انجمن کامپیوتر ایران

توصیف داده‌ها به کمک بردارهای پشتیبان (SVDD) روشی است مبتنی بر حقه هسته (kernel) که به جهت کسب نتایج مناسب در زمینه‌هایی از قبیل تشخیص داده‌های نویزی و پرت، دسته‌بندی تک کلاسه، طبقه‌بندی داده‌های نامتوازن در سال‌های اخیر مورد توجه قرار گرفته است. صحت و دقت طبقه‌بندهای مبتنی بر بردارهای پیشتیبان از تأثیر مخرب داده‌های نویزی و پرت رنج می‌برند. یکی از کارآمدترین روش‌های مقاوم‌سازی طبقه‌بندها حساس‌سازی آن‌ها به داده‌های ارزش‌مند‌تر است. از آنجایی که مجموعه فازی سخت (Rough fuzzy set) از پتانسیل مناسب جهت تشخیص داده‌های مرزی برخوردار می‌باشد. توصیف داده‌ها به کمک بردارهای پشتیبان مبتنی بر این مجموعه فازی به صحت و دقت بیشتری در طبقه‌بندی داده‌ها دست پیدا می‌کند. در آزمایشات از روش اعتبار سنجی ضرب‌دری k-folded cross validation استفاده شده‌است. نتایج آزمایشات نشان‌دهنده برتری روش پیشنهادی است.

گرافولوژی، علم مطالعه و بررسی شخصیت و خصوصیات فردی بر اساس نوشتن است. آگاهی از این علم می‌تواند موارد استفاده زیادی در جامعه داشته باشد. در این مقاله، یک پایگاه داده دست نوشته‌های فارسی برای گرافولوژی معرفی می‌شود. داده‌های جمع آوری شده شامل 140 نمونه دستخط از دو گروه دانشجویان دانشگاه جامع علمی کاربردی و مددجویان زندان شهر سمنان می‌باشد. ضمن اخذ دستخط، افراد شرکت کننده در این تحقیق، پرسشنامه شخصیتی MMPI 71 سوالی راتکمیل نمودند و 11 پارامتر روانشناختی استخراج شده از پرسشنامه مذکور در کنار دستخط هر فرد ارایه شده است. داده های این پایگاه داده در تحقیقات گرافولوژی دست نوشته‌های فارسی قابل استفاده می‌باشد.

کاوش مجموعه اقلام نقش مهمی در تمام زمینه‌‌های تحقیقاتی داده کاوی مانند: قوانین انجمنی، خوشه‌‌بندی و طبقه‌‌بندی ایفا می‌‌کند. کاوش تمام مجموعه اقلام مکرر منجر به تعداد گسترده‌‌ای از اقلام می‌‌گردد. این مسئله می‌‌تواند به مسئله یافتن مجموعه اقلام مکرر ماکسیمال (MFI) تبدیل شود. در این مقاله یک روش جدید برای کاوش تمام MFIها مبتنی بر تئوری گراف و بهبود سرعت آن به وسیله تئوری درخت پیشنهاد شده است. در روش ارائه شده ابتدا یک ماتریس مربعی وابسته به عناصر تراکنش‌‌های پایگاه داده ساخته می‌‌شود. سپس گراف ماتریس در نظر گرفته می‌‌شود و زیرگراف‌‌های کامل ماکسیمال (کیلیک بیشینه) که یک به یک متناظر با MFIها هستند پیدا می‌‌شوند. در این روش ابتدا فرض می‌‌شود گراف اولیه کامل است و در هر مرحله گراف شکسته می‌‌شود تا به تمامی زیرگراف‌‌های ماکسیمال برسیم. در این بین هر زیرگرافی که شکسته می‌‌شود در یک درخت نگهداری می‌‌شود. این درخت با مکانیزم خاصی برای بالابردن سرعت جستجو استفاده شده است. نتایج آزمایشات مزایای روش پیشنهادی شامل راندمان، سادگی، دقت، و حافظه مصرفی را تایید می‌‌کند. علاوه بر این روش پیشنهادی کارایی خوبی در پایگاه‌‌داده‌‌های بزرگ دارد.

