انجمن کامپیوتر ایران

شناسایی حالت چهره یکی از مسائل جالب و چالش‌برانگیز در بینایی ماشین است. استخراج ویژگی نقش بسیار مهمی در دقت الگوریتم‌های شناسایی حالت چهره ایفا می‌کند. یکی از روش‌های استخراج ویژگی در بینایی ماشین، استفاده از فیلتر گابور است، که عملکرد آن شباهت زیادی به سلول‌های پیچیده در سیستم بینایی انسان دارد. نقطه ضعف فیلتر گابور، هزینه محاسباتی و طول بردار ویژگی زیاد آن است. در این مقاله، با الهام از سیستم بینایی انسان، ماتریس‌های حاصل از کانولوشن فیلترهای گابور با تصویر، به نحو مناسبی براساس بیشترین و کمترین پاسخ، کدگذاری می‌شوند. در ادامه، با محاسبه هیستوگرام این کدها در تصویر، بردار ویژگی بدست می‌آید. طول این هیستوگرام به ازای 16 و 8 فیلتر گابور به ترتیب برابر با 240 و 56 بوده که بسیار کمتر از حفظ تمام ضرایب گابور است. روش پیشنهادی که از سیستم بینایی انسان الهام گرفته شده است، بر روی سه پایگاه داده شناسایی حالت چهره CK+، SFEW و MMI (به‌صورت مستقل از شخص) ارزیابی شده است. نتایج بدست آمده از این آزمایش‌ها نشان می‌دهد که روش پیشنهادی در مقایسه با سایر روش‌های مشابه موجود از دقت بالاتری در شناسایی حالت چهره در تصاویر کنترل شده و همچنین کنترل نشده برخوردار است.

مشکل تنگنای ابعاد در مجموعه داده‌های با ابعاد بالا از مسائل مهم در حیطه خوشه‌بندی داده‌ها است. در سال‌های اخیر برای حل این مشکل، روش‌های خوشه‌بندی زیر‌فضا مورد توجه بسیاری از محققان قرار گرفته است. هدف اصلی خوشه‌بندی زیر¬فضایی، یافتن تمام خوشه‌ها در تمام زیرفضاهای ممکن است. مشکل اصلی روش‌های پیشین خوشه‌بندی زیر‌فضایی، ایجاد تعداد بسیار زیادی زیرفضا است. این مشکل منجر به کاهش کارایی و افزایش زمان اجرای الگوریتم‌ها شده است. در این مقاله روشی کارا مبتنی بر چگالی برای ایجاد بهینه زیرفضاها ارائه شده است. این الگوریتم به صورت پایین به بالا عمل کرده و با استفاده از معیارهای مختلف شباهت، زیرفضاهای مشابه را با تکرار چندین باره الگوریتم پیدا و ترکیب می¬نماید. برای این منظور الگوریتم پیشنهادی در هر تکرار، پس از ترکیب و تشکیل زیرفضاهایی با ابعاد بالاتر، داده‌های موجود در این زیرفضاها را دوباره خوشه‌بندی می¬کند. این خوشه‌بندی به منظور، بدست آوردن ساختار جدید خوشه‌ها انجام می¬شود. در نهایت الگوریتم پیشنهادی، تمام زیرفضاهای ممکن در داده‌ها را تشخیص داده و همه‌ی خوشه‌های ممکن را می¬یابد. برای ارزیابی روش پیشنهادی از مجموعه داده‌های مصنوعی و واقعی مختلفی استفاده شده است. روش پیشنهادی در مقایسه با روش های پیشین از دقت و سرعت بهتری برخوردار است. روش پیشنهادی 34 درصد نسبت به الگوریتم CLIQUE و 6 درصد نسبت به DiSH دقت بالاتری دارد. همچنین روش پیشنهادی، برخلاف روش‌هاش پیشین، توانایی یافتن زیرفضاها در ابعاد مختلف را دارد.

