته باشد؛ بطوریکه اخیراً تلاش¬های فراوانی جهت تشخیص زودهنگام آن صورت گرفته است. اکثر روش¬های موجود در مواجهه با تصاویر واقعی با ابعاد بالا عملکرد ضعیفی دارند و باید از یک متخصص در کنار آنها بهره گرفت. در اين مقاله، روشی نوین جهت تشخیص زودهنگام سرطان سینه در تصاویر ماموگرافی ارائه شده است. با توجه به توانایی تبدیل موجک در تجزیۀ تصویر و تفکیک جزئیات می¬توان از آن برای آشکارسازیعلائم این نوع سرطان، در ماموگرام¬ها استفاده کرد.استخراج ویژگیدر این روش با استفاده از تبدیل موجک دو بعدی انجام می¬شود؛ بطوریکه این ویژگی¬ها جهت تشخیص وجود علائم سرطان در تصاویر، مورد استفاده قرار می¬گیرند. پس از مرحلۀ استخراج ویژگی، طبقه¬بندی توسط ماشین بردار پشتیبان صورت می¬پذیرد.در ارزیابی¬های صورت گرفته، از تصاویر واقعی با ابعاد بزرگ به عنوان داده¬های ورودی استفاده شده است و نتایج نشان می¬دهد که روش استخراج ویژگی پیشنهادی، می¬تواند تأثیر چشمگیری در بهبود عملکرد سیستم¬تشخیص داشته باشد.

در این مقاله روش موقعیت یابی و نقشه برداری به طور همزمان مبتنی بر یک فیلترترکیبی برای یک ربات متحرک جهت غلبه بر خطاهائی که ذاتا در موقعیت یابی و نقشه برداری به­طور همزمان مبتنی بر فیلترکالمن بی رد به ­دلیل فرآیند خطی سازی وجود دارد، ارائه دادیم. یک ربات متحرک به طور خودمختار محیط خود را توسط تفسیرش از صحنه ای که در آن قرار دارد، کاوش می کند سپس یک نقشه مرتبط با محیط می سازد و موقعیت خودش را نسبت به این نقشه پیدا می کند. فیلتر ترکیبی ارائه شده شامل یک سیستم استنتاج عصبی-فازی و فیلترکالمن بی رد می باشد، که فیلترکالمن بی رد سنگ بنائی برای برنامه های کاربردی موقعیت یابی و نقشه برداری به طور همزمان است. روش ارائه شده، براساس یک فیلتر ترکیبی، مزایائی در اداره رباتی با حرکت های غیرخطی به خاطر خصوصیت یادگیریی که در سیستم استنتاج عصبی-فازی وجود دارد، دارا می­باشد. نتایج شبیه سازی تاثیر الگوریتم ارائه شده در مقایسه با الگوریتم موقعیت یابی و نقشه برداری به­طور همزمان مبتنی بر فیلترکالمن بی رد نشان می دهد.

مدل‌سازی ابزاری است که به کمک آن می‌توان داده‌ها و روابط بین آن‌ها را به صورت ساختار ریاضی نشان داد. مدل‌سازی نظریه بازی با استفاده از خصوصیت خود خواهی در بازی‌ها، توابعی را به عنوان سود تعریف می‌کند که در محیط مدل شده، هر عامل تمایل دارد تا سود شخصی خود را بیشینه کند. این مدل‌سازی در شبکه‌های اجتماعی کاربرد زیادی دارد چرا که با واقعیت این شبکه‌ها همخوانی مفهومی دارد. داده‌گراف‌ها، نوعی داده می‌باشند که از یک گراف اصلی و خصوصیاتی افزوده بر آن تشکیل شده‌اند، شبکه های اجتماعی نوعی داده‌گراف می‌باشند. هدفی که این مقاله دنبال می‌کند، ارایه یک مدل نظریه بازی برای داده‌گراف‌ها می‌باشد و سپس فرآیندی را معرفی می‌کند که به کمک آن بتوان یک تابع هدف را در داده‌گراف ها به کمک مدل نظریه بازی بهینه کرد. یکی از مهمترین تاثیراتی که این مقاله می‌تواند در شبکه های اجتماعی ایجاد کند، همسو کردن سود شخصی افراد با سود کل جامعه می‌باشد.