سلول‌های سفید خون از اجزا مهم خون انسان هستند و شاخصی برای تشخیص برخی از بیماریها محسوب می‌شوند. قطعه‌ بندی سلول‌های سفید خون از روی تصاویر میکروسکوپی، گامی بسیار مهم در تجزیه و تحلیل دقیق اطلاعات مربوط به بیمارهای خون است. تمرکز ما در این مقاله بر روی قطعه بندی هسته ی سلول های سفید خون است. در روش پیشنهادی ما، برای قطعه بندی از ترکیبِ تجزیه فضاهای رنگ مختلف و خوشه بندی k-means استفاده شده است. برای ارزیابی روش قطعه‌ بندی پیشنهادی دو پایگاه داده از تصاویر میکروسکوپی خون مورد استفاده قرار گرفته و در نهایت عملکرد روش پیشنهادی با دو روش دیگر مقایسه شده است. در پایگاه داده اول دقتی برابر با 33/96 درصد و در پایگاه داده دوم نیز دقتی برابر با 84/95 درصد به‎دست آمده‌ است. نتایج به‌ دست آمده عملکرد بهتر روش پیشنهادی را در پایگاه‌های داده‌ی موجود نشان می‌دهد. همچنین نتایج به‌ دست آمده هم‌ تراز با نتایج پایگاه‌های داده‌ی است که در دسترس نبوده‌اند.

در روش های محلی تطابق تصاویر استریو تعیین اندازه بهینه ی پنجره در تخمین دقیق نقشه ی اختلاف دید تاثیر بسزایی دارد. در این مقاله روش محلی تطابق تصاویر استریو با استفاده از تبدیل جنسوس بر روی تصاویر رنگی بر پایه ی تعیین اندازه ی پنجره با استفاده از روش بهینه شده ی چرخش (45 درجه) ناحیه ی پیکسلی ارائه شده است. در مرحله ی تعیین اندازه پنجره پس از قطعه بندی تصویر و بدست آوردن پنجره ی اولیه، اندازه ی نهایی پنجره برای هر پیکسل با معرفی الگوریتم اصلاح شده ی چرخش ناحیه ی پیکسلی تعیین شده و سپس در مراحل بعدی با استفاده از تبدیل جنسوس بر روی تصاویر رنگی و بر پایه اندازه ی پنجره ی متغیر، سطح اختلاف دید اولیه را بدست می آوریم در مرحله ی آخر و مرحله ی تعیین اختلاف دید صحیح هر پیکسل از روش بهینه شده ی WTA استفاده خواهیم نمود. روش پیشنهادی در مقایسه با روشهای مشابه از دو جنبه بازدهی بیشتری دارد: اول در مرحله ی تعیین اندازه پنجره توانسته نقاط مشابه زیاد و بهینه تری تولید کند. دوم در مرحله ی تطابق تصاویر و انتخاب اختلاف دید هر پیکسل، میزان متوسط خطا کمتر شده و نقشه ی اختلاف دید کمترین نویز را دارد.

با پیچیده شدن مسائل علمی و تخصصی شدن حوزه های تحقیقاتی، لزوم انجام کارها به صورت تیمی در راستای افزایش اثربخشی و کارآمدی فعالیت ها، افزایش یافته است. تعیین یک رهبر خوب به عنوان مدیر تیم و داشتن همکاران با صلاحیت به عنوان اعضای تیم، کلیدی برای موفقیت در پروژه ها می باشد. مسئله ی تشکیل تیم با یک رهبر، یافتن بهترین رهبر و تیمی است که علاوه بر ارضای توانمندی های موردنیاز پروژه، دارای حداقل هزینه ی ارتباطی باشد. در این تحقیق روشی برای شناسایی تیمی از متخصصین ارائه شده است که بر مبنای هرس گراف ارتباطی، رهبر و تیمی با هزینه ی ارتباطی کم را شناسایی می نماید. برای ارزیابی عملکرد، آزمایش هایی با استفاده از مجموعه داده ی واقعی DBLP انجام شده است. نتایج آزمایش ها نشان می دهد که الگوریتم ارائه شده به دلیل حذف گره های اضافی بر اساس توانمندی متخصصین و ویژگی های پروژه، نسبت به الگوریتم های مورد مقایسه کارآمدتر و سریع تر می باشد.