شبکه‌های توری بی‌سیم یک تکنولوژی جدید به منظور ایجاد سرویس‌های ارتباطی پهن باند و با قابلیت توسعه را فراهم می‌سازند. با توجه به این موضوع، مدیریت دسترسی به منابع با هدف بهبود گذردهی، بعنوان یکی از مهمترین چالش‌های پیش رو در این شبکه‌ها مطرح می‌شود. در اين مقاله، ابتدا مسئله‌ی مدیریت دسترسی به منابع شامل: مدیریت کنترل توان، مدیریت تطبیق نرخ، مدیریت زمان‌بندی، مدیریت مسیریابی و مدیریت تخصیص کانال در گره‌های این شبکه فرمول‌بندی می‌شود. مسئله‌ی مطرح شده NP_hard می‌باشد و با افزایش تعداد گره‌های شبکه و تعداد تقاضاهای ترافیکی، مدت زمان پاسخگویی به صورت نمایی افزایش می‌یابد. برای حل این مشکل یک الگوریتم ترکیبی ابتکاری-فراابتکاری به منظور مدیریت دسترسی به منابع، ارائه می‌گردد. نتایج شبیه‌سازی عملکرد مناسب الگوریتم پیشنهادی را در مقایسه با رویکرد فرمول‌بندی شده بهینه نشان می‌دهد.

حمله منع سرویس تلاش برای خارج کردن ماشین و یا منابع شبکه از دسترس کاربران مجازش است. اگرچه منظور از حمله DOS و انگیزه انجام آن ممکن است متفاوت باشد، اما به طور کلی شامل تلاش برای قطع موقت یا دائمی و یا تعلیق خدمات یک میزبان متصل به اینترنت است. این حملات ممکن است با کمک سواستفاده از آسیب¬پذیری¬های مقصد یا تجهیزات بین راه اتفاق بیفتند و یا کاملا از مسیری که کاربران مجاز نیز از آن استفاده می¬کنند حمله کنند. روش ارائه شده در این مقاله، روشی مستقل از پروتکل و در لایه شبکه است که قادر به تشخیص رفتار حمله بدون نیاز به دانستن رفتار شبکه در حالات عادی است. ما از تجزیه و تحلیل دوبعدی موجک برای مدل کردن همزمان رفتار فرستنده و گیرنده برای تشخیص خارج از کنترل بودن/نبودن ترافیک استفاده کرده ایم.

With the expansion of embedded systems and the new applications of these computing systems in Internet of Things, smart homes and sensors, such systems are faced with a large amount of data. Therefore, designing an embedded system for Massive sensor data analysis for detecting a situation and making a decision is becoming more complex. Machine learning algorithms are a promising method for designing such systems. Neural networks are very popular learning systems to be used in data analysis. However, huge computations of the neural networks make them unsuitable for embedded systems which have strict limitations on energy consumption and execution time as the main design concerns. In this paper we propose an optimization for multi-layer perceptron neural networks based on neuron saturation states. Experimental results show that in average 89% of neurons are in saturated state for benchmark applications. Since in a saturated neuron, exact numerical value is not required, predicting the saturation state helps to perform the computation with less effort. The goal of the saturation prediction is to keep accuracy while minimizing the computations.

تشخيص جامعه در شبکه‌هاي اجتماعي از نظر محاسباتي کاري چالش برانگيز است و توجه محققان زيادي را در دهه اخير به خود جلب کرده است. بيشتر مقالات در اين حوزه بر مدل‌سازي ويژگي‌هاي ساختاري تمرکز کرده‌اند. در اکثر اين مقالات، روش‌ها جوامع را يکي پس از ديگري و به صورت سري يا نوبتي تشخيص مي‌دهند. با هدف افزايش سرعت محاسبات، الگوريتم‌هاي تشخيص جامعه موازي‌سازي شدند. الگوريتم انتشار برچسب (LPA) به دليل بازدهي زماني، روش مؤثري براي موازي‌سازي است. در اين مقاله، اين الگوريتم به صورتي بازنويسي شده است که جوامع همپوشان را تشخيص دهد؛ در جوامع همپوشان يک فرد/گره مي‌تواند همزمان به بيش از يک جامعه متعلق باشد. همچنين، مبتني بر مدل نگاشت - کاهش الگوريتم جديد پياده‌سازي شده است. آزمايش‌هاي طراحي شده نشان مي‌دهد که الگوريتم پياده‌سازي شده از الگوريتم‌هاي مشابه تشخيص جوامع همپوشان مانند LPA، SLPA و COPRA براساس معيار ماژولاريتي کارکرد بهتري دارد.

