نامه الکترونیک جعلی یکی از مسائل اصلی در دنیای اینترنت است که منجر به خسارت مالی زیادی برای سازمانها و کاربران شده است. در این مقاله، تحقیق وسیعی درباره روشهایی که در حال حاضر برای شناسایی نامه های الکترونیک جعلی بکار می رود، صورت گرفته است ؛ سپس یک مدل شناسایی نامه الکترونیک جعلی مطابق با روشهای داده کاوی ارائه می گردد. در این مدل، با توجه به ویژگیهای موثر استخراج شده و مجموعه داده موجود، روش داده کاوی دسته بندی برای تفکیک نامه های الکترونیک جعلی و غیر جعلی معرفی می شود . نتایج تحقیق نشان داد که روشهای دسته بندی داده کاوی، روشی موثر در امر تشخیصنامه های الکترونیکجعلی است. نرخ بالای صحت و نرخ تشخیص غلط پایین ((FP و مقایسه معیارهای مرسوم داده کاوی سایر دسته بندها نظیر TP–Recall–F--measure و منحنی های ROC و تحلیل انها، از دیگر یافته های این تحقیق است.

یافتن بهینه سراسری توابعی از دسته مسائل NP-hard، در سال های اخیر، بسیار مورد توجه قرار گرفته است. بسياري از مسائل بهينه‌سازي در مهندسي، پيچيده‌تر از آن هستند كه با روش‌هاي مرسوم بهينه‌سازي نظير روش های تحلیل رياضي قابل حل باشند. بنابراین برای اینکه بتوان در فضای پیچیده این گونه توابع، بهینه سراسری را یافت، بایستی از روش های ترکیبی یا فرامکاشفه ای استفاده کرد. در این مقاله یک روش بهینه سازی جدید ارائه می شود که در آن پارامترهای الگوریتم بهینه سازی گروه میگوها توسط اتوماتای یادگیر، به صورت بهینه تنظیم خواهد شد. الگوریتم ترکیبی ارائه شده، به روشی کارا و مناسب برای حل مسائلی نظیر بهینه سازی تابع آزمون Griewank، در شرایطی که تعداد ابعاد تابع بسیار بالا است، می انجامد. آزمایشات انجام شده نشان داده اند که روش پیشنهادی می تواند بهینه سراسری تابع Griewank را تا 200 بعد بیابد، در صورتی که روش های دیگر تنها در 20 یا 40 بعد موفق به یافتن بهینه سراسری این تابع شده اند. لازم به ذکر است که تعداد مینیمم های محلی تابع، با افزایش ابعاد، بطور نمایی زیاد می شود و این امر پیچیدگی فضا را برای بهینه سازی، صد چندان می نماید.

در اين مقاله، روش جدیدی برای طبقه‌بندی شکل معرفی می‌شود. در این روش ابتدا شکل به قطعه‌های مختلف تقسیم می‌شود. این قطعه‌بندی به صورت پیاده کردن پنج مرتبه عمل فرسایش، روی شکل است. برای نقطه‌های هر قطعه پاسخ معادله پواسن را بدست می‌آوریم. سپس ماتریس هسین را برای پاسخ معادله پواسن، در هر نقطه تشکیل می‌دهیم. بردار ویژه‌ی متناظر با مقدار ویژه‌ی کوچک ماتریس هسین در یک نقطه، جهت آن نقطه را مشخص می‌کند. در هر قطعه، هیستوگرام زاویه‌های نقطه‌ها را محاسبه می‌کنیم. پس از آن، هیستوگرام‌های قطعه‌های مختلف را به یکدیگر متصل می‌کنیم تا بردار ویژگی شکل بدست آید. قطعه‌بندی شکل کمک می‌کند تا اطلاعات مکانی بیشتر حفظ شود. برای انجام عمل طبقه‌بندی، از شبکه عصبی احتمالاتی، (PNN)، استفاده شده و به نتایج نسبتا خوبی در پایگاه داده MPEG-7 در مقایسه با سایر روش‌ها دست یافته‌ایم.

