انجمن کامپیوتر ایران

حجم بالا و رو به رشد داده‌های پیوندی منتشر شده در وب، بر اهمیت موتورهای جستجوی وب معنایی برای بازیابی اطلاعات مورد نیاز کاربران افزوده است. کاربران معمولاً از بین نتایج بازگردانده شده، تنها چند نتیجه‌ی اول مورد بررسی قرار می‌دهند. لذا، ترتیب نمایش نتایج و انتخاب الگوریتم رتبه‌بندی مناسب، تاثیر زیادی در رضایت کاربران از موتور جستجو دارد. با توجه به گسترش حجم دادههای معنایی، مقیاس‌پذیر بودن تنیکهای بکار رفته در موتورهای جستجو معنایی از جمله رتبه‌بندی یک امر ضروری به شمار می‌آید. مدل برنامه‌نویسی‌ نگاشت-کاهش جهت پردازش مجموعه دادههای بزرگ در فضای توزیعی بکار میرود. در این مقاله، با استفاده از مدل برنامه‌نویسی‌ نگاشت-کاهش، میزان ارزشمند بودن هر پاسخ را بر اساس ترکیب رتبه‌های محبوبیت و مرتبط بودن اندازه‌گیری می‌شود. رتبه محبوبیت از طریق تعمیم الگوریتم رتبه‌بندی PageRank روی گراف دو لایه از منابع داده و اسناد معنایی و تخصیص خودکار وزن به پیوندهای معنایی مختلف، محاسبه می‌شود. رتبه مرتبط بودن، از طریق تحلیل محتوای اسناد معنایی و پرسش‌های SPAQL اندازه‌گیری می‌شود. نتایج حاصل از ارزیابی نشان می‌دهد که استفاده از مدل برنامه‌نویسی‌ نگاشت-کاهش باعث بهبود کارایی و سرعت رتبه‌بندی می‌شود

این پژوهش یک روش تشخیص چهره مبتنی بر تئوری ماشین حالت مایع ارائه می‌دهد که قادر است با تعداد محدودی از ورودی‌ها در فاز آموزش، ورودی‌ها را در فاز آزمون با دقت بالایی بازشناسی کند. ماشین حالت مایع که یکی از کلاس‌های شبکه‌های عصبی اسپایکی به شمار می‌رود، توانایی پشتیبانی محاسبات بلادرنگ را با به بکارگیری یک سیستم دینامیکی همگن بعد بالا، که بوسیله ورودی‌های متغیر با زمان آشفته شده است را دارد. یکی از مهمترین کاربردهای ماشین حالت مایع بازشناسی الگو می‌باشد. ما در این پژوهش، یک مدل ساده از قشر بینایی انسان را بوسیله ماشین حالت مایع مدل کرده و با استفاده از این شبکه به بازشناسی چهره پرداخته‌ایم. برای مدل‌سازی ماشین حالت مایع، از ساختار و نحوه اتصالات لایه‌های مختلف قشر بینایی انسان الهام گرفتیم، بطوریکه ساختار و اتصالات آن را مانند قشر بینایی انسان در نظر گرفتیم، که این کار منجر به بهبود قابل ملاحظه‌ای در دقت بازشناسی شد. مهمترین ویژگی روش ارائه شده، بالا بودن دقت بازشناسی چهره با توجه به تعداد نمونه‌های اندک ورودی در فاز آموزش است بطوریکه این شبکه قادر است پس از اتمام فرایند آموزش الگوهای جدید را با دقت بالایی بازشناسی کند.

امروزه زمانبند ربایش کار به صورت گسترده در زمانبندی اجرای وظایف در زبان برنامه نویسی موازی حافظه اشتراکی مانند OpenMP، TBB وCilk++ مورد استفاده قرار می‌گیرد. این در حالی است که در زمانبند ربایش کار کسر بالایی از زمان اجرا، جهت انجام ربایش‌های ناموفق صرف می‌شود که موجب افزایش بی‌مورد فعالیت پردازنده و در نتیجه افزایش دما و توان مصرفی می‌گردد. لذا در این مقاله تلاش شده است تا با استفاده از تعلیق نخ بیکار در زمان وقوع ربایش‌های ناموفق متوالی در زمانبند ربایش کار، میانگین دما و مصرف انرژی پردازنده‌ی چندهسته¬ای کاهش داده شود. راهکار پیشنهادی ما حاوی یک الگوریتم زمانبندی ربایش کار جدید است که با بهبود در فرآیند ربایش کار، دمای تولیدی و مصرف توان پردازنده چندهسته‌ای را کاهش می‌دهد و ممکن است بهبود زمان اجرای برنامه‌های موازی را به همراه داشته باشد. در آزمایش بر روی سیستم واقعی، در بهترین نمونه از اجرای برنامه‌های محک موازی کاهش چشم‌گیر دما و مصرف انرژی پردازنده چندهسته‌ای همراه با بهبود کارایی مشاهده شد به طوری که مصرف انرژی 16 و کارایی 5/2 درصد بهبود داشتند و دما در حدود 7/3 درجه سانتیگراد کاهش یافت.