تکنولوژي مبتني برنانو لوله‌هاي کربنييکي از پراميدترين کانديداي جايگزين تکنولوژي CMOS مي‌باشد.در اين تکنولوژي، رشد نانولوله‌هاي کربني مبتني بر سنتز شيميايي مي‌باشد که اين مورد باعث تغييرات زيادي در پارامترهاي فيزيکي نانولوله‌هاي کربني مي‌شود. تغييرات در تراکم و خواص نيمه‌هادي بودن نانولوله‌ها، منجر به بالا رفتن نرخ اشکال در مدارهای مبتني بر نانولوله‌هاي کربني شده است. در نتيجه قابليت اطمينان مدارهای مبتني بر نانولوله‌هاي کربني به شدت تحت تاثير قرار گرفته است. در اين مقاله، قصد داریم قابليت اطمينان مدارهاي منطقي را ضمن در نظر گرفتن عوامل بروز اشکال در ترانزيستورهاي مبتني بر نانولوله‌کربني ارزيابي نماییم. در ابتدا، به منظور ارزيابي قابليت اطمينان مدار، يک مدل قابليت اطمينان برای گيت‌‏های مبتنی بر نانولوله‏های کربنی ارائه مي‌شود. مدل ارائه شده قادر به تخمين قابليت اطمينان گيت‌هاي مختلف با در نظرگرفتن ساختار گيت، احتمال سيگنال‌هاي ورودي، احتمال اشکال ترانزيستورهاي نانولوله‌ کربني و بردار ورودي گيت مي‌باشد. سپس، با استفاده از اين مدل، قابليت اطمينان مدار ارزيابي مي‌شود. نتایج شبیه سازی نشان می‏دهد که روش ‌پیشنهادی در مقایسه با مونت کارلو، با سرعت X800 و با خطایی کمتر از %4، قابلیت اطمینا ن مدار را ارزیابی می‌کند. همچنین نتایج نشان می‏دهند که در نظر گرفتن نوع اشکال‌ ترانزیستورهای مبتنی بر نانولوله‌های کربنی در ارزیابی‌ قابلیت اطمینان بسیار مهم می‌باشد.

شبکه¬های بی¬سیم با پیشرفت¬هایی که در افزایش پهنای باند و میزان نواحی تحت پوشش دارند به یکی از شبکه¬های پرکاربرد تبدیل شده¬اند. برای استفاده از منابع شبکه¬های خارج از محدوده ارتباطی کاربر، احراز اصالت امری حیاتی است. LMAM (Light-weightMutual Authentication Mechanism) یک پروتکل احراز اصالت برای شبکه¬های بی¬سیم IEEE 802.16eاست که با پشتیبانی از مفهوم احراز اصالت محلی و عدم استفاده از رمزنگاری نا¬متقارن، تأخیر احراز اصالت را به صورت چشم¬گیری کاهش داده است. برای ارتباطات بدون قطعی در محدوده شبکه¬های خارجی، تأخیر handoff باید به حداقل کاهش یابد، تأخیر احراز اصالت نیز یکی از تأخیرهای اجتناب¬ناپذیـر و موثر در عملیـات handoff می¬باشد. با این که LMAM به ¬¬خوبـی در مقابل حملات خرابکارانه مقاومـت می¬کند، ولی باز هم می¬توان از تأخیر احراز اصالت کاست، بدین منظور برای کاهش هر چه بیشتر تأخیر احراز اصالت، در راهکار پیشنهادی (E-LMAM (Enhanced LMAM))، به جای رمزنگاری متقارن استفاده شده در LMAM، از درهم¬سازی و رمزنگاری XOR بهره بردیم. نتایـج تحلیل¬های کارایی و امنیتی نشان¬ می¬دهد که E-LMAM از لحاظ سربار محاسباتی بهتر از روش¬های موجود و از لحاظ امنیتی مانند LMAM عمل می¬کند.