تجزيه و تحليل نظرات کاربران، يک حوزه فعال در پردازش زبان طبيعي مي‌باشد که هدف آن، شناسايي، استخراج و سازماندهي نظرات متون توليد شده توسط کاربر مي‌باشد. در طول دو دهه گذشته، بسياري از مطالعات در اين حوزه، از روش‌هاي يادگيري ماشين براي حل وظايف تجزيه و تحليل نظرات ديدگاه‌هاي مختلف بهره برده‌اند. از آنجايي که امروزه روش‌هاي يادگيري عميق به عنوان مدل‌هاي محاسباتي قدرتمند، قادر به تفسير و درک معنايي متن و داده‌ها مي‌باشند، در اين مقاله روشي براي تعيين سنجمان کلمات و عبارات فارسي با استفاده از يادگيري عميق و ميدان‌هاي تصادفي شرطي (CRF) پيشنهاد شده است. در واقع به اين علت که کلمات و عبارات مي‌توانند در متن‌ها و بافتارهاي مختلف داراي سنجمان‌هايي متفاوتي باشند، هدف اين مقاله دادن بار معنايي به آن‌ها بوده و سيستم قادر به تشخيص سنجمان‌هاي مختلف آن‌ها مي‌باشد. به دليل اينکه سنجمان کلمات و عبارات مجاور بر روي يکديگر اثر مي‌گذارد، نتيجه CRF در روش پيشنهادي بهتر از softmax مي‌باشد.

تخمين ژست بدن انسان در تصوير که در آن محل قرارگيري اجزاء اصلي بدن انسان در يک تصوير دوبعدي مشخص مي‌شود، استفاده‌هاي فراواني در کاربردهاي مختلف بينائي ماشين دارد. در تخمين ژست در ويديو، علاوه بر اطلاعات ظاهري موجود در هر فريم مي‌توان از اطلاعات زماني بين فريم‌ها يا ويژگي‌هاي حرکتي نيز استفاده کرد. اطلاعات زماني بين فريم‌ها را مي‌توان با استفاده از حافظه‌هاي کوتاه مدت طولاني کانولوشني مدل‌سازي کرد. با تحليل حرکت انسان در يک دنباله از فريم‌ها مي توان ژست احتمالي انسان در فريم‌هاي بعدي را پيش‌بيني کرد. در برخي موارد نظير حالتي که يکي از اندام‌هاي بدن از يک حالت انسداد خارج و شروع به حرکت مي‌کند به دليل عدم وجود اطلاعات عضو مربوطه در فريم‌هاي قبلي، اطلاعات حرکتي براي تخمين ژست آن عضو در فريم‌هاي بعدي موجود نيست. برعکس، در اين گونه موارد، اطلاعات فريم‌هاي بعدي مي‌توانند در مورد محل آن عضو در فريم فعلي اطلاعاتي را ارائه نمايند. از اين رو با تحليل رو به عقب فريم‌ها مي‌توان به مجموعه جديدي از اطلاعات حرکتي دست يافت. در اين مقاله با تخمين ژست با استفاده از دو مدل مجزاي رو به جلو و رو به عقب، دو خروجي متمايز به ازاي هر فريم توليد مي‌شود. نقشه‌هاي اطمينان حاصل از اين دو مدل با استفاده از يک شبکه‌ي کانولوشني با يکديگر ترکيب شده و خروجي نهايي توليد مي‌شود. نتايج به دست آمده از اعمال روش پيشنهادي بر روي مجموعه داده‌هاي Penn Action‌ و Sub-JHMDB نشان‌دهنده برتري اين روش بر روش‌هاي پيشين و استخراج اطلاعات مورد نظر است.