با افزایش بی‌سابقه در تقاضاها و انتظارات از سرویس‌ها و برنامه‌های هوشمند مبتنی بر رایانش ابری، نیاز به داشتن ابزارهای پیشرفته‌تری که بتوانند به صورت موثرتر، کارایی این سرویس‌ها را ارزیابی کنند و دیدگاه‌های تخصصی‌تری را به‌منظور ارتقاء طراحی‌ها و پیاده‌سازی‌ها فراهم نمایند، زیاد است. بنابراین برای ارزیابی تخصصی و دقیق یک مرکز داده هوشمند که متعاقبا افزایش انعطاف پذیری را در استفاده از منابع موجود برای برنامه‌های کاربردی مبتنی بر رایانش ابری به ارمغان می‌آورد ما نیاز به قالب های شبیه‌سازی شده ای داریم که برای ارزیابی کارایی یک مرکز داده مبتنی بر رایانش ابری بسیار ضروری هستند. این قالب‌های شبیه‌سازی شده نیاز هست که قابلیت توسعه پذیری داشته و به اندازه کافی متنوع باشند که بتوانند هر نوع نیازمندی را پوشش دهند و همچنین به قدر کافی ساده برای استفاده و مدیریت باشند. سربارهای متحمل شده به منظور تامین اهداف ضروری، مستقیما بر روی کارایی یک چارچوب تاثیرگذار است. بنابراین کاهش سربارها باید قسمتی از امکانات برجسته و مهم باشند. دراین مقاله ما مدل مرجعی را که تلاش می‌کند تا چنین نیازمندیهایی را تأمین کند در حین اینکه به سربارها نیز اشاره می‌کند را ارائه می‌دهیم. ما ضرورت استفاده از مفهوم خارج از قفسه را در اجزاء نرم‌افزاری مطرح می‌کنیم و همچنین نتایج کارایی بهتر را در پیاده‌سازی قالب مطرح شده خود ارائه می‌دهیم.

کمپلکس پروتئینی گروهی از پروتئین‌ها هستند که نقش مهمی در فرایندهای زیستی دارند. با توجه به نقش کمپلکس‌هاي پروتئيني در انجام بسياري از عملکردهای سلولي موجودات زنده، کشف آن‌ها مي‌تواند به درک بهتر فرآيندهاي سلولي و توسعه کاربردهاي مبتني ‌بر مهندسي زيستي منجر شود. ازاین‌رو یکی از چالش‌برانگیزترین مسائل موجود در محاسبات زیستی تشخیص کمپلکس‌های پروتئینی در شبکه‌های برهمکنش پروتئین-پروتئین (PPI) است. بیشتر روش‌های محاسباتی موجود مبتنی بر این باور طراحی‌شده‌اند که نواحی متراکم در شبکه PPI ممکن است مطابقت بیشتری با کمپلکس‌های پروتئینی داشته باشند. از طرفی کمپلکس‌های پروتئینی پراکنده تقریباً یک‌سوم کمپلکس‌های ارزیابی را تشکیل می‌دهند، که در روش‌های محاسباتی ذکرشده نادیده گرفته می‌شوند. بنابراین در این پژوهش یک روش دومرحله‌ای برای تشخیص هر دو نوع کمپلکس‌های پروتئینی، متراکم و پراکنده در شبکه تعاملی پروتئینی پیشنهادشده است. در مرحله اول، هسته‌ها را که به‌عنوان قلب کمپلکس‌های پروتئینی است تشخیص داده می‌شود و سپس افزونه‌ها را بر اساس معیار تفاوت تعداد یال‌های درون ماژولی و بین ماژولی و توزیع درجه، به هسته اضافه می‌شود. ارزیابی کارایی روش پیشنهادی و مقایسه با روش‌های قبلی مانند MCODE، DPClus، ADHAC و COACH بر روی شبکه برهم‌کنش پروتئینی مانند DIP نشان‌دهنده‌ی عملکرد بهتر در تشخیص کمپلکس‌های پروتئینی متراکم و پراکنده است.