استفاده هم‌زمان از اطلاعات ساختاري و اطلاعات پيمايش كاربران يكي از چالش‌هاي مطرح در بهبود كارايي الگوريتم‌هاي شخصي‌‌سازي وب مي‌باشد.در اين مقاله معيار جدید وزن‌دهي"تاریخ" را به دو معیار قبلی که شامل "مدت زمان مشاهده صفحه" و "فركانس مشاهده صفحه" هستند، براي محاسبه وزن صفحات مشاهده ‌شده توسط كاربران افزودیم، كه به خوبي ميزان اهميت و علاقه كاربران را به آن صفحه نشان مي‌دهد. در این مقاله، بعد از بررسی رفتار کاربران، به این نتیجه رسیدیم که هر کاربر امکان دارد به چندین گروه از صفحات علاقه‌مند باشد و این مفهوم را با صورت فازی بیان کردیم.گروهی از کاربران را که دارای رفتار و علایق یکسانی هستند را خوشه‌بندی کرده و در ادامه به منظور مدل کردن رفتار کاربر از مدل‌های رسمی به علت پشتیبانی از ساختار و قابلیت نمایش رفتار کاربران را در وب دارند، استفاده نمودیم. نتایج بدست آمده میزان موفقیت استفاده از شبکه پتری فازی رنگی را در مقایسه با روش‌های پیشین نشان می‌دهد.در این مقاله، سعی شده به اهداف خود که شامل بهبود تعامل کاربران با وب، فراهم کردن تبلیغات متناسب با کاربران بدون درخواست صریح آنان وارائه یک مدل رسمی به منظور پيشنهاد تبلیغات به صورت هدفمند به كاربران ارائه شده است.

مهندسی نرم‌افزار مدل‌رانده روشی در توسعه‌ی نرم‌افزار است که امکان تولید خودکار کد از روی مدل را فراهم می نماید. هدف از روش‌های مدل‌رانده، افزایش بهره‌وری افراد و کیفیت نرم‌افزار تولید شده می‌باشد. با توجه به گسترش روزافزون نرم‌افزارها، نیاز به تکنیک¬ها و ابزارهایی جهت وارسی و اعتبارسنجی برنامه‌ها بیش از پیش احساس می¬شود. یکی از این ابزارها،JPF است که جهت وارسي صوري برنامه¬هاي نوشته شده به زبان جاوا مورد استفاده قرار می¬گیرد. پیمانه‌ی JPF-Statechart امکان وارسی رفتار پویای سیستم، که به صورت کد جاوا و در قالبی مشخص تهیه شده است را فراهم می‌کند. با توجه به این واقعیت که تهیه این کد جاوا به صورت دستی در خلاف اهداف مهندسی نرم¬افزار مدل‌رانده است و مدل رفتاری سیستم اغلب به صورت نمودار حالت UML تهیه می‌شود، هدف ازاین مقاله، ارائه¬ی روشی بر اساس تبدیل مدل است به گونه‌ای که نمودار حالت UML را بتوان به صورت خودکار به قالب مورد نظر JPF تبدیل نمود و آن را مورد وارسی قرار داد. بدین منظور، برای مدل¬سازی نمودار حالت UML از افزونه¬یPapyrus، و برای تبدیل مدل UML به قالب مورد نظر، از تولیدکننده¬ی کدAcceleo استفاده شده است. در نهایت ابزاری در قالب یک افزونه¬ی اکلیپس تهیه شده است که کد مناسب را از روی مدل تولید می نماید. یک مطالعه موردی برای دستگاه خودپرداز برای ارزیابی روش و ابزار ارائه شده نیز انجام گردیده است.