پيدا کردن مسير ساده از مجموعه نقاط داده شده درون چندضلعي اولين بار توسط چنگ و همکارانش مطرح شد. اين مسئله مي‌تواند در مسيريابي حرکت ربات‌ها، توليد چندضلعي‌هاي تصادفي، طراحي مدارهاي VLSI و غيره کاربرد داشته باشد. در اين مقاله اثبات مي‌کنيم که رسم m زنجيره ساده با طول‌هاي متفاوت داده شده از يک مجموعه نقطه درون يک چندضلعي ساده به‌طوري‌که تمام نقاط را پوشش دهند و زنجيره‌هاي رسم شده باهم تقاطع نداشته باشند ان پي-کامل است. براي اثبات ان پي-کامل بودن اين مسئله، از مسئله «3-پارتيشن» که خود يک مسئله ان پي-کامل است استفاده مي‌کنيم و آن را به مسئله مطرح‌شده کاهش مي‌دهيم. در پايان نيز اثبات مي‌کنيم که رسم يک دورهميلتوني از نقاط درون چندضلعي ساده که لزوماً ساده نيست ان پي- کامل مي‌باشد.

سامانه‌هاي نهفته‌ي بحراني-مختلط با به‌کارگيري اجزا با سطوح بحراني مختلف در يک بستر سخت‌افزاري مشترک، محبوبيت بسياري در صنايع هوايي و خودروسازي يافته‌اند. به‌منظور افزايش کارايي و کاهش هزينه، اين بسترها به‌سوي استفاده از چندين هسته‌ پيش مي‌روند. به دليل پردازش انبوه و طراحي عموماً مبتني بر باتري و نيز با توجه به کاهش ابعاد فناوري که خود موجب کاهش قابليت اطمينان مي‌گردد، توجه همزمان به مصرف انرژي و قابليت اطمينان در سامانه‌هاي بحراني-مختلط حائز اهميت است. در اين پژوهش راهکاري جهت نگاشت وظايف و زمان‌بندي آگاه از انرژي و قابليت اطمينان در يک سامانه‌ي بحراني-مختلط چندهسته‌اي با در نظر گرفتن سه سطح بحراني ارائه شده است. اين روش در زمان طراحي با توجه به قيود زماني و قابليت اطمينان به نگاشت و زمان‌بندي وظايف در عين کاهش انرژي مي‌پردازد. در زمان اجرا، علاوه بر کاهش هرچه بيشتر انرژي، با ارائه‌ي سناريوي تدريجي به مديريت توأمان زمان‌بندي و قابليت اطمينان در صورت رخداد سرريز در سامانه مي‌پردازد. راهکار پيشنهادي مقدار انرژي مصرفي را در فاز برون‌خط به طور ميانگين 14‌/‌5 درصد و در فاز برخط به طور ميانگين 41‌/‌5 درصد نسبت به حالت بدون اعمال DVFS کاهش مي‌دهد.

دسته‌بندي موضوعي متون يکي از مباحث پرکاربرد حوزه‌ي پردازش زبان طبيعي مي‌باشد. به همين جهت تاکنون کارهاي متفاوتي به جهت افزايش دقت در اين حوزه انجام شده‌است. بسياري از اين راهکارها بر اساس ساخت مدلي با نظارت و با استفاده از داده برچسب‌دار ارائه مي‌شود. در مواردي که داده برچسب‌دار موجود باشد، مدل‌هاي فوق عملکرد بسيار مناسبي دارند ولي در موارد بسياري چنين داده‌اي وجود ندارد و تهيه‌ي آن هزينه‌بر است. بنابراين روش‌هاي ياد شده در مواجهه با چنين شرايطي کارايي خود را از دست مي‌دهند. در اين مقاله به جهت مقابله با شرايطي که داده برچسب‌دار موجود نباشد، راهکاري مبتني بر بازنمايي بين زباني کلمات ارائه مي‌گردد که با استفاده از روش‌هاي انتخاب ويژگي و روش‌هاي دسته‌بندي ارائه شده‌است تا علاوه برحفظ دقت بالا در دسته‌بندي موضوعي، فقدان وجود داده برچسب‌دار را جبران سازد .