با افزايش روزافزون حجم اطلاعات متني در موضوعات مختلف، ﻫﺮ‬ ‫روز ﺑﺮ ﮔﺴﺘﺮه اﻃﻼﻋﺎت ﻗﺎﺑﻞ دﺳﺘﺮس ﺑﺮاي ﻛﺎرﺑﺮان اﻓﺰوده‬ ‫ﻣﻲﺷﻮد. اﻳﻦ رﺷﺪ علاوه بر مزاياي قابل توجهش، با ايجاد حجم بالاي اطلاعات و در نتيجه ﺳﺮدرﮔﻤﻲ ﻛﺎرﺑﺮان در ﮔﺰﻳﻨﺶ ﻣﻄﺎﻟﺐ، ضرورت ساماندهي مطالب و ذخيرهسازي آن‌ها بصورت بهينه و حذف اطلاعات افزونه از آن‌ها را ايجاب ميکند. سيستم‌هاي خلاصه‌سازي خودکار متون ميتوانند به گزينش مطالب از بين انبوه اطلاعات موجود کمک شاياني نمايند. در اين راستا يک سيستم خلاصه‌ساز استخراجي تک سندي با نظارت معرفي مي گردد که در طراحي آن از ترکیب خروجی دو ابزار طبقه بندي SVM (ماشین بردار پشتیبان) و SSVM (SVM ساختاری) استفاده شده است. ویژگی های مورد استفاده در این سیستم شامل مکان جمله، شباهت به اسامي يا عبارات مناسب، وجود عبارت نشانه، نقل قول‌ها، اطلاعات از پيش دانسته، طول جمله و شمارش کلمات است. نتايج حاصل از ارزيابي سيستم مذکور در مقايسه با سيستم‌هاي معرفي شده خصوصاً براي زبان فارسي بهبود قابل ملاحظه اي را نشان مي دهد. ‬‬‬‬‬‬‬‬‬‬‬‬

در این مقاله برای تسریع در اجرای برنامه‌های توزیع شده و حصول حداکثر پتانسیل همروندی، از الگوریتم ژنتیک ترکیبی جهت زمان‌بندی مجدد دستورالعملها استفاده شده است. همروندی در اجرای برنامه‌های توزیع شده با افزایش فاصله مابین دستورالعمل فراخوانی غیرهمزمان راه دور و اولین دستورالعمل استفاده کننده از نتایج آن فراخوانی، افزایش می‌یابد. ولی برنامه‌نویسان عموماً با تفکر سریال برنامه می‌نویسند و بلافاصله پس از فراخوانی یک تابع از نتایج آن استفاده می‌نمایند، در نتیجه وابستگی‌های داده‌ای به نتایج حاصل از فراخوانی‌های راه دور، موجب توقف همروندی در اجرای فراخواننده و تابع فراخوانی شده می‌گردد. در این مقاله روش جدیدی در مرحله دوم از سیستم تقسیم و توزیع اتوماتیک برنامه‌ها برای زمانبندی مجدد دستورالعملها، با رعایت انواع وابستگی‌ها ارایه شده است. نتایج ارزیابی نشان می‌دهد که این روش از لحاظ زمانبندی در سطح توابع، منحصر بفرد بوده و قادر است در کمترین زمان، حداکثر همروندی را ایجاد نماید.

در این مقاله به منظور بهینه سازی مسئله‌ی دسته بندی صفحات وب، یک الگوریتم ممتیک سازگار مبتنی بر روش فرامکاشفه‌ای رقابت استعماری را ارائه نموده‌ایم. مزیت اصلی الگوریتم ممتیک، داشتن جستجوی محلی است که شانس زندگی دوباره را به هر یک از افراد جمعیت می‌دهد. نوآوری ما در الگوریتم پیشنهادی این است که، در جستجوی محلی با استفاد از سیاست یکسان سازی رقابت استعماری توانسته‌ایم به بهبود هر چه بیشتر افراد جمعیت کمک کنیم. تنظیم نرخ‌های اکتشاف و بهره برداری در ابتدای هر جستجوی محلی، از اولین تا آخرین نسل، ویژگی سازگار الگوریتم پیشنهادی را نشان می‌دهد. همچنین ما خاصیت سازگاری الگوریتم را در برخی از عملگرها مانند ترکیب و جهش اعمال کرده‌ایم. روش فرامکاشفه‌ای بکاربرده شده به گونه‌ای طراحی شده که با حرکت مناسب مستعمره‌ها به سمت امپریالیستشان در فضای جستجو، باعث نزدیکی مستعمره‌ها به موقعیت‌های برتر(امپریالیست‌ها) می‌شود، و این یعنی بهبود در زندگی. ما عملکرد الگوریتم پیشنهادی را با الگوریتم‌های GA, NB, KNN بر روی مجموعه داده‌های یکسان آزمایش کرده‌ایم. نتایج آزمایشی دقت بیشتر الگوریتم پیشنهادی را نسبت به هر سه روش نشان می‌دهد. الگوریتم پیشنهادی دقت 98 درصد را بر روی مجموعه داده استاندارد Course از وب سایت WebKB نشان داده‌است.