سرویس های مبتنی بر موقعیت (LBS)، تکنولوژی های مهم در حال افزایش می‌باشند که نقش حیاتی را در زندگی مدرن ایفا می‌کنند و مبنای اساسی این سرویس ها بدست آوردن مکان فیزیکی است. با حضور فراگیر گوشی های هوشمند دارای وای فای و گسترش نقاط دسترسی، تعیین موقعیت مبتنی بر بی سیم یکی از پرکاربردترین روش های تعیین موقعیت داخلی می باشد. راه‌حل های موجود برای تعیین موقعیت مبتنی بر بی سیم، نیازمند دقت بالا و مصرف انرژی کمتری برای بروزرسانی های دوره‌ای هستند، که این امر مانعی برای پیشرفت این سیستم ها بر روی گوشی های تلفن همراه می شود، چرا که موانع و اختلالات منجر به بروز خطاهایی در تعیین دقیق موقعیت می شوند. ما در این مقاله یک الگوریتم کارآمد، بهنام CMLoc ارائه می نماییم، که با استفاده از خوشه بندی گوشی های همراه و ترکیب تکنولوژی های بی سیم و بلوتوث، منجر به تعیین موقعیت داخلی با دقت بالا می شود. در این مقاله، الگوریتم تعیین موقعیت پیشنهاد شده را با استفاده از پیاده سازی نمونه ی اولیه مورد ارزیابی قرار دادیم. نتایج نشان می دهد، این روش نسبت به روش های موجود دیگر دقت بالایی دارد و همچنین مصرف انرژی را نیز کاهش می دهد.

شناسايي و تعیین مختصات جغرافیایی مکان مراکز داده، براي سازمان‌ها داراي اهميت بسزايي است. ارزيابي،‌ شناسايي و تعيين مختصات به فاكتورها، معيارها و پارامترهاي مختلفي وابسته است كه این تنوع پيچيدگي، تصميم‌گيري براي مدیران سطح بالا را دوچندان مي سازد. این مقاله، لیست جامعی از معيارهاي تصمیم گیری برای میزبانی مراکز داده در ایران را با توجه به شرایط اقلیمی، سیاسی و اجتماعی تعیین کرده تا با تبيين گزینه های در دسترس بتوان به بررسی و ارزیابی آنها پرداخت. روش ارائه شده در اين مقاله، با بررسی و ارزیابی عوامل بالقوه در برپایی مرکز داده در ایران و ديگر فاكتورهاي مؤثر،‌ استان ها را به منظور تعيين مختصات جغرافیایی مراكز داده رتبه بندی می کند. برای ارزیابی در این روش معیارهای مختلف در قالب 4 دسته اصلی شامل آب و هوا، حوادث طبیعی، امکانات و حوادث غیرطبیعی در نظر گرفته شده است که در این مقاله به دسته امکانات شامل معیارهای بستر ارتباطی، تأمین انرژی، منابع انسانی و توسعه‌یافتگی پرداخته خواهد شد. فرآیند استنتاج این روش، با ادغام و وزن دهی به پارامترها و استفاده از رأی گیری اکثریت، با فرآيندي تطبيقي و انعطاف پذير تكميل می شود و به تفکیک استان ها، نواحی جغرافیایی مناسب را پیشنهاد می دهد.