با توجه به مزايايي که براي شبکه‌هاي نوري ميان‌ارتباطي مراکز داده نسبت به ساختارهاي سنتي الکتريکي برشمرده مي‌شود، اين شبکه‌ها از جذابيت بيش‌تري برخوردار هستند؛ بااين‌حال در ساختارهاي اوليه‌اي که براي آن‌ها ارائه شده‌است، مسائلي مانند محدوديت مقياس‌پذيري و وجود يک نقطه‌ي خرابي مطرح است. در اين مقاله، به ارائه‌ي راه‌کارهايي براي مقاوم ساختن شبکه‌ي مقياس‌پذير توري مدور در برابر خرابي پرداخته مي‌شود. راهکار مطرح‌شده در اين مقاله، از قابليت شبکه‌ي حلقه‌ي سه‌بعدي در ارائه‌ي مسيرهاي بدون استفاده بين گره‌ها، براي ارائه ي پروتکل انتقال داده در هنگام بروز خرابي در مسير انتقال، استفاده مي‌کند. نتايج شبيه‌سازي حاکي از بهبودي در حدود 50% در ارسال موفق بسته‌هاي داده است.

مسأله یکریختی گراف‌ها از مجموعه مسائل باز از لحاظ پیچیدگی محاسباتی است که فقط تعلق آن به کلاس NP مشخص است ولی تعلق آن به P یا NP-Complete مشخص نیست. راه‌حل مسأله در زمان چندجمله‌ای هنوز ناشناخته است و لذا زمینه برای تحقیق و ایده‌پردازی فراهم می‌باشد. از این رو الگوریتم‌های چندجمله‌ای برای این مسأله جزو الگوریتم‌های ابتکاری محسوب می‌شوند. این مقاله به بررسی راه‌های تعیین یکریختی دو گراف متناهی با یکدیگر و ارائه یک روش ابتکاری جدید می‌پردازد. الگوریتمی پیشنهاد می‌شود که گراف ورودی را به یک رشته‌کد پرانتزی تبدیل می‌کند و سپس به جای مقایسه دو گراف رشته کدهای آن دو گراف با هم مقایسه می‌شوند و یکریختی یا عدم یکریختی میان آن‌ها تشخیص داده می‌شود. زمان اجرای این الگوریتم O(ne) است و در دسته الگوریتم‌های "برچسب‌گذاری کانونی " برای گراف‌های "همبند و بدون برچسب " قرار دارد. بعد از پیاده¬سازی این الگوریتم و بررسی نتایج آن مشخص شد که با عملکرد صحیح بیشتر از 99%، عدم یکریختی میان گراف‌های غیریکریخت به درستی تشخیص داده می‌شود.