انتخاب ذره بهینه سراسری از جبهه پارتو به عنوان راهنما در الگوریتم MOPSO، یک مرحله اساسی در این الگوریتم بوده و روی همگرایی و گوناگونی جواب‌ها نقش به سزایی دارد؛ طوریکه یک زمینه تحقیقاتی را در حوزه مربوط به این الگوریتم گشوده است. این امر در حل مسائل بهینه‌سازی پیوسته توسط این الگوریتم به طور گسترده مورد بررسی قرارگرفته است و هر یک سعی در ارائه روشی بوده‌اند که تا حد ممکن توزیع جواب‌ها در جبهه پارتو یکنواخت گردد. اما تأثیر آن روی مسائل بهینه‌سازی گسسته، به ویژه طبقه‌بندی داده‌ها که توسط MOSPO حل شده است، مورد بررسی قرارنگرفته است. طبقه‌بندی داده‌ها توسط MOPSO با استفاده از قاعده‌های طبقه‌بندی استنتاج شده بوسیله این الگوریتم صورت می‌گیرد و مدل پیش‌بینی توسط قاعده‌های استنتاج شده حاصل می‌گردد. در طبقه‌بندی داده‌ها توسط MOPSO علاوه بر گوناگونی و همگرایی جواب‌ها، می‌بایست عملکرد مدل طبقه‌بندی ایجاد شده نیز مورد توجه قرارگیرد. در این مقاله با پیاده‌سازی MOPSO برای استنتاج قاعده‌های طبقه‌بندی از مجموعه داده‌های خطای ناسا برای پیش‌بینی پیمانه‌های مستعد خطای نرم‌افزار و استفـاده از سه روش انتخاب راهنمـا، تأثیر آن‌ها روی کیفیت قاعده‌های استنتاجی مورد بررسی قرارداده شد و این نتیجه حاصل گردید که انتخاب راهنما روی نرخ FP قاعده‌های طبقه‌بندی، تأثیر عمده‌ای دارد.

اشیاء عناصر اصلی انتقال مفاهیم در متون علمی به ویژه متون مرتبط با علوم کامپیوتر می‌باشند. رفتار اشیاء که در قالب عملگرها بیان می‌شوند می‌توانند تعریفی از قابلیت‌ها و کاربردهای هر شئ را ارائه دهند. شناخت این ویژگی‌ها در طراحی تزاروس‌ها نقش منحصر به فردی ایفا می‌کند. در اين مقاله، راهکاری برای استخراج نیمه خودکار اشیاء و رفتار آنها از متون زبان انگلیسی ارائه می‌شود، برای این منظور ابتدا باید متون انگلیسی را با استفاده از روابط معنایی موجود ما بین اجزا سازنده آن تجزیه کرد. سپس روابطی که می‌توانند بیان کننده رفتار یک شئ باشند از این بین استخراج کرده و نتایج را پالایش کنیم. 60 درصد خروجی حاصل از روش پیشنهادی می تواند معرف رفتار اشیاء در متون باشد.

در بازشناسی اشارات در ویدئوی زبان اشاره طراحی استخراج صحیح مسیر حرکت دست نقش بسزایی دارد. برای این منظور تعیین صحیح مراکز جرم و شکل دست‌ها ‌بسیار با اهمیت است. در دنباله ویدئوی زبان اشاره کلمات و جملات پی در پی اجرا می‌شوند، از جمله مشکلاتی که در تفکیک صحیح و در نتیجه بازشناسی اشارات بسیار موثر است، هم‌پوشانی و همچنین خارج شدن دست‌ها ازکادر تصویر در حین اجرای اشارات می‏باشد. که این به نوبه خود در استخراج مراکز جرم و شکل دست‌ها تاثیر می‏گذارد. در این مقاله ضمن ارائه و دسته‏بندی شرایط ویژه‏ هم‏پوشانی و خروج دست از کادر تصویر، الگوریتمی مبتنی بر شبکه عصبی ارائه می‏شود که می‏تواند مراکز ثقل و در نتیجه مسیر حرکت دست را به نحو دقیقی استخراج کند. شبیه سازی‏ها و اجرای الگوریتم فوق روی بانک ویدئوی زبان اشاره تهیه شده توسط مولفین، نتایج رضایت‌بخشی را بهمراه داشته است.