توسعه پایدار از جمله مفاهیمی است که در دهه اخیر موضوع بسیاری از مطالعات در حوزه های گوناگون قرار گرفته است.لزوم بکارگیری اهرم های اساسی توسعه پایدار در طراحی و تبیین خطی مشی راهبردی نهادهای تصمیم گیری در سطوح مختلف ،تجدید نظر ساختار شکنانه ای را در تعاریف معمول باعث گردیده است که این خود تبعات گوناگونی را به همراه داشته است.این امر بالاخص در تعاریف تسعه شهری نمود ویژه ای یافته است .به گونه ای که سرعت تغییرات در این حوزه به واسطه برخورداری از شاخصه های منحصر بفرد از شتاب بالایی بهره مند بوده است.شدت تاثیرات رویکرد فوق الذکر بحدی است که توفیق یا عدم توفیق در پیاده سازی مفاهیم توسعه پایدار در روند توسعه شهری به معیار غیر قابل انکاری در سنجش کیفیت یا قابلیت سکونت شهرها بدل گشته است.از این رهگذر شناخت دلایل توفیق تجارب موفق در کنار بررسی موانع پیش روبا رویکردی آسیب شناسانه از اهمیتی والا برخوردار می باشد.

جزیره حرارتی شهری یکی از مهم‌ترین خطرات زیست محیطی مناطق شهری می¬باشد. سنجش از دور به دلیل فراهم کردن دید یکپارچه، کم‌هزینه و سریع فناوری کارآمد برای مطالعه و پایش تغییرات محیطی محسوب می¬شود. هدف از این پژوهش حاضر، پایش و پیش¬بینی تغییرات مکانی-زمانی شدت جزیره حرارتی شهر بابل در بازه زمانی 1424-1364 می¬باشد. برای این منظور از تصاویر چند زمانه لندست، محصول بخار آب مودیس و داده¬های زمینی استفاده شده است. برای محاسبه دمای سطح زمین از الگوریتم¬ تک کاناله، طبقه¬بندی تصاویر از الگوریتم بیشترین شباهت، پیش¬بینی تغییرات کاربری اراضی و دمای سطح از مدل سلول¬های خودکار-مارکوف و بررسی جزیره حرارتی از شاخص شدت جزیره حرارتی استفاده شده است. نتایج پژوهش نشان دهنده این است که طی سی سال گذشته اراضی ساخته‌شده با رشد 92 درصدی و اراضی زراعی با کاهش چشمگیری مواجه شده-اند. طبقات دمایی بالا و بسیار بالا مناطق مرکزی و راه¬های خروجی از شهر را پوشش می¬دهند که مساحت¬شان طی سال¬های گذشته رشد چشمگیری داشته است. شاخص نسبت جزیره حرارتی در طی سی سال روند رو به رشدی را نشان می¬دهد. مقدار این شاخص از 5/0 در سال 1364 به 67/0 در سال 1394 رسیده و برای سال 1424 مقدار این شاخص 72/0 پیش¬بینی شده است که بسیار نگران کننده¬ می¬باشد.

جشنواره شكوفا (شهروند کارآمد و فناوری اطلاعات) آوردگاهي براي رقابت شهروندان تهراني به منظور سنجش مهارت‌هاي زندگي در هزاره سوم است. رشد سريع فناوري‏هاي اطلاعاتي و ارتباطي مي‏تواند ضمن ايجاد بستر مناسب جهت مشاركت و تعامل شهروندان به تحقق شهر و شهروند الكترونيك بيانجامد، همچنين مي‏تواند عاملي براي تبيين سبك زندگي در جامعه باشد و نقش خود را بعنوان رسانه ايفا نمايند. فناوري‏هاي اطلاعاتي و ارتباطي به‏دليل فراگير بودن، سرعت انتقال اطلاعات و جاذبه مالي، خود لزوم سبك جديدي از زندگي با توجه به مولفه‏هاي جديد و ديجيتال را مطرح مي‏كند. تحقق شهر الکترونیک بدون تربيت و آماده‌سازي شهروندان الكترونيكي ميسر نيست. از اين رو در جشنواره شكوفا فرصتي پديد مي‌آيد تا شهروندان تهراني مهارت‌هاي سبک زندگی دیجیتال خود را محك زده و در مسير ارتقاء به شهروند الكترونيكي قدم بردارند. در این مقاله نگاهی به معرفی، تجربیات و اقدامات کانون مهارت‏های سبک زندگی دیجیتال جشنواره شکوفا که نام قبلی آن کانون توسعه مهارت‏های رایانه‏ای بود پرداخته شده است. کانون مهارت‏هاي رایانه‏اي و سبک‏زندگی دیجیتال در پنج سال پی در پی توسط نویسندگان این مقاله و تیم اجرایی ایشان با همکاري شهرداري تهران و در قالب چشنواره شکوفا طراحی و اجرا شده است. اجراي این طرح در چهار سال داراي نقات قوت وضعفی بوده و دستاورهاي خوبی داشته است که در این مقاله به آنها پرداخته شده است.