اینترنت اشیاء یک مفهوم محاسباتی است که در آن اشیاء فیزیکی با شبکه اطلاعات یکپارچه شده و زمینه تعریف کاربردهای جدید در حوزه‌های مختلف را فراهم می‌کند. حجم زیاد داده در اینترنت اشیاء، پردازش، محاسبات و ذخیره‌سازی آن‌ها را با چالش‌هایی روبرو کرده است. در سال‌های اخیر، برای مقابله با این چالش‌ها از رایانش مه به‌عنوان توسعه‌ای از رایانش ابری استفاده شده است. رایانش مه، به‌عنوان یک لایه میانی بین ابر و کاربران نهایی، اعمال کنترل دسترسی در اینترنت اشیاء را با نیازمندی‌های جدیدی روبرو می‌کند. امروزه سازمان‌ها و کاربران نیاز به سیستم‌هایی دارند که امنیت و جامعیت داده‌های آن‌ها را حفظ و همچنین حداقل تأخیر را در پردازش داده‌ها فراهم نماید. برای پاسخ به این نیازمندی‌ها، ما در این مقاله یک مدل کنترل دسترسی کارآمد با ترکیبی از مدل کنترل دسترسی مبتنی بر ویژگی (ABAC) و مدل رمزنگاری مبتنی بر ویژگی با سیاست متن رمزشده (CP-ABE) ارائه می‌کنیم. تحلیل‌های انجام شده نشان می‌دهند که مدل ارائه شده از امنيت، سرعت و مقياس‌پذيري مناسبي برخوردار بوده و می‌تواند مشکل محدودیت منابع را برطرف کند. همچنین این مدل می‌تواند زمینه مقابله با حملات توزیع شده منع سرویس (DDoS) را فراهم کرده و به جلوگيري از سوءاستفاده از وکالت کلید کمک کند. وجه تمایز و برتری این مدل، تأخیر پایین و سرعت بالا، امنیت مناسب، حل معضل محدودیت منابع در سمت کاربران نهایی و رفع مشکل سوء استفاده از وکالت کلید است.

یکی از مهم‌ترین چالش‌های توسعۀ اینترنت اشیاء، محدودیت انرژی تجهیزات است. در راستای کاهش مصرف انرژی، در این مقاله، ما مسئله کنترل توأم نرخ فشرده‌سازی (با اتلاف) و تعداد بسته‌های ارسالی در واحد زمان را برای یک گره اینترنت اشیاء مجهز به منبع انرژی تجدیدپذیر مطرح می‌کنیم. نوآوری راهکار پیشنهادی در توجه همزمان به دو هدف بهینه‌سازی یعنی: «سطح تطابق» داده‌های دریافتی با داده‌های اصلی و نیز رعایت قید تأخیر ارسال داده‌هاست. برای این منظور، با استفاده از چارچوب ریاضی فرآیند تصمیم مارکُفی مقیّد، مسئله را در قالب یک بهینه‌سازی تصادفی طرح می‌کنیم با هدف بیشینه کردن متوسط «سطح تطابق» داده‌ها در بلندمدت، ضمن ایجاد محدودیت در متوسط تأخیرِ گزارش رویدادهای حسگری. نامقیّدسازی مسئله با روش استاندارد «لاگرانژین» انجام می‌شود. الگوریتم پیشنهادی ما برای محاسبۀ سیاست بهینۀ تطبیق‌پذیر نیز بر مبنای یک تکنیک یادگیری تقویتی سریع به نام PDS است که می‌تواند با جداسازی پویایی سیستم به دو بخش قطعی و تصادفی، صرفاً با اتخاذ تصمیمات حریصانه و بدون نیاز به دانش آماری فرآیندهای تصادفیِ کانالِ بی‌سیم، شارژ انرژی و وقوع رویدادهای حسگری، همگرایی به سیاست بهینه را تضمین نماید. کارایی سیاست پیشنهادی با الگوریتم استاندارد Q-learning مورد مقایسه قرار گرفته و به لحاظ مصرف انرژی و همچنین «سطح تطابق» داده‌های گزارش شده ارزیابی می‌شود.