از چالش‌هاي مهندسي نرم افزار مبتني بر عامل مدل‌سازي عامل‌ها، پياده‌سازي آن‌ها و همچنين ارزیابی سيستم‌هاي عامل‌گرا به طور صحيح، درست و بدون ابهام است. از آنجاکه روش‌هاي صوری بر پايه رياضي هستند چارچوبي را براي "سيستم¬هاي مبتني بر عامل" فراهم مي‌کنند که بتوان سيستم عامل‌گرا را به طور صحيح مدل‌سازي، پياده‌سازي و ارزیابی کرد. در متدولوژي MaSE، در هفت مرحله با گذر از مراحل مختلف تحليل و طراحي، مستندات گوناگوني تهيه مي‌گردد که اين مستندات بيشتر به صورت گرافيكي ارائه مي‌شوند. در این رهیافت این مستندات را مي‌توان با روش‌هاي صوری مانند "سيستم تبديل گراف" صوری کرد و امکانی را فراهم کرد که بتوان به صورت خودکار، دقیق و سریع نحو مدل و هم‌خوانی بین نمودار‌های متدولوژي MaSE را بررسی کرد و در نتیجه هزینه‌های طراحی و پیاده‌سازی را کاهش داد.

امروزه نیاز به قدرت محاسباتی بیشتر، روز به روز افزایش می‌یابد و طراحان پردازنده برای برطرف نمودن این نیاز، پردازنده‌های پر‌قدرت‌تر و پیچیده‌تری با استفاده از تعداد بیشتری هسته در یک تراشه‌ی واحد تولید نموده‌اند که باعث افزایش چگالی توان مصرفی و نشتی شده که افزایش چگالی توان مصرفی و نشتی باعث افزایش دمای پردازنده می شود. افزایش دمای پردازنده روی بسیاری از پارامترهای سیستم از جمله قابلیت اطمینان سیستم، کارایی، هزینه، طول‌عمر و... تاثیر گذار می باشد. برای حل مساله افزایش دمای پردازنده‌ها، تکنیک‌های مدیریت پویای دما ارائه شده‌اند که با استفاده از تکنیک ها و ابزار های مختلف مانند پیشگویی دما، استفاده از شمارنده های کارایی، حسگر های دمایی، مدل های گرمایی و... دمای پردازنده را مدیریت می‌نمایند. تکنیک هایی که از حسگرهای دمایی در مدیریت دما استفاده می کنند همگی نیاز به یک حسگر دمایی به ازای هر هسته دارند ولی پردازنده هایی وجود دارند که برای هر هسته یک حسگر دمایی ندارد، بنابراین چنین تکنیک هایی روی این پردازنده ها قابل استفاده نیستند. در این مقاله تکنیکی جهت مدیریت پویای دمای پردازنده های چند هسته ای با یک حسگر دمایی ارائه شده که با استفاده از ویژگی‌های فیزیکی هسته‌ها، پیشگویی دما، مهاجرت وظیفه و تنظیم ولتاژ و فرکانس پویا، با حداقل کاهش کارایی، دما را مدیریت نماید.

مطالعه تجارب پیاده‌سازی سیستم برنامه‌ریزی منابع سازمانی (Enterprise Resource Planning) حاکی از آن است که یکی از علل مهم شکست در استقرار و بهره‌برداری از این سیستم‌ها، عدم ارزیابی آمادگی سازمان برای پذیرش ERP است. از این رو، محققین بسیاری با تکیه بر جنبه‌های داخلی و خارجی سازمان به ارائه مدل‌هایی برای ارزیابی آمادگی سازمانی در پذیرش این سیستم پرداخته‌اند. در مقاله حاضر، با بررسی مفاهیم برخی از مدل‌ها، به طبقه‌بندی معیارهای ارزیابی در هر یک از آن‌ها می‌پردازیم و در آخر، با استفاده از نتایج بدست آمده، معیارهای مهم در استقرار سیستم ERP را استخراج می‌کنیم. همچنین با در نظر گرفتن نقش تغییرات سیاسی، مانند تحریم‌ها و قوانین و مقررات کشور در استفاده از سیستم‌هایی که توسط فروشندگان بین‌المللی طراحی شده‌اند، مدل پیشنهادی خود را ارائه می‌دهیم.