امروزه با گسترش حجم داده ها و فراگير شدن اينترنت، داده هايی که يک موجوديت از دنيای واقعی را توصيف می کنند، بندرت تنها از يک منبع اطلاعاتی بازيابی می شوند. هدف اصلی يک سيستم يکپارچه سازی داده ها، ايجاد دسترسی يکسان روی منابع داده ای توزيع شده و ناهمگون است که به طور مستقل از هم و از طریق شاکله های مختلف و سطوح دسترسی متفاوت به داده ها ايجاد شده اند. يکپارچه سازی داده ها معمولا در سه سطح شاکله، نمونه، و مقادير انجام می شود. برای از بين بردن ناهمگونی در سطح مقادير از روش های همجوشی استفاده می شود. روش های همجوشی ارائه شده برای رفع ناهمخوانی ها در يکپارچه سازی به سه دسته آماری، ساختاری و بهينه سازی تقسيم می شوند که اکثرا علاوه بر داشتن مشکلاتی از قبيل لزوم پيش فرض های زياد در مورد توزيع داده ها، هزينه محاسباتی زياد فرآيند استدلال و استنتاج، عدم کارايی برای سناريوهای پيچيده و ... همجوشی سطح پايين محسوب می شوند. علاوه بر اين در اکثر روش های ارائه شده، برای هر موجوديت تنها يک مقدار صحيح در نظر گرفته می شود. در اين مقاله، راهکاری بر اساس شبکه منطق مارکوف و شبکه های اطلاعاتی ارائه شده است که با کشف روابط ميان موجوديت ها و استفاده از اطلاعاتی که از ارزيابی موقعيت موجوديت ها به دست می آيد، ناهمخوانی های موجود در سطح مقادير را رفع می کند. به کمک اين روش که همجوشی سطح بالا محسوب می شود، امکان تشخيص چند مقدار صحيح برای موجوديت ها وجود خواهد داشت.

زماني که اشياء به اينترنت متصل باشند، طيف وسيعي از داده مربوط به آن‌ها در شبکه‌ها بارگزاري مي‌شود. چگونگي کنترل کردن اين حجم عظيم اطلاعات که توسط اشيا به شبکه تزريق مي‌شوند و تکنولوژي‌هاي فيلتر کردن اين اطلاعات از مسائلي است که با آن مواجه هستيم. اين موضوع زماني اهميت بيشتري پيدا مي کند که امکان خرابي گره ها و از بين رفتن اطلاعات را نيز به آن اضافه نماييم. يکي از راه‌هاي جلوگيري از، از دست رفتن داده، کمتر شدن انتقال‌ها و در نتيجه بيشتر شدن طول عمر شبکه‌ها ذخيره کردن داده‌ها و تکثير آن‌ها در شبکه است. روش‌هاي زيادي براي تکثير داده‌ها مطرح شده است. در بسياري از روش‌ها داده به تعداد نامحدود در شبکه تکثير مي‌شود، که اين نيز سربار شبکه را بالا مي‌برد. در پروتکل جديد که در اين مقاله ارائه مي شود، روشي که ارائه مي‌دهيم تعداد تکثير شد داده در شبکه محدود بوده و در نتيجه نه تنها هزينه انتقال را کاهش و دسترس ‌پذيري را افزايش مي‌دهيم، بلکه سربار شبکه را نيز کم مي‌کنيم. اين روش از سه مرحله تخمين فرکانس دسترسي، محاسبه آنتروپي و ساخت فهرست کانديدها تشکيل شده است. نتايج ارزيابي انجام شده نشان مي دهد که دسترسي پذيري در روش پيشنهادي 29% افزايش و هزينه انتقال اطلاعات 15% نسبت به روش مشابه کاهش مي يابد.