سیستم‌های تشخیص نفوذ، حجم زیادی هشدار تولید می‌نمایند که بسیاری از آن‌ها مربوط به حملات واقعی نبوده و مثبت کاذب به شمار می‌آیند. به همین خاطر تحلیل و بررسی آن‌ها توسط مدیر امنیتی به خصوص در شبکه‌های بزرگ، کاری دشوار و حتی غیرممکن خواهد بود. ازاین‌رو، در این مقاله روشی خودکار به منظور شناسایی و کاهش هشدارهای مثبت کاذب، براساس ترکیب روش های تحلیل علت ریشه‌ای و روش‌‌های تشخیص ناهنجاری ارائه شده است که قابلیت شناسایی برخی از حملات و ناهنجاری‌ها را نیز دارد. روش پیشنهادی بر روی مجموعه داده‌ی واقعی مورد آزمایش قرار گرفته و به کاهش بیش از %98 هشدارها و نیز کاهش گزارش‌های ناهنجاری منجر شده است. این امر، بررسی هشدارها و گزارش‌های ناهنجاری را تسهیل می‌بخشد. به علاوه، هشدارهای که رفتار ناهنجار دارند، به فراهشدارهایی که دید بالاتری را از فعالیت‌های ناهنجار ارائه می‌دهند، تبدیل می‌شوند. این فراهشدارها، امکان نظارت و واکنش مستقیم مدیر را بر فعالیت‌های ناهنجار فراهم می‌سازند. از دیگر مزایای این روش، عدم نیاز به فرد خبره جهت تشخیص و جداسازی هشدارهای صحیح از هشدارهای کاذب می‌باشد.

وجود انبوه مستندات متني و فاقد ساختار مشخص در اينترنت سبب افزايش اهميت بازيابي اطلاعات گرديده است. يکي از مهمترين پارامترهاي اين موضوع يافتن روابط معنايي ميان کلمات است. اين روابط کمک مي کنند تا موتورهاي جستجو با ضريب اطمينان بالاتري به پرس و جوهاي کاربران پاسخ بدهند. جهت استخراج اين روابط منابع متعددي وجود دارد. ما نيز مانند اکثر محققين براي استخراج روابط از منبع شبکه واژگان استفاده مي¬نماييم. بر خلاف کارهاي صورت گرفته تا کنون، که با استفاده از فضای سالتون و فاصله بین بردارها، ارتباطات بین مفاهیم را محاسبه می¬نمودند، ما بدون استفاده از مدل فضاي برداري روشي مبتنی بر گراف را برای محاسبۀ ارتباطات معنایی، ارائه مي دهيم. مقايسه روش پيشنهادي ما با ساير روش هاي مبتني بر شبکه واژگان، نتايج مطلوبي را نشان مي دهد که با استفاده مناسب از اين روش مي توان بازيابي اطلاعات را نيز بهبود بخشيد.

اعداد تصادفی دارای کاربردهای متنوعی در زمینه¬های آزمون مدار، رمزنگاری، کدهای تصحیح خطا، شبیه¬سازی سیستم‌ها و تحلیل مونت-کارلو هستند. در گذشته تولید اعداد تصادفی غالباً بصورت نرم¬افزاری صورت می¬گرفت. اما با پیشرفت مقیاس تکنولوژی به حوزه VLSI وافزایش سرعت سیستم¬های دیجیتال، نیاز مبرمی به پیاده¬سازی این مولدها بصورت سخت¬افزاری احساس می‌گردد. در این مقاله، ابتدا اصول کلی کار و مبانی طراحی یک مولد اعداد تصادفی از نوع شبه‌تصادفی را بیان می‌کنیم. اجزاء مختلف آن را مورد بررسی قرار می‌دهیم و فلیپ فلاپ مناسب را انتخاب می‌کنیم. در نهایت، مولد اعداد تصادفی در سطح ترانزیستوری طراحی شده و شبیه‌سازی روی آن انجام می‌گردد.