اطلاعات فشرده شده‌ی سیگنال ویدئو، نسبت به خطاهای کانال بسیار حساس می‌باشد، به‌طوری که در هنگام انتقال، برخی از اطلاعات درون تصویر از بین رفته و کیفیت تصویر دریافتی خراب می‌گردد. لذا بازیابی اطلاعات از بین رفته، از اهمیت فراوانی برخوردار می‌‌باشد. در زمینه اختفای خطا‌، روش‌های فراوانی وجود دارد که هر یک دارای ویژگی خاصی می‌باشند. روش پیشنهادی در این مقاله با استفاده از چند نمونه‌ی شناخته شده و مناسب در مجاورت بلاک خراب، به درون‌یابی اطلاعات گم‌شده می‌پردازد. بازسازی تصویر با داشتن یک مجموعه محدود از توابع بخش‌های مجاور، انجام می‌گیرد. روش پیشنهاد شده کارآمد، پویا و ارائه دهنده یک نتیجه بسیار خوب درکیفیت دیداری تصویر می‌باشد. همچنین نتیجه‌ی این درون‌یابی برای لبه‌ها‌ی متعدد و بافت‌های پیچیده و غیرهمگن تصویر، قابل توجه است. در مقایسه با روش‌های مشابه، پیاده‌سازی این روش، بدون آن‌که در کیفیت تصاویر بازسازی شده خللی ایجاد کند، پیچیدگی محاسباتی را پایین آورده و نیز زمان پردازش را به میزان قابل توجهی کاهش می‌دهد. نتایج شبیه‌سازی نشان می‌دهد که در روش پیشنهادی، میانگین نسبت سیگنال به نویز برای تصاویر مورد آزمایش حدود dB 6 نسبت به روش [13] افزایش دارد.

معماران در پروژه‌ها می‌توانند از تجارب قبلی یکدیگر استفاده نمایند و تأثیرات تصمیمات خود را بر ویژگی‌های کیفی اندازه‌گیری کنند. تصمیماتی که معمار برای یک سیستم اتخاذ می‌نماید مستقیماً روی پاسخ سناریوهای کیفی مربوطه اثر می‌گذارد. با توجه به اینکه این تصمیمات بارها توسط معماران نرم‌افزار در شرایط مختلف مورد استفاده قرار می‌گیرد چنانچه بتوان تجارب قبلی را به فرم مناسب ذخیره نمود در شرایط مشابه، قابل استفاده مجدد خواهد بود. با توجه به تنوع فیلدهای سناریوهای کیفی و مقادیر آنها، تعیین میزان اثر یک تصمیم بر پاسخ سناریوی کیفی نیاز به اطلاعات کافی از تجارب قبلی دارد تا بتوان به پاسخ، اعتماد نموده و آن را مورد استفاده مجدد قرار داد. در این مقاله چارچوبی ارائه شده است که با کمک آن، معمار قادر خواهد بود از تجارب سایر معماران استفاده مجدد نموده و میزان اثر تصمیم خود بر ویژگی‌های کیفی را مشاهده نماید. در این چارچوب یک آنتولوژی ارائه می‌شود تا امکان ذخیره سازی تصمیمات معماری و تأثیرات آنها بر سناریوهای کیفی برای استفاده های آتی فراهم گردد. برای ارزیابی چارچوب پیشنهادی، ابتدا اطلاعات چندین سیستم موجود را ذخیره نموده، سپس برای یک سیستم جدید میزان تأثیر مربوط به تصمیمات معماری بر روی سناریوهای مختلف محاسبه شده توسط این چارچوب را با تأثیرات واقعی مقایسه می نمائیم.