به دنبال رشد سریع مجموعه داده و پردازش داده های حجیم، حافظه مورد نیاز افزایش یافته و درنتیجه کارایی عملیات به سرعت کاهش می یابد. چگونگی کسب سریع اطلاعات مهم از این داده ها یک مسئله بحرانی است. رایانش ابری راه حل های کارآمد و ارزانی را برای تحلیل و پیاده سازی الگوریتم های کاوش قوانین انجمنی در محیط های موازی ارائه دادهاست. چارچوب نگاشت/کاهش می تواند به عنوان یک مدل برنامه نویسی مناسب در رایانش ابری برای پردازش مجموعه اقلام خیلی بزرگ بر روی خوشه های مناسب مورد استفاده قرار گیرد. در این مقاله، یک الگوریتم Apriori موازی بهبود یافته تحت چارچوب نگاشت/کاهش ارائه می شود که در هر فاز اقلام غیرتکراری در هر تراکنش را از محاسبات تولید مجموعه اقلام کاندید هرس می‌کند. الگوریتم پیشنهادشده، با هدف بهبود الگوریتمk-phase و هرس اقلام غیرتکراری، اقلام کاندید زائد کمتری تولید کرده و در نتیجه حافظه مصرفی و زمان اجرا کاهش می یابد. نتایج آزمایش نشان می دهد الگوریتم ارائه شده برای پردازش داده های حجیم دارای کارایی مناسبی است که مقیاس پذیری الگوریتم را به یک خوشه بزرگ ترممکن می سازد.

تولید خودکار بردار آزمایش یکی از مسایل مهم در آزمون مدارات دیجیتال میباشد. الگوریتم های تولید خودکار بردار آزمایش مبتنی بر روش ارضای بولی طی دو دهه اخیر به دلیل پیشرفت‌های زیاد به عنصر اصلی و اساسی در مدارات دیجیتال تبدیل شده اند. در این مقاله روش ارضای بولی جهت مدلسازی مدار تشریح می شود. سپس یک روش جدید جهت آزمون خطاهای اتصال کوتاه غیربازگشتی در مدارهای ترکیبی بر اساس آن بیان می شود. در این روش با تزریق یک خطا در مدار و مقایسه آن با مدار اصلی می توان آزمون پذیر بودن آن را بررسی کرد. نتایج عملی آزمایش ها در انتهای مقاله نشانگر سودمندی و موثر بودن این روش در مدارات دیجیتال می باشد.

دراین مقاله روشی جدید جهت شناسایی چهره در حالت زاویه دار معرفی می گردد. در راهکار ارائه شده از الگوریتم کلاس بندی کننده ی علف هرز IWC به منظور طبقه بندی نقاط مختلف تصاویر ورودی و استخراج ویژگی های مشابه، همچنین ترکیب آن ها بر اساس میزان شباهت و گروهبندی این ویژگی ها به منظور شناسایی قسمت های چهره مورد بررسی قرار گرفته شده است. با استفاده از این روش که از ساختار کلی الگوریتم های تکاملی و خصوصا الگوریتم تکاملی علف هرز تبعیت می نماید نتایج قابل قبولی بدست آمده که در بخش نتایج به آن اشاره خواهد شد. این الگوریتم هیچگونه مشابه دیگری نداشته و می توان آنرا یگانه الگوریتم شناسایی چهره در حالت زاویه دار با استفاده از یک کلاسیفایر منحصر به فرد تهیه شده از الگوریتم بهینه سازی علف هرز دانست.

ادغام اینترنت اشیا و شبکه‌های اجتماعی، مفهوم جدیدی با عنوان اینترنت اشیاء اجتماعی پدید آورده است که بر طبق آن اشیا قادر هستند تا به‌صورت خودمختار و با در نظر گرفتن مالکشان، روابط اجتماعی ایجاد کنند. ممکن است مالکان و اشیاءِ مخرب بر اساس روابط اجتماعی که با دیگر اشیاء دارند، حملات زیان‌باری را انجام ‌دهند، ازاین‌رو ارزیابی اعتماد سرویس‌دهنده‌ها یک موضوع مهم برای شناسایی بهترین سرویس‌دهنده است. در این مقاله یک مدل مدیریت اعتماد جدید مبتنی بر چهار ویژگی اعتماد معرفی می‌شود. مدل با اکثر حملات اعتمادی معرفی‌شده مقابله کرده و همچنین برای سرویس‌های ارائه‌شده توسط هر گره، سطوح سرویس در نظر گرفته‌شده است. نتایج شبیه‌سازی نشان می‌دهد که مدل ارائه‌شده می‌تواند بهترین سرویس‌دهنده را برای مقابله با اکثر حملات مرتبط انتخاب کند.