Delta debugging یک روش تقسیم و حل است که عمل debugging متداول را توسط کمینه کردن ورودی، ساده می‌سازد. بنابراین debugging بر روی کدی ساده‌تر، اعمال می‌شود. در واقع Delta debugging روش علمی اشکال زدایی را خودکار می‌کند. ایده اساسی روش علمی مذکور، بنا نهادن فرضیه‌ای بر روی این موضوع است که چرا برنامه بدرستی کار نمی‌کند. در روال debugging این فرضیه، تست‌شده و بسته به خروجی تست، قبول یا رد می‌شود که البته تمامی این کارها را در روال debugging افراد بصورت کاملاً دستی انجام می‌دهند. حال Delta debugging این فرآیند را بصورت خودکار در می آورد. تاکنون تنها یک روش موازی‌سازی الگوریتم مذکور برای بهبود زمان اجرای آن معرفی شده‌است. در این مقاله با استفاده از ویژگی‌های زبان برنامه‌نویسی Chapel یک نسخه‌ی موازی جدید از این الگوریتم ارائه شده‌است که نسبت به روش قبلی تا % ۴۶/۳۶ زمان اجرای الگوریتم را بهبود بخشیده‌است.

الگوریتم‌های فراابتکاری به عنوان یکی از روش‌های حل مسائل بهینه‌سازی در کاربردهای مختلف مهندسی به کار می‌روند. یکی از این الگوریتم‌ها، الگوریتم بهینه‌سازی دسته ذرات است. در این مقاله با بهره‌گیری از یک سیستم استنتاج فازی و همچنین تطبیقی نمودن پارامتر وزن اینرسی که یکی از پارامترهای تاثیرگذار در این الگوریتم است، سعی کرده ایم کارآیی این الگوریتم را افزایش دهیم. برای ارزیابی روش پیشنهادی از توابع CEC2008 بهره می‌گیریم. نتایج ارزیابی نشان می‌دهند که عملکرد الگوریتم ارائه شده در این مقاله به نسبت روش‌های موجود، بهبود قابل توجهی داشته است.

با گسترش با گسترش اینترنت و پیدایش وب2، رسانه‌های اجتماعی به عنوان ابزاری برای تبادل پیام، ایجاد ارتباطات دوسویه را امکان‌پذیر ساخته‌اند. فروشگاه‌های اینترنتی یکی از رسانه‌های اجتماعی هستند که کاربران می‌توانند کالاهای موردنیاز خود را در آن یافته و با دیگر کاربران تبادل نظر انجام دهند. بنابراین با توجه به حجم گسترده این نظرات، تحلیل و جمع‌بندی آنها برای خریدار و فروشنده محصول می‌تواند بسیار مفید باشد. از این‌رو پژوهش‌های گسترده‌ای در حوزه نظرکاوی و تحلیل احساسات کاربران انجام گرفته است. با توجه به اینکه هر کاربر می‌تواند بر روی مشخصات مختلف کالایی مانند دوربین، باتری یا حافظه در یک گوشی تلفن همراه نظر متفاوتی داشته باشد و هریک از این مشخصات با عبارات متفاوتی در نظرات مختلف بیان شوند، خوشه‌بندی هریک از مشخصات کالا می‌تواند دقت بالاتری را در تحلیل احساسات و نظرکاوی حاصل نماید. در حالیکه پژوهش‌های متعددی به منظور خوشه‌بندی مشخصات کالا در زبان‌های مختلف انجام شده است، ولی در زبان فارسی پژوهشی یافت نشد. در این پژوهش با استفاده از روش‌های یادگیری ماشین، مشخصات مربوط به یک خودرو در نظرات کاربران خوشه‌بندی شده‌اند و پس از مقایسه نتایج حاصل از هر روش، الگوریتم امیدبیشینه از نظر معیارهای انتروپی و خلوص منجر به نتایج بهتری شد.