کشف قوانین انجمنی یکی از الگوریتم‌های مفید داده‌کاوی می باشد، که می‌تواند به استخراج اطلاعات پر معنی و مفید در پایگاه‌داده بپردازد؛ و این اطلاعات می‌تواند به مدیران در تصمیم‌گیری‌ها بسیار کمک نمایند. یکی از چالش‌های مهم الگوریتم کشف قوانین انجمنی و روشهای پیاده سازی شده آن این است که در پایگاه‌داده‌های خیلی بزرگ ممکن است میلیون‌ها قانون را استخراج نمایند، که بسیاری از این قانون‌ها غیر‌مفید ‌باشند، همچنین چالش مهم دیگر الگوریتم های سنتی کشف قوانین انجمنی این است که، دو پارامتر کمینه پشتیبان و اطمینان، همیشه توسط کاربر تصمیم گیرنده به صورت دستی ((Manual، و با آزمون و خطا مشخص میگردد؛ این کار بر روی کارایی الگوریتمهای کشف قوانین انجمنی، بسیار تاثیر دارد. دراین مقاله ما الگوریتم¬های داده¬کاوی و الگوریتم¬های تکاملی از جمله قوانین انجمنی و الگوریتم ازدحام پرندگان باینری جهت ارائه یک روش تمام خودکار را با هم ترکیب می کنیم؛ که هدف آن به طور خاص محاسبه خودکار مقدار مناسب برای حد آستانه در پایگاه داده های بزرگ و سپس کشف الگو و قوانین کارا و بهینه در پایگاه‌داده‌ها با توجه به مقادیر حد آستانه بدست آمده در مرحله قبل، است. همچنین این الگوریتم توانایی ارائه قوانین نادر و کمیاب را دارد، که ممکن است این قوانین با استفاده از الگوریتم‌های سنتی از دید مدیران پنهان بمانند. نتایج بدست آمده از الگوریتمپیشنهادی می توانند به مدیران در تصمیم گیری‌ها کمک نماید. در این مقاله جمع‌آوری و آماده‌سازی داده¬ در نرم افزار Sql Serverو پیاده سازی الگوریتم در نرم افزار MATLAB صورت گرفته است.

از معضلات صفحه¬های فارسی موجود در وب می¬توان به حجم کثیر صفحات فریب¬آمیز و نیز صفحه¬ها با محتویات جعلی اشاره کرد. این¬گونه صفحات سعی دارند با ترفند¬های متفاوت موتور¬های جستجو را فریب داده و نتیجه جستجو را تحت تاثیر خود قرار دهند. در مقابل کاوشگر¬های وب به صورت مداوم روش¬های جدید تشخیص صفحات فریب¬آمیز را به کار می¬برند. طبق تحقیقات ما، در زمینه تشخیص اینگونه صفحات در زبان فارسی کار گسترده¬ای صورت نگرفته است. در این پژوهش ویژگی¬هایی منحصر به صفحات فارسی ارائه خواهیم داد که مبتنی بر ظاهر صفحه می¬باشد. در این مقاله مقدار این ویژگی¬ها برای تعدادی از سایت¬های فریب¬آمیز و مجاز زیان فارسی به دست¬آمده و در انتها با اعمال روش¬های مختلف ساخت مدل از قبیل درخت تصمیم¬گیری اطمینان حاصل شد ویژگی¬های انتخاب شده به خوبی و با دقت 96.7% قادر است در مجموعه¬ی داده¬ی موجود، صفحات فریب¬آمیز را متمایز سازد.

