انجمن کامپیوتر ایران

در این مقاله روش جدیدی برای استخراج و انتخاب بردار ویژگی در یک سیستم تشخیص ارائه و سپس عملکرد آن مورد آزمایش و ارزیابی قرار گرفته است. هسته‌ی اصلی ایده عبارت است از ایجاد ترکیبی خطی از ویژگی‌های اولیه بنحوی که اولاً بردارهای جدید ایجاد شده متعامد باشند ثانیاً پراکندگی بردار ویژگی نمونه‌های هر کلاس کمتر گردد. بدیهی است وجود این دوخاصیت اولاً باعث کاهش شدت محاسبات و ثانیاً بالا رفتن دقت سیستم تشخیص می‌گردد. عملیات پیشنهادی برای کار روی بردار ویژگی عبارت است از بکارگیری روش آنالیز واریانس روی بردار اولیه ویژگی و استخراج بردارهای متعامد، سپس بر اساس ویژگی های جدید مکانیزم انتخاب صورت می‌گیرد و آنگاه ویژگی‌های انتخاب شده و بردارهای متعامد نهایی استخراج می‌گردد.جهت ارزیابی، موضوع تشخیص نفوذ به شبکه‌های کامپیوتری در نظر گرفته شده است، نتایج بدست آمده با بکارگیری روش نزدیکترین همسایه نشان می‌دهد اولاً دقت سیستم تشخیص بالاتر رفته است و ثانیاً سرعت محاسبات به میزان چشمگیری افزایش یافته است.

در این مقاله روش‌هایی برای کاهش توان مصرفی در ارسال مطمئن بسته‌های داده به صورت همه ‌پخشی و چند پخشی در شبکه‌های نامتعارف بررسی شده است. بر خلاف روش‌های معمول دیگر، روش‌های ارائه شده صرفاً به فاصله فیزیکی بین گره‌ها برای محاسبه وزن درخت در تشکیل درخت‌های همه پخشی و چند پخشی توجه نمی‌کنند؛ بلکه هزینه درخت از جمع توان ارسالی گره‌های میانی محاسبه می‌شود. ایده اصلی این است که محیط به صورت ایده‌آل و بدون خطا فرض نشود و لذا نرخ حذف بسته‌ها و تضعیف امواج الکترومغناطیسی به عنوان یک معیار مهم در نظر گرفته شده است. بر اساس شبیه‌سازی انجام شده این روش‌ها نسبت به روش های متناظر که نرخ خطا را در نظر نمی‌گیرند، برای ارسال همه ‌پخشی یا چند پخشی به صورت ارتباط مطمئن تا 45 % مصرف توان را در شبکه‌هایی نامتعارف کاهش می‌دهد و در ضمن با کاهش تعداد دفعات ارسال مجدد، باعث بهبود مدت زمان تأخیر ارسال می‌شود.

حرکت جمعی ذرات یک تکنیک بهینه‌سازی است که بر اساس قوانین احتمال کار می‌کند و از حرکت گروهی پرندگان و ماهی‌ها هنگامی که دنبال غذا می‌گردند، الهام گرفته شده است. در این روش هر یک از ذرات سعی می کنند به سمتی حرکت کنند که بهترین تجربه‌های شخصی و گروهی در آن نقاط روی داده است. مشکل اصلی این مدل که در بسیاری از مسائل، به خصوص مسائل چند قله‌ای بروز می‌کند، مسأله گیر افتادن در بهینه‌های محلی است. در این مقاله یک مدل جدید بر اساس PSO به نام پیشنهاد PSO-LA می‌شود که در آن از یک اتوماتای یادگیر برای تنظیم رفتار ذرات و برقراری موازنه بین جستجوی سراسری و جستجوی محلی استفاده می‌شود. نتایج آزمایشات بر روی مسائل نمونه نشان داده‌اند که روش ارائه شده از عملکرد بهتری در مقایسه با مدل PSO استاندارد برخوردار است.

این مقاله، اولین پیكره فارسی موازی با تعداد زیادی از زبان‌های اروپایی را معرفی می‌نماید. این مقاله، اولین قدم‌ها را برای ساخت منابع اساسی جهت پردازش زبان فارسی معرفی می‌نماید. این مرحله از كار شامل معرفی ویژگی‌های صرفی - نحوی زبان فارسی و رمزنگاری آنها بر پایه مدلEAGLES/MULTEXT و منابع خاصMULTEXT-East می‌باشد. این مقاله پس از معرفی مختصر زبان فارسی، با تاكید بر شیوه نگارش و ویژگی‌های صرفی- نحوی آن، به ارائه یک دسته‌بندی جدید برای مقوله‌های گفتاری فارسی پرداخته و رسم الخطی را جهت ارائه فارسی در محیط دیجیتال ارائه می‌نماید. پس از آن آماری از پیكره ساخته شده ارائه می‌شود. كار صورت گرفته منحصراً توسط افراد داوطلب و بدون هیچگونه پشتیبانی مالی و یا معنوی از سازمان خاص صورت گرفته است.

کیفیت سرویس در شبکه‌های سنسور تعاریف متفاوتی دارد که از آن جمله می‌توان به پوشش مناسب شبکه، تعداد ندهای فعال در یک زمان، صحت اطلاعات دریافتی در ند مرکزی و مدت زمان انتقال اطلاعات به ند مرکزی اشاره کرد. در این مقاله بر مبنای تعریف تعداد ندهای فعال به عنوان کیفیت سرویس، به ارائه‌ی روشی مبتنی بر اتوماتای یادگیر جهت دستیابی به کیفیت مورد انتظار خواهیم پرداخت. در این روش، با خوشه‌بندی شبکه و قرار دادن رؤوس خوشه‌ها به عنوان مسؤول بررسی تعداد ندهای فعال در هر خوشه، پوشش مناسبی از تعداد ندهای فعال در سطح کل شبکه به دست خواهد آمد. هر ند مجهز به یک اتوماتای یادگیر می‌باشد که در طول فعالیت شبکه و از طریق پاسخ‌هایی که از رأس خوشه دریافت می‌دارد، لزوم فعال یا غیرفعال بودن ند را مشخص می‌کند. از طریق شبیه سازی کامپیوتری نشان داده می‌شود که روش ارائه شده، می‌تواند کیفیت سرویس مطلوبی را از دیدگاه ارائه شده تولید کند.