الگوریتم رمزنگاری SIMON یکی از الگوریتم‌های رمزنگاری سبک می‌باشد که در سال 2013 توسط آژانس امنیت ملی امریکا طراحی شد و توجهات بسیاری را به خود معطوف کرد. در این مقاله با بهره گیری از فرانمای کلید خطی SIMON و روش پیوند و برش، آسیب¬پذیری این الگوریتم رمز، خصوصا نسخه‌های کوچک‌تر آن، در مقابل حملات ملاقات در میانه چندبعدی ارزیابی شده است. مزیت اصلی حملات معرفی شده، پیچیدگی داده کم‌تر آن‌ها نسبت به سایر حملات است که باعث می‌شود تا این حملات بصورت عملی‌تری اجرا شود و مقاوم سازی این الگوریتم در مقابل این حملات ضرورت بیشتری یابد.

امروزه یکی از مهم‌ترین دغدغه‌های سیستم آموزش و پروش کشور، عملکرد تحصیلی مطلوب دانش‌آموزان به جهت جلوگیری از هدر رفتن منابع مالی و انسانی است. به این منظور رویکرد داده‌کاوی مورد توجه قرار گرفته که یکی از اهداف آن شناسایی روشی‌ست که قابلیت عمومی‌سازی خوبی داشته باشد. قابلیت عمومی‌‌سازی دسته‌بندهای ترکیبی (تعدادی دسته‌بند مبنا) بسیار بالاتر از این قابلیت در یک دسته‌بند مبنا است. روش ترکیبی قادر است دسته‌بندهایی که کمی بهتر از تصادفی هستند، به دسته‌بندی با قابلیت پیش‌بینی بالا تبدیل کند. در این مقاله، مدل پیشنهادی، ترکیبی از دو دسته‌بند مبنای متفاوت درخت تصمیم و شبکه‌های عصبی است که دقت پیش‌بینی عملکرد دانش‌آموزان با این روش از دقت تک تک دسته‌بندهای مذکور بیشتر شده است. موضوع قابل اهمیت دیگر مطرح در داده‌کاوی کیفیت داده است. از عوامل تأثیرگذار بر کیفیت داده، وجود مقادیر پرت، گمشده و نحوه‌ی برخورد با این مقادیر است. همچنین به‌منظورکاهش ابعاد مسئله از چندین روش انتخاب ویژگی به منظور افزایش دقت مدل با دخالت دادن عوامل قطعی و مؤثرتر در عملکرد تحصیلی دانش‌آموزان، استفاده شد. داده‌های آزمایشی استفاده شده داده‌های واقعی مربوط به دانش‌آموزان هنرستان مکتبی اصفهان است که بر اساس متدولوژی CRISP-DM و با بهره‌گیری از نرم‌افزار WEKAتحلیل شده‌اند.

The heterogeneity in cyber-physical systems (CPS) and the diverse situations that they may face with, along with the environmental hazards raise the need to self-stabilization. The uncertain nature of CPS necessitates a probabilistic view for analyzing the system stabilization-time that is a highly critical metric in distributed/time-sensitive applications. Calculating the worst-case expected stabilization-time and possible improvements help to have safer designs of CPS applications. In this paper, a mutual exclusion algorithm based on PIF (Propagation of Information with Feedback) self-stabilizing algorithm is selected in synchronous environment as a case study. Using probabilistic analysis, we present a set of guidelines for utilizing this algorithm in time-sensitive applications. We have also utilized an approximation method for improving the scalability of our probabilistic analysis and did a set of experiments to show how this analysis could be used in the design of topologies with the goal of having an optimal worst-case expected stabilization-time. Our results show that using this approach, we can significantly improve the worst-case expected stabilization-time.