امروزه موضوع مسیریابی سینک‌های متحرکی که دارای هیچ‌گونه مسیر از پیش تعریف شده‌ای نیستند با هدف رسیدن به عملکردی بهتر از سینک(های) ثابت مورد توجه زیادی واقع شده است. تغییرات غیرمنتظره‌ای که سینک(های) متحرک در توپولوژی شبکه ایجاد می‌کنند اگرچه از یک سو سربار زیادی را برای کشف مسیرهای جدید به وجود می‌آورد ولی از سویی دیگر به دلیل استفاده‌ی بهینه از انرژی گره‌ها، افزایش طول عمر شبکه را بدنبال دارد. هر یک از استراتژی‌های موجود، در جهت بهبود مجموعه‌ای از ویژگی‌های مربوط به شبکه‌های حس‌گر بی‌سیم تلاش کرده‌اند تا با حفظ ویژگی تحرک سینک معیارهای بیشتری را مد نظر قرار دهند. تمرکز اصلی این مقاله بر روی پروتکل‌های مسیریابی موجود با سینک متحرک به منظور بررسی ویژگی‌های ذاتی روش‌ها و نقاط قوت و ضعف آن‌ها است. نتایج ارزیابی نشان داد که هر چند هر یک از پروتکل‌های پیشنهادی با دیدگاه خاصی سعی در بهبود چالش‌های موجود در شبکه‌های حس‌گر بی‌سیم داشته‌اند، اما در اکثر مواقع بهبود یک یا چند ویژگی تأثیر نامطلوبی را بر روی دیگر ویژگی‌ها داشته است.

در این مقاله روشی برای کاهش رنگ نقشه‌ای دستی فرش، پیش از نقطه‌گذاری ارائه شده است. یکی از مشکلات این کار پیوسته نبودن نواحی در نتیجه‌ی نهایی است. در این مقاله بر روی این مشکل تمرکز شده و روشی ارائه شده است تا نواحی پیوسته‌تری به دست آید. در روش ارائه‌شده، پس از پیدا شدن نواحی اولیه، این نواحی توسط الگوریتم رشد ناحیه‌ی پیشنهادی، رشد داده‌شده و سپس رنگ پیکسل‌های باقیمانده نیز تعیین‌ می‌شود. در این مرحله الگوریتم ادغام پیشنهادی، نواحی همسایه‌ی مشابه را باهم ادغام می‌کند. کاهش رنگ نهایی توسط الگوریتم C-میانگین صورت گرفته و تعداد رنگ به 1.2 برابر تعداد اعلام‌شده توسط کاربر می‌رسد. دو الگوریتم رشد نواحی اولیه و ادغام نواحی همسایه باعث شده‌اند که نواحی پیوسته‌تری حاصل شود.

در شبکه‌های حسگر بی‌سیم آن دسته از گره‌های حسگر که در نزدیکی چاهک هستند، بیشتر در کار ارسال اطلاعات شرکت کرده و درنتیجه سریع‌تر انرژی خود را تخلیه می‌کنند. ایده‌ی چاهک متحرک برای موازنه انرژی گره‌های حسگر به‌کار می‌رود. با این حال تحرک چاهک، چالش‌هایی را بوجود می‌آورد که پروتکل‌های مسیریابی موجود برای شبکه‌های حسگر بی‌سیم با چاهک ثابت قادر نخواهند بود به‌صورت کارا عمل‌ کنند. در این مقاله ابتدا به بررسی چالش‌های الگوریتم‌های مسیریابی شبکه‌های حسگر بی‌سیم با چاهک سیار می‌پردازیم. سپس با درنظر داشتن برخی از معیارهای بهینگی شبکه‌های حسگر بی‌سیم نظیر بهره‌وری انرژی، تأخیر، سربار پیغام‌های کنترلی، توان عملیاتی و کاربردی بودن می‌پردازیم. در نهایت تأثیر این چالش‌ها بر معیارهای بهینگی در الگوریتم‌های مسیریابی بررسی شده و یک نتیجه گیری کلی جهت بهینه‌سازی شبکه‌های حسگر بی‌سیم با چاهک سیار با توجه به تاثیر چالش‌ها بر معیارهای بهینگی، انجام می‌شود.