دریک محیط محاسباتی ناهمگن همانند محاسبات مشبک، زمانبندی کارآمد کارهای محاسباتی مستقل مسأله¬ای بسیار مهم است. این مسأله از نوع مسائل NP-سختبه¬شمار می رود، بنابراین برای حل آن از الگوریتم¬های فرااکتشافی استفاده می¬شود. در این میان الگوریتم بهینه سازی کلونی مورچگان به عنوان روشی کارآمد در حل مسائل NP-سخت شناخته شده است. در میان انواع الگوریتم هایی که در زیرمجموعه¬ی این روش قرار می گیرند، الگوریتم سیستم کلونی مورچگان به عنوان یک روش توانا و قدرتمند شناخته می شود که دارای یک رویکرد اضافی در اعمال مکانیزم¬های بهنگام¬سازی فرومن، به¬نام بهنگام¬سازی محلی می باشد. در این مقاله، ما برای نخستین¬بار یک الگوریتم سیستم کلونی مورچگان جدید را که در آن تکنیک¬های نوینی برای حل مسأله¬ی زمانبندی پردازش ناهمگن به¬کار رفته است ارائه می¬نماییم. قابل توجه است که این الگوریتم رویکردی ساده داشته و از تکنیک-هایی چون جستجوی محلی، ترکیب یا بذرپاشی استفاده نمی¬کند. نتایج حاصل از آزمایش¬ها نشان می دهند که الگوریتم ارائه شده در مقایسه با الگوریتم¬های پیشین حداقل درپنج نمونه از نمونه¬های مسأله به نتایج بهتری در مدت زمان بسیار کمتری دست پیدا می¬کند و در بقیه¬ی موارد نیز نتایج در زمان بسیار کمتری نسبت به کارهای پیشین، تقریبا برابر است.

با پيشرفت فن‌آوري ساخت مدارات مجتمع و رسيدن به ابعاد نانو، تغييرات پارامترهاي فرايند ساخت، تاثير زيادي روي مشخصه‌هاي زماني مدارات مي‌گذارند. در نتيجه، بارآوري زماني مدارات مجتمع را تحت تاثير قرار مي¬دهند. لذا، تخمين بارآوري زماني، يکي از اساسي‌ترين مراحل طراحي مدارات مجتمعِ در ابعاد نانو مي¬باشد. در اين مقاله، يک روش‌ آماري ناپارامتري جهت تخمين بارآوري زماني مدارات مجتمع ديجيتال ارائه شده است. در روش پيشنهادي،از اجراي موازي شبيه‌سازي مونت کارلو و حذف تکرارهاي آن، نمونه‌ي آماري کوچکي از تاخيرهاي بحراني توليد مي‌کنيم. سپس، تابع توزيع چگالي تاخير بيشينه‌ي مدارات را با يک روش ناپارامتري به نام هموارسازي هسته‌اي (kernel smoothing)روي نمونه‌ي به دست آمده، محاسبه مي‌نماييم. در نهايت، با استفاده از تابع توزيع چگالي، بارآوري زماني مدار را به دست مي‌آوريم. يکي ار مزاياي روش پيشنهادي، عدم وجود فرضي خاص، بر روي توزيع متغير‌هاي تصادفي پارامترهاي فرايند ساخت مي¬باشد؛ که استفاده از آن را در مدارات واقعي ميسر مي¬سازد. نتايج حاصل از شبيه¬سازي مدارات MCNC نشان مي‌دهد که در حضور تغييرات ساخت شديد با نسبت σ/µ برابر با 0.037، روش پيشنهادي تخمين بارآوري زماني حدود 30% دقيق‌تر از روش‌هاي آماري پارامتري عمل مي‌کند.

به دلیل عدم وجود کنترل مرکزی یا اطلاع کافی از مکان اشیاء در شبکه¬های نظیربه¬نظیر غیر¬ساخت¬یافته، طراحی یک روش جستجوی کارا در این¬گونه شبکه¬ها بسیار مورد توجه است. در روش k-قدم¬های تصادفی، به عنوان یکی از روش¬های جستجو، تعیین مقدار k به طور تصادفی، می¬تواند بر معیارهای کارایی شبکه تاثیر قابل توجهی داشته باشد. در این مقاله، یک روش جستجوی توزیع¬شده خودتطبیق با بهره¬گیری از اتوماتای یادگیر ارائه شده است تا این چالش را برطرف کند. در این روش، نیازی به تعیین مقدار k به طور تصادفی از قبل نیست، بلکه هر نظیر، می¬تواند همسایه خود را به صورت تطبیقی بیابد. با به¬کارگیری اتوماتای یادگیر برای هر گره، همه همسایه¬هایی که دارای بالاترین احتمال جستجوی موفق در مراحل قبلی جستجو هستند، به صورت تطبیقی انتخاب می¬شوند. سابقه جستجو برای هر گره، در جداولی ذخیره می¬شود که در زمان جستجو، بر اساس مقادیر احتمالی موجود در آنها، تصمیم¬گیری برای انتخاب همسایه¬ها انجام خواهد شد. شبیه¬سازی¬ها نشان می¬دهد که روش جستجوی پیشنهادی، برخی ویژگی¬ها را مانند میانگین تعداد همسایه¬ها به ازای هر درخواست، میانگین تعداد پیام¬های تولید شده، تعداد اشیاء کشف¬شده به ازای هر درخواست و همچنین میزان موفقیت در جستجو در مقایسه با روش k-قدم¬های تصادفی، بهبود می-بخشد.