در اين مقاله، از طریق طبقه‎بندی تصایر رنگی شبکیه‎ی چشم، یک سیستم تشخیص خودکار پزشکی برای بیماری آب سیاه طراحی می‎شود. در تصویر شبکیه نشانه‎های بیماری آب سیاه، در ناحیه سرعصب بینایی ظاهر می‎شود.در اکثر موارد تشخیص بیماری در زمان مناسب انجام نمی‎گیرد و یک سیستم کمک تشخیص پزشکی می‎تواند بسیار مفید واقع شود. روش پیشنهادی شامل پنج بخش 1- پیش پردازش تصویر، 2- مکان‎یابی و استخراج خودکار دیسک‎ نوری ، 3- تولید ماسک‎های باینری، 4-استخراج ویژگی و 5- طبقه بندی تصاویر است. در این مقاله الگوریتمی جدید جهت استخراج الگوی رگها مبتنی بر فیلتر تقویت بالا و تبدیل پایین کلاه مورفولوژی ارائه می‎گردد.ایده اصلی در بخش استخراج ویژگی این است که ویژگی ها به صورت محلی استخراج شوند تا قابلیت تفکیک پذیری بالاتری داشته باشند، که شامل توصیف گرهای آماری سطوح شدت داخل دیسک‎نوری و ویژگی بافت حاشیه اطراف آن است. در این مقاله در بخش طبقه بندی برای بالا بردن قابلیت تعمیم شبکه عصبی MLP و جلوگیری از بیش برازش آن، روش جدیدی بر پایه رویکرد توقف زود هنگام و تحلیل T^2 ارائه می‎گردد.روش پیشنهادی بر روی پایگاه داده استاندارد تصاویر شبکیه آزمایش شده، که 100 تصویر سالم و 82 تصویر بیمار با دقت 96% درصد طبقه بندی شده است.

یکی از دغدغه‎های مصرف‌کننده‎ محصولات، داشتن یک پیش‌زمینه ذهنی با توجه به نظرات خریداران قبلی، نسبت به یک محصول، قبل از تصمیم‌گیری برای خرید آن است.در کنار مصرف‌کنندگان، تولیدکنندگان هم برای بهبود محصولات قبلی و پیشی گرفتن در بازار فروش نسبت به رقیبان به نظرات مصرف‌کنندگان محصولات خود اهمیت می‎دهند. امروزه با افزایش تولید برخط محتوا توسط کاربران در شبکه‎های اجتماعی درباره یک شی واقعی یا انتزاعی، امکان رسیدن به اهداف بالا فراهم‌شده است. اما وجود انبوهی از اطلاعات، تحلیل آن‌ها را سخت کرده است به همین دلیل نظرکاوی از جایگاه ویژه‎ای در متن‌کاوی برخوردار است. نظرکاوی رشته‌ای از مطالعات است که در آن عقیده، احساس، ارزیابی، گرایش و هیجان مردم از زبان نوشتاری تحلیل می‎شود. نمونه‎ای از نظرکاوی، نظرکاوی ریزدانه جنبه گرا است که در آن جنبه‎های مهم یک قلم از متن نظر استخراج‌شده و جهت‎گیری هر جنبه بر اساس احساس ذکرشده تخمین زده می‎شود. در اینجا هر جنبه ویژگی یا جزئی از یک قلم و جهت‏گیری همان ارزش عددی بیان‌کننده احساس کاربر است. ما در این پژوهش با استخراج ویژگی‎ها ازمتن و استفاده از میدان تصادف شرطی به‌عنوان مدل یادگیر، جنبه‎های نهفته در متن نظرات را استخراج کردیم. نتایج آزمایش ها نشان می دهد که روش مورد استفاده در این پژوهش عملکردی قابل رقابت با بهترین روش‎های موجود روی مجموعه دادگان Semeval2014 دارد.