در این مقاله از الگوریتم مرکب نهان‌نگاری در حوزه DWT و DCT با یک نهان‌نگاره با الگوی تکرار شونده استفاده شده، که نهان‌نگاره با خاصیت تکرار شوندگی در زیرباندهای مختلف درج می‌شود. در این الگوریتم برای‏ استخراج نهان‌نگاره از روش حداکثر نسبت Maximum Ratio Combining(MRC) استفاده شده است. الگوریتم ارائه شده شامل دو مرحله می‌باشد: در مرحله اول، چندین نهان‌نگاره باینری یکسان در زیرباندهای مختلف درج می‌شود، بدین نحو که تصویر تا دو سطح توسط تبدیل DWT تجزیه و سپس هر زیرباند به بلاک‌های 4×4 تقسیم می شود، سپس بیت‌های نهان‌نگاره در ضرایب میانی بلاک‌هایی که تحت تبدیل DCT قرار گرفته‌اند، درج می‌گردند. در مرحله دوم، در هنگام استخراج، روش حداکثر نسبت، بهترین نهان‌نگاره را از بین نهان‌نگاره‌های درج شده، با روش بیشترین میانگین وزن هر بیت، استخراج می‌کند. نتایج تجربی نشان می‌دهد که این الگوریتم دارای شفافیت بالا و همچنین مقاومت بالاتری در برابر تکنیک‌های پردازش تصویر مانند فشرده‌سازی JPEG، نویز فلفل نمکی، تغییر مقیاس و برش است و در مقایسه با الگوریتم‌های فعلی مبتنی بر DWT وDCT، مقاومت بیشتری در برابر حملات دارد.

دراین مقاله، همترازی توالی چندگانه با استفاده از الگوریتم بهینه‌سازی کلونی مورچه انجام و میزان دقت و صحت همترازی سنجیده شده است. همترازی توالی چندگانه از مهمترین چالش‌های موجود در بیوانفورماتیک می‌باشد که هدف ازآن به حداکثر رساندن شباهت‌ بین توالی‌ها با حذف یا اضافه کردن شکاف‌ها است. این مسئله از نوع مسائل NP-Complete می‌باشد و راه‌حل قطعی برای آن وجود ندارد. لذا سعی بر این است که روشی برای به حداکثر رساندن میزان شباهت توالی‌ها مبتنی بر روشهای بهینه‌سازی ارائه گردد. الگوریتم ACO یکی از الگوریتم‌های الهام گرفته از طبیعت در بهینه‌سازی مسائل مختلف می‌باشد که در این مقاله با استفاده از این الگوریتم، روشی برای همترازی توالی چندگانه پیشنهاد شده است. نتایج حاصل از پیاده‌سازی بر روی دادگان استاندارد BaliBase نشان می‌دهد که الگوریتم ACO پیشنهادی عملکرد مناسبی دارد و می‌تواند به عنوان روشی برای حل مساله همترازی چندگانه مورد استفاده قرار گیرد.

در این مطالعه به ایجاد یک سیستم دو لایه جهت آموزش دادن ربات انسان‎نمای نائو با روش یادگیری نمایشی پرداخته شده است. لایه‌ی اول این سیستم حرکات پیچیده و ریتمیک دست مثل ضربات کاراته را از طریق دستگاه ضبط حرکت، ضبط نموده و با کمک روابط سینماتیک معکوس مقادیر زاویه‌های هر درجه آزادی درگیر در حرکت مورد نظر را بدست خواهد آورد. خط سیرهای زاویه‌‌های هر درجه آزادی به عنوان ورودی به لایه دوم سیستم داده می‌شود. لایه‌ی دوم با استفاده از شبکه‌ای از نوسان‌سازهای دامنه-فاز که برای هر درجه آزادی در نظر گرفته می‌شود به آموزش داده‌های بدست آمده از لایه‌ی اول می‌پردازد. این سیستم قادر است خط سیرهای هر نوع حرکت پیچیده‌ و ریتمیک را توسط لایه اول بدست آورد و در لایه‌ی دوم این خط سیرهای ریتمیک را آموزش ببیند و نسبت به همه‌ی این حرکت‌ها همگرا شود. نتایج پیاده سازی این سیستم آموزشی در محیط شبیه‌ساز ربات (WEBOTS) که با نرم افزار متلب پیوند شده است نشان می‌دهند که ربات به نحوی مطلوب حرکت مورد نظر را آموزش دیده است.