يکي از چالش‌هاي پيش روي سيستم‌هاي بازشناسي چهره، مقاوم بودن در برابر وجود پوشيدگي موضعي بر روي تصاوير در حالت‌هاي مختلف چهره است. هدف اصلي، بررسي پوشيدگي موضعي بر روي تصاوير پايگاه داده Bosphorus است. پايگاه داده بسفر شامل تصاوير دوبعدي بافت و سه بعدي عمق چهره است که قبلا با ترکيب اين تصاوير يک سيستم بازشناسي چهره مقاوم به حالت‌هاي مختلف چهره با شبکه‌هاي کانولوشني طراحي شده است، در اين مقاله قصد داريم به بررسي تاثير پوشيدگي موضعي بر روي اين سيستم بپردازيم. در سيستم طراحي شده با تصاوير حالات چهره متشکل از 105 فرد شبکه کانولوشني به دقت 97.22% مي‌رسد، اين سيستم در برابر پوشيدگي‌هاي قسمت‌هاي مختلف چهره همچون نوک بيني، کل ناحيه بيني، ناحيه چشم‌ها و دهان مورد آزمايش قرار گرفته است و به ترتيب به نتايج 95.65%، 93.65%، 63.79% و 83.57% دست يافته ايم. نتايج بيانگر تاثير بسيار زياد چشم‌ها در سيستم بازشناسي چهره مقاوم به حالت‌هاي مختلف است و کمترين تاثير در اين سيستم را ناحيه نوک بيني بر عهده دارد. روش پيشنهادي در مقايسه با کارهاي اخير با افزايش دقت همراه است

در اين مقاله، شيوه نگارش يك مقاله براي بيست و يکمين كنفرانس ملي سالانه انجمن کامپيوتر ايران تشريح مي‌شود. روش قالب‌بندي مقاله، بخش‌هاي مختلف آن، انواع قلم‌ها و اندازه آن‌ها، به طور كامل مشخص شده است. كلية سبك (Style) هاي مورد نياز براي بخش‌هاي مختلف مقاله، از جمله عنوان‌ها، نويسندگان، چكيده، متن، و ... از پيش تعريف شده‌اند و تنها كافي است سبك مورد نظر را براي بخشي از مقاله انتخاب كنيد. نويسندگان محترم مقاله‌ها بايد توجه داشته باشند، كنفرانس از پذيرش مقاله‌هايي كه خارج از اين چارچوب تهيه شده باشند، معذور است. چكيده مقاله بايد در يك يا دو بند (پاراگراف) تهيه شود و حداكثر شامل 200 كلمه باشد. چكيده بايد بطور صريح و شفاف موضوع پژوهش و نتايج آن را مطرح كند؛ يعني بيان كند چه كاري، چگونه، و براي چه هدفي انجام و چه نتايجي حاصل شده است. در چكيده از ذكر جزييات كار، شكل‌ها، جدول‌ها، فرمول‌ها، و مراجع‌ پرهيز كنيد.

ورشکستگي شرکت‌ها در يک دورنماي کلي، تأثيرات مخربي بر اقتصاد يک کشور دارد که مي‌توان با پيش‌بيني آن از هدر رفتن ثروت ملي در قالب سرمايه‌هاي فيزيکي و انساني و آثار آن جلوگيري کرد. از اين جهت ورشکستگي مالي يکي از موضوعات مهم در حوزه تصميم‌گيري مالي شرکت‌هاست و تاکنون تکنيک‌هاي داده‌کاوي و مدل‌هاي متنوعي که از نظر متغير‌هاي پيش‌بيني و نوع مدل متفاوت هستند، براي حل اين مساله ارائه شده‌اند. هدف ما در اين تحقيق ارائه يک ترکيب جديد از نقاط قوت الگوريتم بهينه‌سازي نهنگ (WOA) و جستجوي ممنوعه به‌منظور ارائه يک الگوريتم مؤثر و بهينه براي آموزش شبکه‌هاي عصبي پيشرو (FNN) و درنهايت تهيه يک مدل کارآمد براي پيش‌بيني ورشکستگي مي‌باشد. نمونه‌ي تحت بررسي شامل 110 شرکت است که طي يک دوره‌ي 8 ساله از سال 1388 تا 1395 از بورس اوراق بهادار تهران انتخاب شده‌اند. براي تائيد عملکرد الگوريتم‌هاي استفاده‌شده از 5 مجموعه داده‌ي استاندارد از مخزن UCI استفاده‌شده است. همچنين به‌منظور اثبات برتري روش پيشنهادي نتايج حاصل از اجرا با 5 الگوريتم ديگر مقايسه شده است و نتايج تجربي نشان مي‌دهند که در مقايسه با ساير روش‌ها عملکرد بهتري در آموزش FNN ارائه مي‌دهد.