نگاشت-کاهش و پیاده‌سازی متن باز آن، هادوپ، از چارچوب‌های غالب در پردازش داده‌های بزرگ هستند. نگاشت‌– کاهش یک مدل برنامه‌نویسی ساده برای پیاده‌سازی مسائل محاسباتی در سیستم‌های توزیع شده بزرگ است. این مدل از 2 بخش مهم تشکیل شده است: نگاشت و کاهش. مابین این دو بخش مهم، بخش افراز قرار دارد. این بخش با استفاده از شبکه، وظیفه‌ی توزیع کلیدهای تولید شده در بخش نگاشت به وظایف کاهش را بر عهده دارد. زمانیکه میزان کلیدها و مقادیر آن‌ها، که به طور کلی داده میانی نامیده می‌شوند، بزرگ باشد بخش افراز تاثیر غیر قابل انکاری بر روی زمان اجرای وظایف کاهش خواهد داشت. در این مقاله یک افراز آگاه از منابع ارتباطی و پردازشی جهت کاهش زمان اجرای وظایف کاهش ارائه می‌دهیم. این الگوریتم با توجه به زمان اجرا و زمان انتقال کلید به تمامی ماشین‌ها، ماشینی را برای اجرای وظیفه کاهش بر روی یک کلید انتخاب می‌کند که مجموع زمان اجرا و جابه‌جایی کمینه باشد. پیاده‌سازی این الگوریتم نشان می‌دهد که این افراز زمان اجرای برنامه‌هارا نسبت به الگوریتم پیش فرض به میزان 15% بهبود داده و با مقدار بهترین حالت نیز تنها 10% تفاوت دارد.

شناسایی الگوهای طراحی استفاده شده در یک سیستم نرم‌افزاری به نگهداری و مهندسی مجدد نرم افزار کمک می‌کند و نیز باعث سهولت فهم کد برنامه‌ها میشود. این فهم به انطباق بین کد برنامه‌ها و طراحی آن‌ها، کمک زیادی میکند. علاوه براین، پیاده سازیهای مختلف از یک الگوی طراحی، تشخیص نمونه‌ی الگوها از کد برنامه را سخت میکند. از آنجاییکه هر الگوی طراحی مجموعه‌ای از نقش‌هایی است که توسط کلاس‌ها در برنامه ایفا میشوند و در واقع نقش‌ها اجزای اصلی و تعیین کننده در الگوهای طراحی هستند، با تعیین نقشی که هرکلاس در یک نمونه الگو ایفا میکند، میتوان الگوهای طراحی برنامه را شناسایی نمود. بنابراین، در این مقاله، روشی برای شناسایی نقش‌های الگوهای طراحی از کد برنامه پیشنهاد میگردد که مسئله تشخیص نقش‌ها را به یک مسئله یادگیری ماشین نگاشت می‌کند. نتایج آزمایشات با استفاده از برنامه‌های واقعی نشان میدهد که روش پیشنهادی، روش نسبتا موفقی است.

هدف از کنترل GRN (شبکه‌های تنظیم ژن)، یافتن استراتژی برای کنترل حالت سیستم با مداخله تعدادی ژن ورودی به‌نام ژن کنترلی است، به نحوی که بتواند سیستم را از حالت نامطلوب (بیماری‌زا) به حالت مطلوب منتقل نماید. در عمده روش‌های کنترلی انجام شده ابتدا GRN ، مدل‌سازی شده و سپس سیاست تخمینی مورد نظر از شبکه مدل شده، یافت می‌شود تا سیستم را به حالت مطلوب منتقل نماید. در روش‌های کنترل خارجی مبتنی بر شبکه‌های بولی احتمالی، به‌عنوان یکی از محبوب‌ترین مدل‌سازی انجام شده این شبکه‌ها، پیچیدگی زمانی و حافظه برای یافتن استراتژی کنترلی، بالا می‌باشد. یک ایده برای غلبه بر این مشکل مدل‌سازی بر اساس نمونه‌های جمع آوری شده از محیط، و سپس یافتن سیاست تخمینی است. در این مقاله به ارائه یک سیستم یادگیر کنترل محور بر مبنای الگوریتم یادگیری تقویتی دسته‌ای پرداختیم، به‌طوری که با تعریف پارامترهای سیستم و تطبیق بر مدل شبکه استنتاج شده در روش‌های پیشین، با استفاده از نمونه‌های جمع‌آوری شده از محیط، بتوانیم سیاست تخمینی را از داده‌ها استنتاج نماییم. پس از بدست آوردن سیاست تخمینی و اعمال آن به شبکه بولی احتمالی ساخته شده، نتایج نشان داد که این روش توانست احتمال حالت نامطلوب در شبکه را نسبت به روش پیشین مشابه آن، بهبود بخشد.