گذرگاه تبادل اطلاعات و خدمات، به عنوان بستری امن برای تعامل بین ذینفعان خدمات الکترونیکی در معماری دولت الکترونیکی بسیاری از کشورها، شناخته می شود. هدف نهایی این گذرگاه آن است که تعامل (تراکنش) بین دستگاه‌های اجرایی و ارائه دهندگان خدمات (سرویس‌های الکترونیکی) به گونه‌ای صورت گیرد که شهروندان بتوانند خدمات دولت را از طریق پنجره واحد از یک نقطه، دریافت نمایند. در معماری دولت الکترونیکی گذرگاه تبادل اطلاعات و خدمات در سطح ملی و هر کدام از خوشه‌های خدمت در نظر گرفته شده است که در سطح ملی با عنوان NIX-GSB هم اکنون در حال سرویس‌دهی است و در بعضی از خوشه‌های خدمت نیز عملیاتی گردیده است. با توجه به اینکه بسیاری از تعاملات بین دستگاهی در سطح استان‌ها قرار دارد، به این معنی که مخاطبین استانی عموما خدمات دولت را از همکاری دستگاه‌های اجرایی دولت در سطح استانها، دریافت می‌نمایند، این سوال مطرح می‌شود که آیا گذرگاه اطلاعات و خدمات دولت در سطح استانی (PIX-GSB) نیز ضرورت دارد یا خیر؟ بایستی درنظر گرفت چالش اصلی که جواب این سوال را مشکل می‌نماید، آن است از طرف دیگر بسیاری از سامانه‌های اطلاعاتی دولت به صورت متمرکز و ملی پیاده‌سازی شده‌اند. بعلاوه، جنبه‌های دیگری در این مساله، وجود دارند که بایستی بررسی گردند. در این مقاله، در ابتدا به دنبال پاسخ به ضرورت PIX-GSB است و سپس محتوای قابل پیش‌بینی برای گردش روی آن را معرفی می‌نماید. براساس تجارب دیگر کشورها، توصیه می‌شود که PIX-GSB در معماری دولت الکترونیکی کشور، عملیاتی گردد که راه حل مناسبی برای اشتراک منابع در سطح استانی و ارتقاء سطح اختیارات استانی است.

بیت کوین مهمترین و ارزشمند ترین رمز ارز دیجیتال است و از عناصر مهم اقتصاد دیجیتال محسوب می‌شود. در این پژوهش با کمک فرامدل پذیرش و استفاده از فناوری Meta-UTAUT عوامل موثر بر پذیرش بیت کوین در ایران مورد سنجش قرار می‌گیرد. برای این کار پرسشنام‌های الکترونیکی توسط گوگل فرم برای سایت‌ها و گروه‌های موجود در فضای مجازی که در حوزه ارزهای دیجیتال فعالیت می‌نمودند، ارسال گردید تا در اختیار کاربران خود قرار دهند. ۴۲۰ پرسشنامه مورد تحلیل قرار گرفت. جامعه آماری شامل استفاده‌کنندگان ایرانی بیت کوین است. پژوهش شامل ۱۱ فرضیه می‌باشد که در نهایت ۸ فرضیه پذیرفته شد و در نهایت مشخص شد که سازگاری تاثیر مثبتی بر قصد رفتاری و نگرش، امنیت اطلاعات درک شده تاثیر مثبتی بر نگرش، فشار اجتماعی درک شده تاثیر مثبتی بر نگرش، نوآوری شخصی در فناوری اطلاعات تاثیر مثبتی بر قصد رفتاری، مقاومت در برابر تغییر تاثیر مثبتی بر قصد رفتاری، درک لذت تاثیر مثبتی بر نگرش و قصد رفتاری تاثیر مثبتی بر رفتار استفاده در پذیرش استفاده از بیت کوین در ایران دارد.

امروزه بررسی کد همکار در پروژه‌های متن‌باز و تجاری، به طور وسیعی استفاده می‌شود. این اصل با تشخیص زودهنگام عیوب کد و نقض استانداردهای کدنویسی در فازهای ابتدایی توسعه، به حفظ کیفیت کد کمک می‌کند. بر اساس مطالعات انجام شده، بخش قابل توجهی از نظرات غیر مفید هستند یعنی منجر به تغییر در کد نمی‌شوند و توسط توسعه‌دهنده نادیده گرفته می‌شوند. بنابراین وجود ابزاری که بتواند به صورت خودکار نظرات مفید را تشخیص دهد تا در زمان توسعه‌دهندگان صرفه‌جویی کند، احساس می‌شود. در این پژوهش ابتدا عوامل مؤثر بر کیفیت نظرات بررسی کد در دو دسته عوامل مربوط به تجربه توسعه‌دهنده و ویژگی‌های متنی نظرات استخراج شد. سپس با توجه به عدم وجود مجموعه داده مناسبی که شامل این عوامل باشد یک مجموعه داده جمع‌آوری شد. در مرحله بعد یک مدل پیش‌بینی‌کننده نظرات مفید با کمک الگوریتم XGBoost پیاده‌سازی و عملکرد آن با سایر کارهای انجام‌شده در این زمینه مقایسه شد. نتایج به‌دست‌ آمده نشان می‌دهد که روش پیشنهادی با در نظر گرفتن دو مجموعه داده مجزا و با توجه به معیارهای صحت، فراخوانی و امتیاز اف-وان حدود سه درصد و با توجه به معیار دقت حدود یک درصد نسبت به تنها روش موجود، بهتر عمل کرده است.