اعتماد را می¬توان به عنوان یکی از بزرگترین موانع پذیرش، رشد و گسترش رایانش ابری بشمار آورد. محیط پویا و توزیع شده¬ی رایانش ابری باعث به وجود آمدن چالش¬های امنیتی و ریسک¬های متفاوتی نسبت به سایر چارچوب¬های توزیع شده، گردیده است. گسترش کابردهای رایانش ابری اهمیت ایجاد یک مدل کارا برای ارزیابی اعتماد در چنین محیطی را بیش از گذشته نموده است. همان¬گونه که در روابط اجتماعی، سطح دانش یا خبرگی و همچنین داشتن سابقه‌‌ای از روابط با افراد می‌تواند ارزش بیشتری را برای پیشنهادهای آن¬ها در نزد ما ایجاد نماید، در محیط رایانش ابری نیز توجه به تاثیر عامل خبرگی و سابقه‌ی استفاده از خدمات می‌تواند نتیجه‌ی ارزیابی اعتماد سرویس‌دهنده را به واقعیت نزدیک‌تر کند. در این مقاله روشی پیشنهاد می-شود که با دخیل نمودن این دو عامل، ارزیابی اعتماد کاربران نسبت به سرویس دهنده‌ی ابر را بهبود می¬بخشد. روش پیشنهادی بر مبنای شبکه¬های بیزین طراحی¬ شده، و توانایی کشف رفتارهای منفعت‌طلبانه‌ی سرویس‌دهندگان را دارا¬ می¬باشد. ارزیابی¬ها نشان می‌دهد که این روش قابلیت بررسی تغییرات رفتاری احتمالی سرویس‌دهندگان در طول زمان، و ارزیابی پویای اعتماد را بهتر فراهم کرده است.

اخیرا فرمت ویدئوهای چند بعدی مبتنی بر عمق تصویر(MVD ) برای رندر صحنه های تلویزیون سه بعدی (3DTV) و تلویزیونهای با دید آزاد(FTV ) معرفی شده است. داشتن یک یا چندین نما،اطلاعات عمق آنها و همچنین تکنیکهای رندر بر اساس تصویر، توانایی ساختن نماهای میانی را به ما می دهند. بنابراین، فرمت MVD حجم بالایی از داده را تولید می کند که برای ذخیره سازی ویا انتقال نیاز به فشرده سازی دارد. این مقاله یک روش کدینگ پیشگویانه برای فشرده سازی عمق تصویر ویدئوهای چند بعدی مبتنی بر عمق تصویر بر اساس استاندارد H.264/MVC معرفی می کند. ساختار پیش بینی پیشنهاد شده از ترکیب دوساختار، تصاویر B سلسله مراتبی و پیش بینی inter-view بدست آمده است. تصاویر B سلسله مراتبی برای پیش بینی تصاویر غیر کلیدی و تصاویر کلیدی توسط روش inter-view پیش بینی شده‌اند. نتایج آزمایشات نشان می دهد که روش پیشنهادی بطور میانگین 88/44 درصد نرخ بیت را کاهش می دهد در حالی که کاهش PSNR برابر با 64/1 دسیبل برای چهار داده آزمایشی است.