مقاله حاضر به دنبال پاسخگویی به دو سوال اصلی است.فناوری های اطلاعاتی و ارتباطی در بین شهروندان چه جایگاهی دارد؟آیا فناوری های اطلاعاتی و ارتباطی زمینه رشد مشارکت آنلاین شهروندان را در حوزه های مختلف مشارکت (اقتصادی، سیاسی –فرهنگی ،اجتماعی) فراهم می کنند؟برای پاسخ به پرسش نخست،فناوری اطلاعاتی و ارتباطی را از دو بعد کمیت وکیفیت استفاده ،مورد بررسی قرار گرفته است.در بعد کمی به سابقه ،میزان ،مدت استفاده،عضویت و امکان دسترسی شهروندان اشاره شده و در بعد کیفی به میزان استفاده ،نوع کاربری ،مهارت استفاده از Ictاشاره دارد.برای پاسخ به پرسش دوم از بعد عملی بررسی شده و به نقش فناوری های اطلاعاتی و ارتباطی بر رفتار مشارکتی،سازکار و نحوه مشارکت در حوزه های فرهنگی –سیاسی ،اجتماعی،اقتصادی بررسی شده است. این مطالعه به روش کمی انجام شده.جمع آوری اطلاعات در غالب پرسشنامه محقق ساخت و با تکنیک تجزیه و تحلیل spss صورت گرفته است.بررسی نقش فناوری های اطلاعاتی و ارتباطی در رشد مشارکت شهروندی آنلاین از دلایل اساسی انتخاب این تکنیک است. جامعه آماری این پژوهش دانشجویان دانشگاه مازندران می باشد.روش تحقیق پیمایشی و ابزار به کار رفته پرسشنامه محقق ساخته می باشد . نتایج تحقیق مبین این نکته است که میزان استفاده شهروندان از فناوری های اطلاعاتی و ارتباطی در بعد کمی در سطح بالا و در بعد کیفی درسطح متوسط وپایین قرار دارد. و همچنین میزان مشارکت الکترونیکی شهروندان در بعد کلی در سطح بالا قرار دارد .اما مشارکت الکترونیکی شهروندان در حوزه فرهنگی- سیاسی ، اجتماعی در سطح پایین و در حوزه اقتصادی در سطح بالا قرار دارد . نتایج حاصل از آزمون فرضیات اصلی نشانگر این امر می باشد که با توجه به سطح پایین استفاده شهروندان از فناوری های نوین اطلاعاتی و ارتباطی بین استفاده ازفناوری های اطلاعاتی،ارتباطی و مشارکت آنلاین شهروندان رابطه وجود دارد .همچنین وجود رابطه بین فناوری های اطلاعاتی، ارتباطی و عرصه های مختلف مشارکت شهروندان یعنی مشارکت فرهنگی –سیاسی ومشارکت اجتماعی و مشارکت اقتصادی آنلاین شهروندان رابطه مستقیم و مثبت وجود دارد.مهم ترین یافته های حاصل از پژوهش نشانگر این می باشد که اگر چه فناوری های اطلاعاتی ،ارتباطی زمینه رشد مشارکت آنلاین را در عرصه های مختلف برای شهروندان فراهم کرده است.اما بیشترین میزان مشارکت مربوط به عرصه اقتصادی بوده و در سایر عرصه ها میزان مشارکت در سطح پایین بوده است .