سرطان ریه یکی از بیماری‌های مهلک در جهان است. به دلیل دشواری شناخت سرطان ریه در مقایسه با سایر بیماری‌ها، این بیماری در آمار مرگ و میر پیشروترین بیماری حال حاضر است. در این میان تصویربرداری سی تی اسکن به عنوان قدرتمندترین ابزار برای تشخیص و ارزیابی این بیماری بکار برده می‌شود. در سال‌های اخیر محققین حوزۀ بینایی ماشین سیستم‌های کمک تشخیص کامپیوتری (CAD) را معرفی کرده‌اند که بطور خودکار مناطق سالم و سرطانی بافت ریه را شناسایی و طبقه‌بندی می‌کنند. از سوی دیگر کیفیت مطلوب تصاویر استفاده شده در سیستم‌های مذکور جهت تشخیص دقیق، امری ضروری است. در همین راستا یکی از بخش‌های مهم سیستم‌های CAD قسمت بهبود کنتراست تصاویر است که وظیفه آن افزایش کیفیت و وضوح تصویر و در نتیجه تشخیص دقیق‌تر بیماری می‌باشد. با توجه به اهمیت موضوع در این مقاله روش‌های مختلف بهبود کنتراست تصاویر و تأثیر آن بر دقت تشخیص یک سیستم کمک تشخیص پزشکی مورد ارزیابی قرار گرفته است. نتایج این تحقیق نشان می دهد روش CLAHE مبتنی بر روش متعادل‌سازی هیستوگرام، FCCE مبتنی بر مجموعه‌های فازی و ECS از دسته مبتنی بر الگوریتم‌های فرا ابتکاری به ترتیب باعث افزایش دقت بیشتری در تشخیص سیستم‌های CAD شده است.

در سال‌های اخیر توسعه سریع تلفن‌های هوشمند و شبکه‌های موبایل منجر به ایجاد پارادایم جدیدی به نام حسگر جمعی موبایل در مقیاس وسیع شده است. کلید اصلی موفقیت سیستم‌های حسگر جمعی مشارکت کافی کاربران است. بر این اساس ما در این مقاله با بکارگیری نظریه بازی یک مکانیزم تشویقی را بر اساس بازی استکلبرگ برای یک سیستم حسگر جمعی چند وظیفه‌ای معرفی کرده‌ایم. در این مکانیزم هدف ما تعیین استراتژی پایدار توزیع مشوق‌های چندین ناشر وظایف حسگر جمعی موبایل برای انجام چندین وظیفه توسط کاربران است. ما به دنبال این موضوع بوده‌ایم که یک ناشر باید چه پاداشی را برای انجام وظایف خود مشخص کند تا در رقابت با سایر ناشرین و سایر کاربران سودمندی خود را به حداکثر برساند. ما همچنین الگوریتم توزیع شده‌ای را برای تعیین نقطه تعادل بازی بر اساس اطلاعات محلی ناشرین و کاربران ارائه کرده‌ایم. همچنین شبیه‌سازی‌های عددی برای ارزیابی عملکرد نقطه تعادل مکانیزم پیشنهادی و همگرایی آن انجام شده است.