زنجيره بلوکي فناوري نوظهوري است که پيدايش آن ريشه در کاربردهاي مالي دارد. اين درحالي است که کاربردهاي اين فناوري محدود به حوزه کاربردهاي مالي نبوده و ويژگيهاي خاص فناوري زنجيره بلوکي، پتانسيل بالايي را براي ايجاد تغيير و تحول بنيادين در کسب ‌وکارهاي مختلف فراهم مي‌کند. در اين مقاله تلاش خواهد شد که کاربردهاي مختلف زنجيره بلوکي ارائه شده در مراجع و منابع مختلف بررسي و در نهايت يک دسته بندي کاربردي‌تري از زنجيره بلوکي ارائه شود. لذا، در اين مقاله ابتدا مروري بر مفاهيم زنجيره بلوکي و کاربردهاي آن شده است. سپس با استفاده از روش فراترکيبي، کاربردهاي زنجيره بلوکي دسته بندي و در نهايت در سه دسته مختلف کاربردهاي عمومي، کاربرد در صنايع و کاربرد در فناوريهاي ديگر تقسيم و شرح داده شده اند.

طبقه‌بندي تصاوير سنجش از راه دور به دليل اينکه اطلاعات زيادي را براي بسياري از کاربردهاي موجود فراهم مي‌کند از اهميت بالايي برخوردار است و کاربردهايي مانند مديريت شهري و کشاورزي و موارد ديگر نياز به طبقه‌بندي تصاوير ماهواره‌اي دارد. در اين مقاله روشي براي درک صحنه‌هاي سنجش از راه دور با وضوح بالا، ارائه شد. ابتدا شبکه موبايل‌نت که يک شبکه پيش‌آموزش‌ديده است، جهت استخراج ويژگي‌هاي حاوي اطلاعات با ارزش از تصاوير به کار رفت. سپس تمام لايه‌هاي کاملا متصل که در آن هر لايه ويژگي جداگانه‌اي را توصيف مي‌کند توسط روش الحاق، جهت استخراج ويژگي‌هاي مفيدتر ادغام شدند. در نهايت با استفاده از رگرسيون چند کلاسه به عنوان يک طبقه‌بند اين تصاوير با وضوح بالا طبقه‌بندي شدند. براي شبيه‌سازي از کتابخانه کراس در سيستم عامل لينوکس اوبونتو با پشتباني Anaconda استفاده شده است. معيار ارزيابي روش پيشنهادي دقت بوده است که بر روي دو مجموعه داده U-Merced و WHU-RS به ترتيب معادل 28/84 % و 23/94 % به دست آمده که در مقايسه با ساير روش‌هاي مطرح، به دقت و عملکرد بهتري رسيده است.

امروزه طيف گسترده‌اي از روش‌ها براي دسته‌بندي متون به کلاس‌هاي از پيش تعريف‌شده بکار گرفته مي‌شوند. روش‌هاي يادگيري ماشين و ازجمله مدل‌هاي يادگيري عميق ازجمله اين روش‌ها به شمار مي‌روند. بسياري از مسائل در حوزه پردازش زبان طبيعي را مي‌توان به يک مسئله دسته‌بندي متون تقليل داد. تشخيص نوع، سبک، ژانر و بسياري ويژگي‌هاي ديگر کاربستي متون مانند طنز، شوخي، توهين و... از اين جمله هستند. تشخيص اين ويژگي‌ها نقش مهمي در عملکرد سيستم‌هايي چون دستيار هوشمند، سيستم هاي محاوره و گپ، سيستم‌هاي تحليل احساسات و مانند آن دارند. ما در اين مقاله با بکارگيري برخي از روش‌هاي يادگيري ماشين مانند شبکه‌هاي عصبي پيچشي و دسته‌بندهاي بيز ساده و ماشين بردار پشتيبان خطي، به دسته‌بندي و جداسازي پيام‌هاي فارسي طنزآميز از پيام‌هاي غير طنز در کانال‌هاي تلگرام پرداخته‌ايم. آزمايش‌ها نشان مي‌دهند که در تشخيص طنز، شبکه عصبي پيچشي از مدل‌هاي بيز و ماشين بردار پشتيبان خطي بهتر عمل مي‌کند.